基于随机Dropout卷积神经网络的人体行为识别方法研究

• 作者: 姜枫 张丽红
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: 卷积神经网络 人体行为识别 深度学习 Dropout
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 测试技术与理论研究
• 页码范围: 17-22
• 页数: 6页
• 分类号: TP183
• 字数: 3562字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2016.01.004

摘要

为进一步提高卷积神经网络在训练样本较少时的泛化能力,使其能更好地应用于视频中人体行为的识别问题,本文将随机Dropout应用于卷积神经网络模型的分类器阶段.该方法可以在网络训练过程中随机选择“冻结”一定比例神经元,使每次网络更新时神经元的连接次序发生变化,由此网络权值的更新不再依赖于有固定关系隐含节点的共同作用.在Weizmann数据集上进行实验,将加入随机Dropout的卷积神经网络与未加入的进行比较,发现加入随机Dropout的网络在各类行为识别上均取得了较高的识别率,可以有效防止过拟合.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽红	山西大学物理电子工程学院	44	191	8.0	12.0
2	姜枫	山西大学物理电子工程学院	1	19	1.0	1.0