10.19734/j.issn.1001-3695.2019.02.0094
基于深度学习的轻量型人体动作识别模型
针对现有基于深度学习的人体动作识别模型参数量大、网络过深过重等问题,提出了一种轻量型的双流融合深度神经网络模型并将该模型应用于人体动作识别.该模型将浅层多尺度网络和深度网络相结合,实现了模型参数量的大幅减少,避免了网络过深的问题.在数据集UCF101和HMDB51上进行实验,该模型在ImageNet预训练模式下分别取得了94.0%和69.4%的识别准确率.实验表明,相较于现有大多基于深度学习的人体动作识别模型,该模型大幅减少了参数量,并且仍具有较高的动作识别准确率.
深度学习、图像处理、卷积神经网络、动作识别
37
TP391.41(计算技术、计算机技术)
四川省教育厅重点科研项目17ZA0064
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
2547-2551