基于C3D卷积神经网络人体动作识别方法改进

摘要：

针对C3D卷积神经网络存在网络结构较浅、输入图像分辨率较低、训练过程中易产生过拟合现象等问题,该文设计了基于C3D卷积神经网络的人体动作识别改进算法.对3D卷积核进行分解,采用时空分离的(2+1)D卷积方式代替3D卷积;加深网络结构,增加一层(2+1)D卷积层和一层3D池化层,使输入图像由16帧112×112提升至32帧224×224;同时在每个(2+1)D卷积层后加入BN层,减少了训练过程梯度弥散.改进后的网络模型相较于原网络以及其他相关方法有更高的识别精度.

关键词：人体动作识别;C3D卷积神经网络;深度学习

所属期刊栏目：38

分类号：TP183;G642(自动化基础理论)

在线出版日期：2021-12-01（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：168-171,176