3D多支路聚合轻量网络视频行为识别算法研究

作者：胡正平^*; 刁鹏成; 张瑞雪; 李淑芳; 赵梦瑶

来源：电子学报, 2020, 48(07): 1261-1268.

• 深度学习
• 神经网络
• 行为识别

为构建拥有2D神经网络速度同时保持3D神经网络性能的视频行为识别模型,提出3D多支路聚合轻量网络行为识别算法.首先,利用分组卷积将神经网络分割成多个支路;其次,为促进支路间信息流动,加入具有信息聚合功能的多路复用模块;最后,引入自适应注意力机制,对通道与时空信息进行重定向.实验表明,本算法在UCF101数据集上的计算成本为11.5GFlops,准确率为96.2%;在HMDB51数据集上的计算成本为11.5GFlops,准确率为74.7%.与其他行为识别算法相比,提高了视频识别网络的效率,体现出一定识别速度和准确率优势.

• 单位
  燕山大学