基于双流卷积神经网络的人体动作识别研究

摘要：

针对双流卷积神经网络存在的网络结构较浅、时间流及空间流网络均为独立训练学习、并未学习到时空网络之间关联信息等问题,文章设计了基于双流卷积神经网络的人体动作识别改进算法.采用ResNet-34对原网络进行替换,加深网络结构;将时间流、空间流网络提前进行特征图融合,加强时空网络信息融合的充分性.文章还对具体的融合方式和融合位置进行了实验研究,确定了网络最佳融合策略,在UCF-101数据集上的识别率为91.5％,相较于原网络以及其他相关识别方法有更高的识别精度.

关键词：动作识别;深度学习;双流卷积神经网络

所属期刊栏目：38

分类号：TP183(自动化基础理论)

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：144-148