ResNet网络下教室人物姿态分类

• 作者: 倪照风 崔潇 杨秀璋 罗子江 郦烜杰 马原东
• 来源期刊: 现代电子技术
• 关键词: 姿态分类 ResNet网络 卷积网络 分类训练 参数调整 多类别识别
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 42-46
• 页数: 5页
• 分类号: TN926-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.12.011

摘要

该文首次将ResNet网络的思想对复杂教室环境下的人物进行多类别分类设计,改进了网络结构,有效解决了传统基于像素特征的方法分类效果不理想的问题.实验中通过卷积提取特征、不同感受野、保留像素间联系、多层卷积级联提取深层次特征等方法,在网络训练过程中进行参数调整,优化算法和网络参数来解决困难样本的识别,将多类别的分类准确率从83.5％提升到99.2％,并实现了多目标检测的11类样本的判定.最终选取ResNet18_16来进行高速有效的多类别识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗子江	贵州财经大学信息学院	46	63	4.0	6.0
2	杨秀璋	贵州财经大学信息学院	34	18	2.0	3.0
3	马原东	贵州财经大学信息学院	4	0	0.0	0.0
4	倪照风	贵州财经大学信息学院	5	1	1.0	1.0
6	崔潇	贵州财经大学信息学院	4	1	1.0	1.0
12	郦烜杰		2	0	0.0	0.0