基于頻域注意力時(shí)空卷積網(wǎng)絡(luò)的步態(tài)識(shí)別方法
所屬分類：技術(shù)論文
上傳者：muyx
文檔大?。?span>535 K
標(biāo)簽： 頻域 注意力 三維卷積
所需積分：0分積分不夠怎么辦,？
文檔介紹：為了解決步態(tài)信息冗余多、特征重要性分布不均勻以及步態(tài)的時(shí)空特征難以學(xué)習(xí)的問題,，提出了基于頻域注意力的時(shí)空卷積網(wǎng)絡(luò)進(jìn)行步態(tài)識(shí)別,。該方法改進(jìn)了三維卷積網(wǎng)絡(luò)(C3D)學(xué)習(xí)時(shí)空特征,，同時(shí)提出了一種頻域注意力卷積操作，既減少了冗余計(jì)算,，注意力的調(diào)整又提高了學(xué)習(xí)效果,。網(wǎng)絡(luò)首先將步態(tài)信息劃分為五組，然后通過改進(jìn)的卷積進(jìn)行時(shí)空特征抽取,，最后通過Softmax層進(jìn)行分類,。在中科大數(shù)據(jù)集CASIA dataset B中進(jìn)行測試，在Bag狀態(tài)與Coat狀態(tài)下準(zhǔn)確率分別為88.5%,、92.8%,，分別較傳統(tǒng)深度卷積網(wǎng)絡(luò)(Deep CNN)提升3%左右，同時(shí)注意力在網(wǎng)絡(luò)學(xué)習(xí)中重新分布,，各個(gè)角度下的準(zhǔn)確率也平均提升2%左右,。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分,；重復(fù)下載不扣分,，本人上傳資源不扣分。