3D多支路聚合轻量网络视频行为识别算法研究

• 作者: 刁鹏成 张瑞雪 李淑芳 胡正平 赵梦瑶
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 深度学习 神经网络 行为识别
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1261-1268
• 页数: 8页
• 分类号: TP391.4
• 字数: 5809字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.07.003

摘要

为构建拥有2D神经网络速度同时保持3D神经网络性能的视频行为识别模型,提出3D多支路聚合轻量网络行为识别算法.首先,利用分组卷积将神经网络分割成多个支路;其次,为促进支路间信息流动,加入具有信息聚合功能的多路复用模块;最后,引入自适应注意力机制,对通道与时空信息进行重定向.实验表明,本算法在UCF101数据集上的计算成本为11.5GFlops,准确率为96.2％;在HMDB51数据集上的计算成本为11.5GFlops,准确率为74.7％.与其他行为识别算法相比,提高了视频识别网络的效率,体现出一定识别速度和准确率优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡正平	燕山大学信息科学与工程学院	160	1215	17.0	28.0
5	李淑芳	燕山大学信息科学与工程学院	17	12	2.0	3.0
6	刁鹏成	燕山大学信息科学与工程学院	2	2	1.0	1.0
7	张瑞雪	燕山大学信息科学与工程学院	3	2	1.0	1.0
8	赵梦瑶	燕山大学信息科学与工程学院	4	2	1.0	1.0