引导式的卷积神经网络视频行人动作分类改进方法 |
| |
引用本文: | 毛琳,陈思宇,杨大伟.引导式的卷积神经网络视频行人动作分类改进方法[J].武汉大学学报(信息科学版),2021(8):1241-1246. |
| |
作者姓名: | 毛琳 陈思宇 杨大伟 |
| |
摘 要: | 如何提升网络模型对时域信息的理解能力,是基于3D卷积神经网络视频行人动作分类方法需要解决的问题之一.提出一种主导层优化模块,在网络训练过程中,利用当前时域动态信息学习能力最强的卷积层作为主导层来引导网络权重参数的更新,使各卷积层对动态信息的学习能力逐渐增强,从而改进卷积神经网络模型对时域动态信息的理解能力.仿真结果显示...
|
关 键 词: | 视频行人动作分类 动态信息学习能力 引导优化 3D卷积神经网络 时域动态信息理解能力 |
本文献已被 CNKI 等数据库收录! |
|