3D多支路聚合轻量网络视频行为识别算法研究OA北大核心CSCDCSTPCD
Research on 3D Multi-Branch Aggregated Lightweight Network Video Action Recognition Algorithm
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.
胡正平;刁鹏成;张瑞雪;李淑芳;赵梦瑶
燕山大学信息科学与工程学院,河北秦皇岛 066004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燕山大学信息科学与工程学院,河北秦皇岛 066004燕山大学信息科学与工程学院,河北秦皇岛 066004燕山大学信息科学与工程学院,河北秦皇岛 066004
信息技术与安全科学
深度学习神经网络行为识别
《电子学报》 2020 (7)
1261-1268,8
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)
评论