久热精品在线视频,思思96精品国产,午夜国产人人精品一区,亚洲成在线a

  • <sub id="y9mkp"></sub>
    <sub id="y9mkp"><ol id="y9mkp"><abbr id="y9mkp"></abbr></ol></sub>

    1. <style id="y9mkp"><abbr id="y9mkp"><center id="y9mkp"></center></abbr></style>
      <legend id="y9mkp"><u id="y9mkp"></u></legend>
      <s id="y9mkp"></s>

      基于ActionVLAD池化與分層深度學習網(wǎng)絡(luò)的組群行為識別方法

      王傳旭; 姜成恒 青島科技大學信息科學技術(shù)學院; 青島266100

      關(guān)鍵詞:組群行為識別 局部聚合描述符 雙流網(wǎng)絡(luò) 分層長短時記憶 

      摘要:構(gòu)建端到端的深度學習網(wǎng)絡(luò)結(jié)合局部聚合描述符(Action vector of locally aggregateddescriptor,ActionVLAD)池化層和多層長短時記憶(Long short time memory,LSTM)解決組群行為識別問題。在傳統(tǒng)的單一圖像信息(Red Green Blue,RGB)作為深度學習網(wǎng)絡(luò)的輸入基礎(chǔ)上,添加密集光流信息(Dense_flow),描述視頻幀間的運動,作為雙流網(wǎng)絡(luò)的輸入;通過底層LSTM對特征信息進行建模,由融合的雙流特征來表示個人行為;而ActionVLAD池化層可以對不同時間、圖片不同位置的特征進行融合,從而更好地融合個人信息;最后頂層LSTM連接Softmax分類器,通過融合的個人信息判斷組群活動。在Collective activity dataset數(shù)據(jù)集上的測試實驗獲得了82.3%的平均識別精度。

      數(shù)據(jù)采集與處理雜志要求:

      {1}基金項目:如果論文是項目成果,請按“項目名稱(項目號)”的形式寫出。項目名稱與項目號兩者都要有。

      {2}稿件應具有科學性、創(chuàng)新性和實用性,論點明確、論據(jù)可靠、數(shù)據(jù)準確、邏輯嚴謹、文字通順。

      {3}文中圖表或插圖請附清晰的原圖文件(tif. 或eps.格式,不低于600 像素)。

      {4}注釋是對論文中某一特定內(nèi)容的解釋或補充說明,用帶圈數(shù)字注于當頁頁腳。

      {5}稿件文字、標點、年代、數(shù)字等書寫方式均以國家有關(guān)規(guī)定為準。

      注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社

      數(shù)據(jù)采集與處理

      北大期刊
      預計1-3個月審稿

      期刊主頁
      相關(guān)期刊
      我們的服務(wù)