计算机应用研究2021，Vol.38Issue(8) ：2479-2484.DOI:10.19734/j.issn.1001-3695.2020.08.0392

面向时空特征融合的GSTIN动作识别网络

GSTIN with spatiotemporal feature fusion for video action recognition

李克文 张震涛 李素杰 雷永秀
计算机应用研究2021，Vol.38Issue(8) ：2479-2484.DOI:10.19734/j.issn.1001-3695.2020.08.0392
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

面向时空特征融合的GSTIN动作识别网络

GSTIN with spatiotemporal feature fusion for video action recognition

李克文 1张震涛 1李素杰 2雷永秀1
扫码查看

作者信息

  • 1. 中国石油大学(华东)计算机科学与技术学院,山东 青岛266580
  • 2. 中国石化管道储运有限公司,江苏 徐州221008
  • 折叠

摘要

视频动作识别是计算机视觉领域一个十分具有挑战性的课题,主要任务是利用深度学习等视频智能分析技术识别的深层信息推导出视频人体行为动作.通过结合双流卷积神经网络和三维卷积神经网络的结构特点,提出了一种面向时空特征融合的GSTIN(GoogLeNet based on spatio-temporal intergration network).GSTIN中设计了时空特征融合模块InBST(inception blend spatio-temporal feature),提升网络对空间特征与时间特征的利用能力;在时空特征融合模块InBST基础上,构建了适合动作识别的多流网络结构.GSTIN在动作识别数据集UCF101、HMDB51上识别精度分别达到了93.8％和70.6％,这表明GSTIN与其他动作识别网络相比具有较好的识别性能.

关键词

深度学习/动作识别/双流卷积神经网络/三维卷积神经网络/时空特征融合

引用本文复制引用

基金项目

出版年

2021
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
参考文献量5
段落导航相关论文