期刊专题

10.3969/j.issn.1006-2475.2020.07.018

基于改进YOLOv3网络的学生特定行为识别

引用
为了提高卷积神经网络在学生行为识别应用的检测精度,本文使用K-means聚类对特有数据集进行聚类得到更适应的anchor box,并且提出一种基于改进损失函数的YOLOv3网络模型.该网络模型将原有的平方和损失函数权重进行动态转化,注重计算连续变量的损失.新的损失函数能有效减低Sigmoid函数梯度消失的影响,使模型收敛更加快速.实验结果表明,基于改进损失函数的深度卷积神经网络应用对"抬头""低头""说话"3种姿态的识别均有提高.

K-means、图像增强、损失函数、YOLOv3网络、姿态识别

TP311(计算技术、计算机技术)

2020-07-21(万方平台首次上网日期,不代表论文的发表时间)

共7页

90-96

暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2020,(7)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn