首页|基于最小类内方差的伪三维残差网络

基于最小类内方差的伪三维残差网络

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
作为一种提取视频时空特征的深度学习方法,伪三维残差网络(pseudo-3D residual net,P3D ResNet)利用SVM目标函数来驱动深度网络学习,这样该方法继承了SVM的不足——仅考虑了不同类别间的间隔,忽略了同类样本数据的分布信息.针对该问题,提出了基于最小类内方差的伪三维残差网络方法,不仅体现了大间隔原理,同时又利用了样本数据的分布信息.该方法首先使用P3D ResNet提取的特征向量计算类内散度矩阵;然后利用该矩阵构建了新的目标函数;最后通过新构建的目标函数来驱动P3D ResNet的学习.将该方法应用到行为识别领域,多个数据集上的实验结果表明,相比于传统的P3D ResNet,所提出的方法获得了更高的识别准确率,体现出了更好的泛化性能.
Pseudo-3 D residual network based on minimum intra-class variance

谢超宇、秦玉、张开放、王晓明

展开 >

西华大学 计算机与软件工程学院,成都610039

深度学习 伪三维残差网络 支持向量机 类内散度矩阵 行为识别

西华大学研究生创新基金

Ycjj2019085

2021

10.19734/j.issn.1001-3695.2021.04.0129

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(12)
  • 2
  • 1