基于C3D卷积神经网络人体动作识别方法改进

作者：吕淑平; 黄毅; 王莹莹

来源：实验技术与管理, 2021, 38(10): 168-176.

DOI：10.16791/j.cnki.sjg.2021.10.031

• 人体动作识别
• C3D卷积神经网络
• 深度学习

针对C3D卷积神经网络存在网络结构较浅、输入图像分辨率较低、训练过程中易产生过拟合现象等问题,该文设计了基于C3D卷积神经网络的人体动作识别改进算法。对3D卷积核进行分解,采用时空分离的(2+1)D卷积方式代替3D卷积;加深网络结构,增加一层(2+1)D卷积层和一层3D池化层,使输入图像由16帧112×112提升至32帧224×224;同时在每个(2+1)D卷积层后加入BN层,减少了训练过程梯度弥散。改进后的网络模型相较于原网络以及其他相关方法有更高的识别精度。

• 单位
  哈尔滨工程大学