基于訓練圖CNN特征的識別算法
大小：2.11 MB 人氣：0 2018-01-19 需要積分：2
視頻人體動作識別一直是具有重要學術價值的研究領域。在傳統方法中，動作特征和軌跡特征效果最為優秀，改進密集軌跡（ Improved Dense Trajectories，IDT）特征在HMDB-51動作庫上就可以達到57. 2%的準確率，融合了IDT特征的組合特征可以在UCFI01動作庫上達到89. 62%的準確率。而只用了圖像RGB數據的空域卷積網絡模型僅能分別做到40. 5%和73. 0%。
為將卷積神經網絡（ CNN）應用到視頻理解中，提出一種基于訓練圖CNN特征的識別算法。利用圖像RGB數據識別視頻人體動作，使用現有的CNN模型從圖像中提取特征，并采用長短記憶單元的遞歸神經網絡進行訓練分類，研究CNN模型和隱層的選擇、優化、特征矢量化和降維。實驗結果表明，與使用圖像RGB數據注意力模型的算法和組合長短期記憶模型算法相比，該算法具有更高的準確率。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于訓練圖CNN特征的識別算法下載
相關電子資料下載
- CNN的定義和優勢 114
- 基于CNN的網絡入侵檢測系統設計 105
- 工廠智能視頻監控系統 CNN 52
- 如何在TensorFlow中構建并訓練CNN模型 60
- 如何利用CNN實現圖像識別 76
- 卷積神經網絡與循環神經網絡的區別 99
- NLP模型中RNN與CNN的選擇 66
- 卷積神經網絡中池化層的作用 67
- cnn卷積神經網絡分類有哪些 106
- cnn卷積神經網絡三大特點是什么 91