基于深度神经网络的视频播放速度识别

摘要：

针对目前的视频播放速度识别算法大多存在的提取精度差、模型参数量巨大的问题,提出了一种双支轻量化视频播放速度识别网络.首先,该网络是基于SlowFast双支网络架构组建的一个三维(3D)卷积网络;其次,为了弥补S3D-G网络在视频播放速度识别任务中存在的参数量大、浮点运算数多的缺陷,进行了轻量化的网络结构调整;最后,在网络结构中引入了高效通道注意力(ECA)模块,以通过通道注意力模块生成重点关注的内容对应的通道范围,这有助于提高视频特征提取的准确性.在Kinetics-400数据集上将所提网络与S3D-G、SlowFast网络进行对比实验.实验结果表明,所提网络在精确度差不多的情况下,模型大小和模型参数均比SlowFast减少了大约96％,浮点运算数减少到5.36 GFLOPs,显著提高了运行速度.

关键词：深度神经网络、视频播放速度识别、双支网络、通道注意力、轻量化模型

所属期刊栏目：42

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家重点研发计划;广东省科技重大专项;福建省科技重大专项;广东省光信息材料与技术重点实验室开放基金资助项目

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2043-2051