基于训练图CNN特征的识别算法
大小：2.11 MB 人气： 2018-01-19 需要积分：2
视频人体动作识别一直是具有重要学术价值的研究领域。在传统方法中，动作特征和轨迹特征效果最为优秀，改进密集轨迹（ Improved Dense Trajectories，IDT）特征在HMDB-51动作库上就可以达到57. 2%的准确率，融合了IDT特征的组合特征可以在UCFI01动作库上达到89. 62%的准确率。而只用了图像RGB数据的空域卷积网络模型仅能分别做到40. 5%和73. 0%。
为将卷积神经网络（ CNN）应用到视频理解中，提出一种基于训练图CNN特征的识别算法。利用图像RGB数据识别视频人体动作，使用现有的CNN模型从图像中提取特征，并采用长短记忆单元的递归神经网络进行训练分类，研究CNN模型和隐层的选择、优化、特征矢量化和降维。实验结果表明，与使用图像RGB数据注意力模型的算法和组合长短期记忆模型算法相比，该算法具有更高的准确率。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于训练图CNN特征的识别算法下载
相关电子资料下载
- CNN的定义和优势 114
- 基于CNN的网络入侵检测系统设计 105
- 工厂智能视频监控系统 CNN 52
- 如何在TensorFlow中构建并训练CNN模型 60
- 如何利用CNN实现图像识别 76
- 卷积神经网络与循环神经网络的区别 99
- NLP模型中RNN与CNN的选择 66
- 卷积神经网络中池化层的作用 67
- cnn卷积神经网络分类有哪些 106
- cnn卷积神经网络三大特点是什么 91