基于"学习者-监督者"的间接学习机制,提出多阶段监督的软迁移学习方法来实现跨网络结构学习,使神经网络对人体行为的建模能力能在不同结构的网络中传递和重用。根据数据特征在不同网络层级上的不同特性,引入两种有效的特征差异度量函数,降低不同网络结构提取的特征之间的差异。在UCF101和HMDB51数据集上进行实验,其结果表明,多阶段监督的方法能大大增强网络的特征提取能力,提高网络的分类准确率,可视化的分析结果也验证了所提方法的可行性。
科研之友
微信
新浪微博
Facebook
分享链接
