人体识别_深度学习资讯 | 用于人体动作识别的26层卷积神经网络

诸如卷积神经网络(CNN)之类的深度学习算法已在各种任务上取得了显著成果，包括那些涉及识别图像中特定人物或物体的任务。基于视觉的人类动作识别(HAR)是计算机科学家经常尝试使用深度学习解决的任务，它特别需要识别图像或视频中捕获的人类动作。

研究人员提出了基于26层CNN和PDaUM方法的人体动作识别架构

研究人员最近开发了一种新的CNN，用于识别视频中的人类行为。该CNN在Springer Link的一篇论文中进行了介绍，经过培训可以区分几种不同的人类动作，包括拳击，拍手，挥舞，慢跑，跑步和散步。

研究人员提道：“我们设计了一种新的26层卷积神经网络(CNN)架构，用于精确的复杂动作识别。” ，这些特征是从全局平均池化层和完全连接(FC)层中提取的，并通过建议的基于高熵的方法进行融合。

当试图识别人类在图像或视频中的动作时，CNN通常会将其分析重点放在许多潜在的相关特征上。但是，某些人类动作(例如慢跑和步行)可能非常相似，这使得这些算法很难区分它们，特别是如果它们专注于相似性核心的特征时。为了克服这一挑战，研究人员使用了一种方法，该方法将称为Poisson分布的特征选择方法与单变量测量(PDaUM)合并在一起。

研究人员观察到，CNN所基于的分析功能有时可能不相关或多余，这导致它们做出错误的预测。为了降低发生这种情况的风险，他们的PDaUM方法仅选择最强大的功能来识别特定的人类行为，并确保CNN基于这些功能做出最终预测。

研究人员在HMDB51，UFC Sports，KH和Weizmann数据集这四个数据集上训练和评估了两个截然不同的CNN，一个极端机器学习(EML)和一个Softmax分类器。这些数据集包含几个人类执行不同类型动作的视频。

然后，研究人员比较了两个CNN的性能，这两个CNN均使用其特征选择方法进行了增强。在他们的评估中，ELM分类器的性能明显优于Softmax算法，可以从视频中识别出人类动作，其在HMDB51数据集上的准确性为81.4％，在UCF Sports数据集上的准确性为99.2％，在KTH数据集上的准确性为98.3％，在KTH数据集上的准确性为98.7％。魏茨曼数据集。

值得注意的是，PDaUM增强的ELM分类器在准确性和预测时间方面也优于研究人员将其与之相比的所有现有深度学习技术。因此，这些结果凸显了研究人员介绍的特征选择方法在提高CNN在HAR任务上的性能方面的潜力。

将来，本文介绍的ELM分类器和PDaUM方法可以开发更有效的工具，以自动区分人类在录制和实况录像中正在做什么。这些工具可以通过几种不同的方式证明其价值，例如，帮助执法人员监视视频上嫌疑犯的行为，或者帮助研究人员快速分析大量的视频。

人体识别_深度学习资讯 | 用于人体动作识别的26层卷积神经网络相关推荐

深度学习与自然语言处理教程(8) - NLP中的卷积神经网络（NLP通关指南·完结）
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/36 本文地址:https://www.showmeai.tech/article-d ...
深度学习数字仪表盘识别_深度学习之手写数字识别项目（Sequential方法amp;Class方法进阶版）...
此项目使用LeNet模型针对手写数字进行分类.项目中我们分别采用了顺序式API和子类方法两种方式构建了LeNet模型训练mnist数据集,并编写了给图识物应用程序用于手写数字识别. 一.LeNet模型 ...
物体识别_深度学习在物体识别中的应用探讨：以ImageNet和人脸识别为例
ImageNet图像分类深度学习在物体识别中最重要的进展体现在ImageNet ILSVRC挑战中的图像分类任务.传统计算机视觉方法在此测试集上最低的错误率是26.172%.2012年,欣顿的研究小 ...
函数或变量 rtenslearn_c 无法识别_深度学习的数学-卷积神经网络的结构和变量关系...
前言本篇博客主要介绍卷积神经网络的组成部分,以及变量表示,最后附上卷积神经网络代价函数的计算正文前文中学到的神经网络都是全连接类型的,隐藏层对输入层有着各自固定的偏好模式,满足偏好模式(权重和偏 ...
LeCun亲授的深度学习入门课：从飞行器的发明到卷积神经网络
Root 编译整理量子位出品 | 公众号 QbitAI 深度学习和人脑有什么关系?计算机是如何识别各种物体的?我们怎样构建人工大脑? 这是深度学习入门者绕不过的几个问题.很幸运,这里有位大牛很乐意 ...
深度学习实验总结：PR-曲线、线性回归、卷积神经网络、GAN生成式对抗神经网络
目录 0.前言 1.实验一:环境配置 (1)本机 1.Jupyter 2.Pycharm (2)云端 2.实验二:特征数据集制作和PR曲线一.实验目的二.实验环境三.实验内容及实验步骤 3.实验 ...
【深度学习】人人都能看得懂的卷积神经网络——入门篇
近年来,卷积神经网络热度很高,在短时间内,这类网络成为了一种颠覆性技术,打破了从文本.视频到语音多个领域的大量最先进的算法,远远超出其最初在图像处理的应用范围. 卷积神经网络的一个例子在客流预测.信 ...
计算机视觉与深度学习 | 基于MATLAB 深度学习工具实现简单的数字分类问题（卷积神经网络）
博主github:https://github.com/MichaelBeechan 博主CSDN:https://blog.csdn.net/u011344545 %% Time:2019.3.7 ...
深度学习笔记：在小数据集上从头训练卷积神经网络
目录 0. 前言 1. 数据下载和预处理¶ 2. 搭建一个小的卷积网络 3. 数据预处理 4. 模型训练¶ 5. 在测试集进行模型性能评估 6. 小结¶ 0. 前言本文(以及接下来的几篇)介绍如何搭 ...

人体识别_深度学习资讯 | 用于人体动作识别的26层卷积神经网络

人体识别_深度学习资讯 | 用于人体动作识别的26层卷积神经网络相关推荐

最新文章

热门文章