基于NVIDIA JetsonTX2的视频行为检测研究

• 作者: 何小海 卿粼波 李诗菁 李龙
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: SqueezeNet 深度学习 计算机视觉 NVIDIA JetsonTX2 行为检测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 多媒体技术应用
• 页码范围: 156-159,172
• 页数: 5页
• 分类号: TP391.41
• 字数: 1485字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.03.026

摘要

行为检测是计算机视觉领域的一个重要研究方向,在交通监控、人机交互等方面都有着广泛的应用.目前,基于深度学习的C3 D行为检测网络与传统行为检测相比,其检测精度虽然有了提高,但存在网络参数量大的问题.为进一步提高检测结果的准确性以及降低网络参数量,采用改进的SqueezeNet与C3 D相结合的卷积神经网络,并引入BN层与short-cut结构.将训练模型部署到NVIDIA JetsonTX2上,对视频行为进行分析、检测.实验结果表明,改进后的SqueezeNet-C3D卷积神经网络相比于C3D神经网络在精度上提高了4.4％;改进后的SqueezeNet-C3D网络与SqueezeNet-C3D网络相比,参数量降低了15％.可见该网络具有精度高、参数量少的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何小海	四川大学电子信息学院	395	2334	21.0	30.0
2	卿粼波	四川大学电子信息学院	181	565	11.0	15.0
3	李龙	四川大学电子信息学院	10	71	4.0	8.0
4	李诗菁	四川大学电子信息学院	2	3	1.0	1.0