首页|基于多时间划分的深度聚合特征的行为识别

基于多时间划分的深度聚合特征的行为识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
重点研究了视频中的人体行为识别问题,提出了基于多时域划分的深度聚合特征的行为识别算法.通过多时间划分的采样形式,丰富行为深度特征的多样性,并引入多聚合中心,量化深度特征与聚合中心的残差关系,进而形成人体行为的结构化建模方法,构建可以学习复杂行为特征分布的深度聚合模型,解决时间跨度较长时的人体行为分类问题.通过在开源行为数据集UCF101与HMDB51上的实验,验证了算法的有效性和先进性.
Action recognition based on deep aggregation feature from multi-temporal segmentations

程石磊、解梅、马争、李思琦

展开 >

电子科技大学 信息与通信工程学院,成都611731

行为识别 深度学习 多时间划分 深度聚合特征

国家自然科学基金资助项目四川省科技计划项目

612712882018SZ0357

2021

10.19734/j.issn.1001-3695.2019.10.0645

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(2)
  • 1