| 基于多层卷积神经网络特征和双向长短时记忆单元的行为识别 |
| |
| 引用本文： | 葛瑞,王朝晖,徐鑫,季怡,刘纯平,龚声蓉.基于多层卷积神经网络特征和双向长短时记忆单元的行为识别[J].控制理论与应用,2017,34(6):790-796. |
| |
| 作者姓名： | 葛瑞 王朝晖 徐鑫 季怡 刘纯平 龚声蓉 |
| |
| 作者单位： | 苏州大学,苏州大学,苏州大学,苏州大学,苏州大学;吉林大学符号计算与知识工程教育部重点实验室;软件新技术与产业化协同创新中心,常熟理工学院;苏州大学 |
| |
| 基金项目： | 国家自然科学基金;省自然科学基金 |
| |
| 摘 要： | 鲁棒的视频行为识别由于其复杂性成为了一项极具挑战的任务. 如何有效提取鲁棒的时空特征成为解决问题的关键. 在本文中, 提出使用双向长短时记忆单元(Bi--LSTM)作为主要框架去捕获视频序列的双向时空特征. 首先, 为了增强特征表达, 使用多层的卷积神经网络特征代替传统的手工特征. 多层卷积特征融合了低层形状信息和高层语义信息, 能够捕获丰富的空间信息. 然后, 将提取到的卷积特征输入Bi--LSTM, Bi--LSTM包含两个不同方向的LSTM层. 前向层从前向后捕获视频演变, 后向层反方向建模视频演变. 最后两个方向的演变表达融合到Softmax中, 得到最后的分类结果. 在UCF101和HMDB51数据集上的实验结果显示本文的方法在行为识别上可以取得较好的性能.
|
| 关 键 词： | 行为识别 卷积神经网络 递归神经网络 双向递归神经网络 |
| 收稿时间： | 2016/8/12 0:00:00 |
| 修稿时间： | 2017/5/26 0:00:00 |
Action recognition with hierarchical convolutional neural networks features and bi-directional long short-term memory model |
| |
| GE Rui,WANG Zhao-hui,XU Xin,JI Yi,LIU Chun-ping and GONG Sheng-rong.Action recognition with hierarchical convolutional neural networks features and bi-directional long short-term memory model[J].Control Theory & Applications,2017,34(6):790-796. |
| |
| Authors: | GE Rui WANG Zhao-hui XU Xin JI Yi LIU Chun-ping and GONG Sheng-rong |
| |
| Affiliation: | Soochow University,Soochow University,Soochow University,Soochow University,Soochow University; Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministryof Education, Jilin University; Collaborative Innovation Center of Novel Software Technology and Industrialization,Soochow University; Changshu Institute of Technology |
| |
| Abstract: | |
| |
| Keywords: | action recognition convolutional neural networks recurrent neural networks bi-directional recurrent neural networks |
|
| 点击此处可从《控制理论与应用》浏览原始摘要信息 |
|
点击此处可从《控制理论与应用》下载全文 |
|
