融入注意力机制的深度学习动作识别OA北大核心CSTPCD
Deep Learning Action Recognition with Attention Mechanism
针对现有的深度学习方法在人体动作识别中易出现过拟合、易受到干扰信息影响、特征表达能力不足的问题,提出了一种融入注意力机制的深度学习动作识别方法.该方法在数据预处理中提出了视频数据增强算法,降低了模型过拟合的风险,然后在视频帧采样过程中对现有的采样算法进行了改进,有效抑制了干扰信息的影响,并在特征提取部分提出了融入注意力的残差网络,提高了模型的特征提取能力;之后,利用长短时记忆(Long Short-Term Memory,LSTM)网络解决了空间…查看全部>>
张宇;张雷
北京建筑大学 电气与信息工程学院,北京100044北京建筑大学 电气与信息工程学院,北京100044
信息技术与安全科学
动作识别深度学习残差网络注意力机制长短时记忆网络
《电讯技术》 2021 (10)
1205-1212,8
智能机器人与系统北京高精尖创新中心建设项目(00921917001)北京市重点实验室项目(BZ0337)
评论