一种基于轻量双流网络的行为识别方法.pdf
慧娇****文章
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于轻量双流网络的行为识别方法.pdf
本发明公开了一种基于轻量双流网络的行为识别方法,属于图像处理技术领域。其具体步骤为:S1行为识别实验数据集制作;S2基于所提出轻量双流网络框架,对行为识别数据集进行网络模型训练;S3采用自蒸馏技术,提取在标注标签外的软信息,用于进一步提高模型的识别准确率,使用自我迭代,自我学习的方法,提高训练速度以及识别准确率;S4通过轻量双流网络对输入的视频进行行为识别。本发明是一种基于轻量双流网络的行为识别方法,利用ActionNet模拟生成光流信息,大大提高了计算速度,使得行为识别的实时性和准确率得以提高。
一种基于深度ConvLSTM与双流融合网络的人体行为识别方法.pdf
本发明公开了一种基于深度ConvLSTM与双流融合网络的人体行为识别方法,属于计算机视觉和模式识别领域。技术方案如下:1.采用OpenCV提取视频帧和相应的光流特征图,空间流网络接收原始视频帧,时间流网络接收光流帧作为输入;2.双流CNN特征提取;3.采用Sum融合策略进行特征融合;4.将步骤3得到的特征描述在ConvLSTM的输出状态上执行一个全局平均池化,并应用到softmax层,完成特征序列分类。本发明解决了现有技术中存在的不能准确获取全面行为动作信息而导致识别不够准确的问题,提高了捕捉长期的视频时
一种基于轻量型网络的嵌入式指纹识别方法.pdf
本发明公开了一种基于轻量型网络的嵌入式指纹识别方法,属于计算机网络领域,包括以下步骤:S1获取指纹样本数据,将样本数据送入由深度可分离卷积结构、分组卷积结构和非对称卷积结构构成的指纹识别网络模型进行迭代训练,得到二级指纹识别网络模型;二级指纹识别网络模型为轻量型卷积神经网络模型;S2将迭代训练后的指纹识别网络模型量化压缩至目标内存大小,获得目标模型;S3将目标模型部署至嵌入式端,目标模型用于嵌入式端对目标指纹进行前向预测,提取指纹图形特征,识别目标指纹。本发明通过轻量型卷积神经网络模型及对训练好的模型的量
基于多模态双流3D网络的视频人体行为识别方法及系统.pdf
本发明公开了一种基于多模态双流3D网络的视频人体行为识别方法及系统,包括:基于深度视频生成的深度动态图序列DDIS;基于RGB视频生成的姿势评估图序列PEMS;将深度动态图序列和姿势评估图序列分别输入到3D卷积神经网络中,构造DDIS流和PEMS流,得到各自的分类结果;将得到的分类结果进行融合,得到最终的行为识别结果。本发明有益效果:DDIS通过对视频的局部时空结构信息进行建模,能够很好地描述长时行为视频中的人体运动以及交互物体的轮廓。PEMS能够清晰地捕捉人体姿态的变化,消除背景杂乱的干扰。多模态双流3
一种基于BN-inception双流网络的情绪识别方法.pdf
本发明提供了一种基于姿态信息的个体情绪识别方法,主要涉及利用深度学习方法研究个体姿态以判断个体的情绪。该方法包括:首先引入基于BN‑inception双流网络模型,通过对原始图像和光流图像的学习,提取输入序列的静态和动态特征;然后在双流网络的基础上加入空间金字塔池化(SpacePyramidPooling,SPP),使图像以原始尺寸输入网络,从而减少因变形对模型性能造成的影响。本发明首先利用双流网络对输入序列进行时空特征的学习,并引入金字塔池化,以保留视频帧的原始信息,使得网络能有效地学习个体姿态情绪