基于DRN和Faster R-CNN融合模型的行为识别算法

• 作者: 杜能 杨楠 杨莘
• 来源期刊: 计算机应用研究
• 关键词: 行为识别 扩张残差网络 Faster R-CNN
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3192-3195,3200
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.05.0354

摘要

针对传统单人行为识别算法易受行人形态多样性、背景和光照等影响的问题进行研究.基于扩张残差网络(DRN)的精准分类效果及目标检测网络Faster R-CNN在目标追踪方面的准确性,提出了一种DRN和Faster R-CNN的融合网络模型.该模型在Faster R-CNN中融入DRN的扩张卷积残差块代替原来的一般卷积层,并对融合模型进行了两方面的改进:在每一层前面添加一个batch normalization层;用三层扩张卷积残差块代替部分两层残差块.实验结果表明三种融合网络识别算法在Olympic sports dataset上较其他行为识别算法取得了更高的mAP.其中,包含三层扩张卷积残差块的融合模型识别性能最好,mAP达到78.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨莘	武汉科技大学信息科学与工程学院	15	43	3.0	6.0
2	杨楠	武汉科技大学信息科学与工程学院	2	1	1.0	1.0
3	杜能	武汉科技大学信息科学与工程学院	1	0	0.0	0.0