3D多重注意力机制下的行为识别OA北大核心CSTPCD
Action recognition under 3D multiple attention mechanism
为解决传统3D卷积中难以提取时空信息的缺点,提出一种适用于3D卷积网络的多重注意力机制模块.该模块是由通道结合时间子模块和空间子模块组成的多维度特征调整模块.在通道结合时间模块中,通过调整池化层和卷积层的顺序,保留更多的有效通道信息和时间信息;在空间模块中,压缩冗余时间信息以减少计算量.该模块的整体计算量较少,可嵌入到各3D卷积网络中.为验证多重注意力机制模块的性能,基于3D ResNet网络设计部署了该多重注意力机制模块,并在UCF-101和H…查看全部>>
吴丽君;李斌斌;陈志聪;林培杰;程树英
福州大学物理与信息工程学院,福建 福州 350108福州大学物理与信息工程学院,福建 福州 350108福州大学物理与信息工程学院,福建 福州 350108福州大学物理与信息工程学院,福建 福州 350108福州大学物理与信息工程学院,福建 福州 350108
信息技术与安全科学
3D卷积网络注意力机制行为识别3D ResNet
《福州大学学报（自然科学版）》 2022 (1)
47-53,7
福建省科技厅引导性项目(2019H0006)
评论