基于多时间划分的深度聚合特征的行为识别OA北大核心CSCD
Action recognition based on deep aggregation feature from multi-temporal segmentations
重点研究了视频中的人体行为识别问题,提出了基于多时域划分的深度聚合特征的行为识别算法.通过多时间划分的采样形式,丰富行为深度特征的多样性,并引入多聚合中心,量化深度特征与聚合中心的残差关系,进而形成人体行为的结构化建模方法,构建可以学习复杂行为特征分布的深度聚合模型,解决时间跨度较长时的人体行为分类问题.通过在开源行为数据集UCF101与HMDB51上的实验,验证了算法的有效性和先进性.
程石磊;解梅;马争;李思琦
电子科技大学 信息与通信工程学院,成都611731电子科技大学 信息与通信工程学院,成都611731电子科技大学 信息与通信工程学院,成都611731电子科技大学 信息与通信工程学院,成都611731
信息技术与安全科学
行为识别深度学习多时间划分深度聚合特征
《计算机应用研究》 2021 (2)
584-586,590,4
国家自然科学基金资助项目(61271288)四川省科技计划项目(2018SZ0357)