10.3969/j.issn.1672-9722.2022.08.003
基于双流P3D-Resnet的人体行为识别研究
由于三维卷积神经网络的层数加深会使得网络模型所需要计算的参数量较大,导致网络难以训练,且对人体行为的识别率不高.论文提出了三维残差网络结合底层注意力机制的人体行为识别改进算法.首先将RGB视频帧和光流帧分别输入到卷积神经网络,然后通过注意力机制提取人体行为的特征,最后对双流卷积网络进行融合.在有效降低网络模型参数量的基础上能够较好地提升网络的精度.在UCF101数据集上的实验验证表明,该算法的识别率达到了94.3%.
行为识别、三维残差网络、注意力机制、双流卷积网络
50
TP301.6(计算技术、计算机技术)
2022-09-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
1641-1646