10.11896/j.issn.1002-137X.2017.07.049
基于混合式协同训练的人体动作识别算法研究
人体动作识别是计算机视觉研究中备受关注的课题.现有的动作识别方法大多属于监督学习,需要大量的有标记数据来训练识别模型.然而,在现实应用中有标记的数据成本较高,而无标记数据很容易获取.提出一种基于混合式协同训练的新型人体动作识别算法--Co-KNN-SVM,该算法利用动作识别领域不同类型的方法来构建基分类器,并进行迭代的相互训练以提高泛化性能,可以降低标注成本,并实现不同识别方法的优势互补.此外,还改进了协同训练中对伪标记数据的选择方法和迭代训练策略,有效控制了伪标记数据的噪声影响,提高了协同训练的识别效果.实验结果表明,所提算法可以有效地识别视频中的人体动作.
动作识别、监督学习、混合式协同训练、噪声
44
TP391.4(计算技术、计算机技术)
江苏省重点研发计划项目1721190141;江苏省高校自然科学基金15KJB520006
2017-08-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
275-278