高效3D密集残差网络及其在人体行为识别中的应用

• 作者: 李梁华 王永雄
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 机器视觉 卷积神经网络 行为识别 视频分类
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 科研论文
• 页码范围: 19-29
• 页数: 11页
• 分类号: TP391.4
• 字数: 7082字
• 语种: 中文
• DOI: 10.12086/oee.2020.190139

摘要

针对3D-CNN能够较好地提取视频中时空特征但对计算量和内存要求很高的问题,本文设计了高效3D卷积块替换原来计算量大的3×3×3卷积层,进而提出了一种融合3D卷积块的密集残差网络(3D-EDRNs)用于人体行为识别.高效3D卷积块由获取视频空间特征的1×3×3卷积层和获取视频时间特征的3×1×1卷积层组合而成.将高效3D卷积块组合在密集残差网络的多个位置中,不但利用了残差块易于优化和密集连接网络特征复用等优点,而且能够缩短训练时间,提高网络的时空特征提取效率和性能.在经典数据集UCF101、HMDB51和动态多视角复杂3D人体行为数据库(DMV action3D)上验证了结合3D卷积块的3D-EDRNs能够显著降低模型复杂度,有效提高网络的分类性能,同时具有计算资源需求少、参数量小和训练时间短等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王永雄	上海理工大学光电信息与计算机工程学院	32	92	5.0	8.0
2	李梁华	上海理工大学光电信息与计算机工程学院	3	6	1.0	2.0