基于訓(xùn)練圖CNN特征的識別算法
大?。?/span>2.11 MB 人氣： 2018-01-19 需要積分：2
標(biāo)簽：識別算法(10314)cnn(21620)
視頻人體動作識別一直是具有重要學(xué)術(shù)價值的研究領(lǐng)域。在傳統(tǒng)方法中，動作特征和軌跡特征效果最為優(yōu)秀，改進(jìn)密集軌跡（ Improved Dense Trajectories，IDT）特征在HMDB-51動作庫上就可以達(dá)到57. 2%的準(zhǔn)確率，融合了IDT特征的組合特征可以在UCFI01動作庫上達(dá)到89. 62%的準(zhǔn)確率。而只用了圖像RGB數(shù)據(jù)的空域卷積網(wǎng)絡(luò)模型僅能分別做到40. 5%和73. 0%。
為將卷積神經(jīng)網(wǎng)絡(luò)（ CNN）應(yīng)用到視頻理解中，提出一種基于訓(xùn)練圖CNN特征的識別算法。利用圖像RGB數(shù)據(jù)識別視頻人體動作，使用現(xiàn)有的CNN模型從圖像中提取特征，并采用長短記憶單元的遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練分類，研究CNN模型和隱層的選擇、優(yōu)化、特征矢量化和降維。實驗結(jié)果表明，與使用圖像RGB數(shù)據(jù)注意力模型的算法和組合長短期記憶模型算法相比，該算法具有更高的準(zhǔn)確率。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于訓(xùn)練圖CNN特征的識別算法下載
相關(guān)電子資料下載
- CNN的定義和優(yōu)勢 114
- 基于CNN的網(wǎng)絡(luò)入侵檢測系統(tǒng)設(shè)計 105
- 工廠智能視頻監(jiān)控系統(tǒng) CNN 52
- 如何在TensorFlow中構(gòu)建并訓(xùn)練CNN模型 60
- 如何利用CNN實現(xiàn)圖像識別 76
- 卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別 99
- NLP模型中RNN與CNN的選擇 66
- 卷積神經(jīng)網(wǎng)絡(luò)中池化層的作用 67
- cnn卷積神經(jīng)網(wǎng)絡(luò)分類有哪些 106
- cnn卷積神經(jīng)網(wǎng)絡(luò)三大特點是什么 91