一种基于3D-BN-VGG网络的行为识别算法

• 作者: 吴汉宁 吴进 李聪 梁爽 闵育
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 行为识别 深度学习 三维卷积神经网络 批量归一化 视觉几何组
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 应用基础与前沿技术
• 页码范围: 1237-1245
• 页数: 9页
• 分类号: TP183
• 字数: 5190字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2019.11.001

摘要

针对当前人体行为识别准确率低、计算量大等缺陷,提出了一种基于三维卷积神经网络(3D Convolutionnal Neural Network,3D-CNN)结合批量归一化(Batch Normalization,BN)及改进的视觉几何组(Visual Geometry Group,VGG)网络的行为识别算法.该算法首先对3D-CNN结构进行优化,在三维空间采用了多个小卷积核卷积层堆叠的Block结构;同时在网络结构中引入BN算法,将卷积层输出的特征图每一维进行独立的批量归一化处理;之后在Block结构中增加了Dropout层以提高网络泛化能力以及将3 D-CNN网络层数加深到了13层,提高了高层次抽象特征的提取能力;最终使用softmax进行分类得出结果.实验结果表明所设计的3 D-BN-VGG网络在行为识别方面有较高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴进	西安邮电大学电子工程学院	51	202	9.0	12.0
2	李聪	西安邮电大学电子工程学院	10	1	1.0	1.0
3	梁爽	西安邮电大学电子工程学院	1	1	1.0	1.0
4	闵育	西安邮电大学电子工程学院	6	7	1.0	2.0
5	吴汉宁	西安邮电大学电子工程学院	4	1	1.0	1.0