-
题名一种基于R3D网络的人体行为识别算法
被引量：2
- 1
-
-
作者
吴进
安怡媛
代巍
-
机构
西安邮电大学电子工程学院
-
出处
《电讯技术》
北大核心
2020年第8期865-870,共6页
-
基金
国家自然科学基金资助项目(61834005,61772417,61602377,61634004)
陕西省重点研发计划项目(2017GY-060)
陕西省自然科学基础研究计划项目(2018JM4018)。
-
文摘
现有的行为识别算法不能充分地提取抽象的行为特征,为此提出了基于三维残差卷积神经网络(3D Residual Convolutional Neural Network,R3D)的人体行为识别算法。该网络在三维卷积神经网络(3D Convolutional Neural Network,3D-CNN)基础上加入了残差模块,可以更好地提取时空域的特征,然后通过改变步长大小进行特征图降维,提高网络效率,并加入批量归一化层和Softplus激活函数,提高网络的收敛速度和拟合能力;之后添加Dropout层,降低过拟合风险,并且使用全局平均池化层(Global Average Pooling,GAP)代替全连接层,克服了网络参数量过大的问题;最后,使用Softmax进行分类。实验结果表明,使用R3D网络在HMDB-51数据集上获得了62.3%的识别率。
-
关键词
行为识别
三维残差卷积神经网络
批量归一化层
全局平均池化层
-
Keywords
behavior recognition
3D residual convolutional neural network
batch normalization layer
global average pooling layer
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
