一种基于3D-BN-VGG网络的行为识别算法
作者机构：西安邮电大学电子工程学院
基 金：国家自然科学基金资助项目(61772417,61834005,61802304,61634004,61602377) 陕西省重点研发计划(2017GY-060) 陕西省自然科学基础研究计划项目(2018JM4018)
出 版 物：《电讯技术》 (Telecommunication Engineering)
年 卷 期：2019年第59卷第11期
页 码：1237-1245页
摘 要：针对当前人体行为识别准确率低、计算量大等缺陷,提出了一种基于三维卷积神经网络(3D Convolutionnal Neural Network,3D-CNN)结合批量归一化(Batch Normalization,BN)及改进的视觉几何组(Visual Geometry Group,VGG)网络的行为识别算法。该算法首先对3D-CNN结构进行优化,在三维空间采用了多个小卷积核卷积层堆叠的Block结构;同时在网络结构中引入BN算法,将卷积层输出的特征图每一维进行独立的批量归一化处理;之后在Block结构中增加了Dropout层以提高网络泛化能力以及将3D-CNN网络层数加深到了13层,提高了高层次抽象特征的提取能力;最终使用softmax进行分类得出结果。实验结果表明所设计的3D-BN-VGG网络在行为识别方面有较高的识别率。
主 题 词：行为识别 深度学习 三维卷积神经网络 批量归一化 视觉几何组
学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类]
D O I：10.3969/j.issn.1001-893x.2019.11.001
馆 藏 号：203827423...
