| 3D多支路聚合轻量网络视频行为识别算法研究 |
| |
| 作者姓名： | 胡正平 刁鹏成 张瑞雪 李淑芳 赵梦瑶 |
| |
| 作者单位： | 1. 燕山大学信息科学与工程学院, 河北秦皇岛 066004;
2. 燕山大学河北省信息传输与信号处理重点实验室, 河北秦皇岛 066004 |
| |
| 基金项目： | 国家自然科学基金面上项目 No 61771420;河北省自然科学基金 No F2016203422 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 深度学习 神经网络 行为识别 |
| 收稿时间： | 2019-09-06 |
|
| 点击此处可从《电子学报》浏览原始摘要信息 |
|
点击此处可从《电子学报》下载全文 |
|
