-
题名融入注意力机制的时间激励与聚集行为识别模型
- 1
-
-
作者
李文静
高向军
刘梦雪
葛方振
沈龙凤
刘怀愚
-
机构
淮北师范大学计算机科学与技术学院
-
出处
《云南民族大学学报（自然科学版）》
CAS
2022年第6期741-748,共8页
-
基金
安徽省重点研究与开发计划面上攻关项目(201904a05020072)
安徽省高校自然科学研究项目(KJ2019A0606,KJ2019A0603).
-
文摘
视频行为识别通常应用短区间动作特征和长区间视频聚集特征进行时序建模.而这种时序建模方式在特征提取过程中,将不同时序区间的动作特征同等看待,忽略了关键通道信息和重要动作内容,不能达到理想的行为识别效果.注意力机制能够重点关注目标区间,在提取时间激励与聚集行为特征基础上融入通道-空间注意力模块.该模型分别通过通道和空间模块改变时序动作的特征分布,通道注意力关注关键通道信息是“哪些”,空间注意力机制关注重要视频内容在“哪里”,突出关键通道信息和重要内容等特征,提高了行为识别的识别率.同时在数据集Something-Something 1,UCF101和HMDB51对模型进行实验,融入通道-空间注意力模块的时间激励与聚集行为识别模型能够有效提高行为识别率.
-
关键词
行为识别
卷积神经网络
时间激励与聚集
注意力机制
-
Keywords
action recognition
convolutional neural network
temporal excitation and aggregation
attentional mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名融入时序激励机制的人体行为识别
被引量：1
- 2
-
-
作者
梁鸿
张兆雷
李传秀
钟敏
-
机构
中国石油大学(华东)计算机科学与技术学院
-
出处
《计算机工程与设计》
北大核心
2020年第10期2907-2912,共6页
-
基金
中央高校基本科研业务费基金项目(18CX02138A)。
-
文摘
为解决现有人体行为识别方法不能有效融合视频局部特征的问题,提高行为识别的准确率,对视频的一般特点进行分析,提出一种时序激励机制。以BN-Inception作为基础模型分别提取RGB图像序列与光流图像序列的特征,在模型中嵌入时许激励模块实现对视频局部特征序列的动态加权,突出局部特征序列中对行为识别有益的特征的作用,使融合得到的全局特征更具鉴别力。在数据集HMDB51和自建的油田生产现场行为识别数据集OilField-7上进行实验,准确率分别可达71.6%和92.8%,验证了所提方法的有效性。
-
关键词
行为识别
局部特征
时序激励机制
加权
融合
-
Keywords
action recognition
local feature
temporal excitation mechanism
weighting
fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
