首页|基于双流P3D-Resnet的人体行为识别研究

基于双流P3D-Resnet的人体行为识别研究

扫码查看
原文链接
  • 万方数据
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％.
Research on Human Behavior Recognition Based on Two-Stream P3D-Resnet Networks

缑新科、王凯、吴宣言

展开 >

兰州理工大学 兰州 730050

甘肃省工业过程先进控制重点实验室 兰州 730050

行为识别 三维残差网络 注意力机制 双流卷积网络

2022

10.3969/j.issn.1672-9722.2022.08.003

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(8)
  • 1