基于Dropout卷积神经网络的行为识别

• 作者: 唐凤 宣士斌 范晓杰
• 来源期刊: 广西民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 Gabor小波核 Dropout技术
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 计算机技术
• 页码范围: 76-82
• 页数: 7页
• 分类号: TP391.41
• 字数: 5248字
• 语种: 中文

摘要

近年来,卷积神经网络(CNN)已经成为很多科学领域的研究热点之一.卷积神经网络作为一种深度模型可以直接作用于原始输入,不需要手动设计特征描述子.与传统神经网络相比识别效果有很大的提高.它已经建立了一类强大的模型来处理图像识别,并对其扩展到三维卷积神经网络(3D CNN)来处理视频识别问题.在此基础上,笔者对三维卷积神经网络做了如下改进:用Gabor小波核来初始化卷积操作,以达到模拟人类视觉系统对视觉刺激的响应;在网络训练的过程中加入Dropout技术,随机选择删除部分神经元,以此来提高网络的泛化能力,有效防止过拟合.提出的方法在KTH和UCF— YouTube数据集上进行验证,取得了很好地识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宣士斌	广西民族大学信息科学与工程学院	60	255	8.0	12.0
2	范晓杰	广西民族大学信息科学与工程学院	4	10	1.0	3.0
3	唐凤	广西民族大学信息科学与工程学院	4	10	1.0	3.0