基于双流P3D-Resnet的人体行为识别研究
缑新科1
王凯2
吴宣言2
1.兰州理工大学 兰州 730050;甘肃省工业过程先进控制重点实验室 兰州 7300502.兰州理工大学 兰州 730050
摘要：由于三维卷积神经网络的层数加深会使得网络模型所需要计算的参数量较大,导致网络难以训练,且对人体行为的识别率不高.论文提出了三维残差网络结合底层注意力机制的人体行为识别改进算法.首先将RGB视频帧和光流帧分别输入到卷积神经网络,然后通过注意力机制提取人体行为的特征,最后对双流卷积网络进行融合.在有效降低网络模型参数量的基础上能够较好地提升网络的精度.在UCF101数据集上的实验验证表明,该算法的识别率达到了94.3％.
关键词：行为识别三维残差网络注意力机制双流卷积网络
分类号：TP301.6(计算技术、计算机技术)
论文发表日期：2022-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1641-1646 )
英文信息