SIA OpenIR  > 其他
基于改进长效递归卷积网络的行为识别算法
其他题名Action recognition based on improved long-term recurrent convolution network
王学微1,2; 徐方1,3; 贾凯1,3
作者部门其他
关键词行为识别 卷积神经网络 递归神经网络 深度学习 模式识别
发表期刊计算机工程与设计
ISSN1000-7024
2018
卷号39期号:7页码:2054-2058
产权排序1
资助机构国家科技支撑计划基金项目(2015BAF13B01)
摘要为充分提取视频序列中人体行为的静态特征与时域特征,提高人体行为识别算法的准确率,结合深度卷积神经网络与递归神经网络,提出一种端到端的网络模型,分别使用多帧叠加的RGB图像与光流图像作为网络输入,将基于RGB图像的人体行为特征与基于光流图像的人体行为特征进行加权融合,作为最终的人体行为特征。实验结果表明,该算法可以有效提高行为识别准确率,在公开数据集UCF101上取得了84.68%的平均准确率,高于改进前长效递归卷积神经网络(82.34%)。
其他摘要To fully extract the spatial feature and time domain feature of human activity in video sequences and improve the accuracy of human action recognition algorithm, an end-to-end network combining with deep convolution neural network and recurrent neural network was presented. The stacked RGB images and the stacked optical flow images were respectively used as the network input, and the features based on the RGB images and the features based on the optical flow images were weightedly integrated as the ultimate human activity features. Experimental results show that the proposed algorithm can effectively improve the accuracy of action recognition, and obtain the average accuracy rate of 84.68%in the open dataset UCF101,which is higher than that of the long recurrent convolution network(82.34%).
语种中文
文献类型期刊论文
条目标识符http://ir.sia.cn/handle/173321/22298
专题其他
通讯作者王学微
作者单位1.中国科学院沈阳自动化研究所机器人国家重点实验室
2.中国科学院大学
3.沈阳新松机器人自动化股份有限公司中央研究院
推荐引用方式
GB/T 7714
王学微,徐方,贾凯. 基于改进长效递归卷积网络的行为识别算法[J]. 计算机工程与设计,2018,39(7):2054-2058.
APA 王学微,徐方,&贾凯.(2018).基于改进长效递归卷积网络的行为识别算法.计算机工程与设计,39(7),2054-2058.
MLA 王学微,et al."基于改进长效递归卷积网络的行为识别算法".计算机工程与设计 39.7(2018):2054-2058.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
基于改进长效递归卷积网络的行为识别算法.(337KB)期刊论文出版稿开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[王学微]的文章
[徐方]的文章
[贾凯]的文章
百度学术
百度学术中相似的文章
[王学微]的文章
[徐方]的文章
[贾凯]的文章
必应学术
必应学术中相似的文章
[王学微]的文章
[徐方]的文章
[贾凯]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 基于改进长效递归卷积网络的行为识别算法.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。