基于改进型C3D神经网络的动作识别技术

• 作者: 廖小东 贾晓霞
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 动作识别 卷积分解 识别速度 模型压缩
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 模式识别
• 页码范围: 32-38
• 页数: 7页
• 分类号: TP391
• 字数: 6202字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.03.007

摘要

Facebook提出的C3D三维卷积神经网络虽然能达到良好的视频动作识别准确率,但是在速度方面还有很大的改进余地,而且训练得到的模型过大,不便于移动设备使用.本文利用小型卷积核能够减少参数的特点,对已有网络结构进行优化,提出一种新的动作识别方案,将原C3D神经网络常用的3×3×3卷积核分解成深度卷积和点卷积(1×1×1卷积核),并且在UCF101数据集和ActivityNet数据集训练测试.结果表明,与原C3D网络进行对比:改进后的C3D网络准确率比C3D提升了2.4％,在速度方面比C3D提升了12.9％,模型大小压缩到原来的25.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾晓霞	华北计算技术研究所系统八部	3	1	1.0	1.0
2	廖小东	华北计算技术研究所系统八部	1	0	0.0	0.0