一种基于R3D网络的人体行为识别算法

• 作者: 代巍 吴进 安怡媛
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 行为识别 三维残差卷积神经网络 批量归一化层 全局平均池化层
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 应用基础与前沿技术
• 页码范围: 865-870
• 页数: 6页
• 分类号: TP183
• 字数: 3440字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2020.08.001

摘要

现有的行为识别算法不能充分地提取抽象的行为特征,为此提出了基于三维残差卷积神经网络(3D Residual Convolutional Neural Network,R3D)的人体行为识别算法.该网络在三维卷积神经网络(3D Convolutional Neural Network,3D-CNN)基础上加入了残差模块,可以更好地提取时空域的特征,然后通过改变步长大小进行特征图降维,提高网络效率,并加入批量归一化层和Softplus激活函数,提高网络的收敛速度和拟合能力;之后添加Dropout层,降低过拟合风险,并且使用全局平均池化层(Global Average Pooling,GAP)代替全连接层,克服了网络参数量过大的问题;最后,使用Soft-max进行分类.实验结果表明,使用R3 D网络在HMDB-51数据集上获得了62.3％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	安怡媛	西安邮电大学电子工程学院	3	0	0.0	0.0
3	代巍	西安邮电大学电子工程学院	2	0	0.0	0.0