ResNet网络下教室人物姿态分类

摘要：

该文首次将ResNet网络的思想对复杂教室环境下的人物进行多类别分类设计,改进了网络结构,有效解决了传统基于像素特征的方法分类效果不理想的问题.实验中通过卷积提取特征、不同感受野、保留像素间联系、多层卷积级联提取深层次特征等方法,在网络训练过程中进行参数调整,优化算法和网络参数来解决困难样本的识别,将多类别的分类准确率从83.5％提升到99.2％,并实现了多目标检测的11类样本的判定.最终选取ResNet18_16来进行高速有效的多类别识别.

关键词：姿态分类、ResNet网络、卷积网络、分类训练、参数调整、多类别识别

所属期刊栏目：43

分类号：TN926-34

资助基金：国家自然科学基金项目11664005

在线出版日期：2020-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：42-46