科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前人体行为识别算法中双流卷积神经网络时效性差，3D卷积神经网络参数多、算法的复杂度高等不足，提出了基于3D卷积网络和时空融合网络的时空融合伪3D卷积神经网络模型TFP3D。首先，使用3D卷积拆分减少3维卷积核带来的庞大参数量；其次，增加时空融合模块T-Fusion，保证人体行为信息时空特征的有效传递；最后，使用Kinetics数据集对深层模型进行预训练，在保证准确率的前提下提升网络速率。论文在常见的人体行为识别数据集UCFl01上进行了大量的实验分析，并将识别的结果和当前流行的算法进行比较，结果证明所设计的TFP3D优于其他方法，平均识别率相比其他方法有较大的提高。
- 单位
