《表2 Hollywood数据库中识别率对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于受限玻尔兹曼机与密集采样迭代加权的图像动作识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过在KTH和Hollywood数据集实验与定量测量得出，本文算法在两个数据集中得到的识别率较其他三种对照算法具有一定的优势，在识别率上有大幅的提高。在KTH上得到的识别率高于Hollywood数据集，主要是在KTH的动作类型比Hollywood简单，动作数量少，Hollywood的动作受到了各种环境的影响，降低了算法的正确识别率，但是总体来说，本文得到的查全率、查准率和正确识别率相对较优。主要是因为本文算法通过引入RBM和DT分别提取图像序列的特征，通过2种特征来表示图像序列的特征量，并设计了迭代加权函数，利用迭代加权函数对获得的RBM和DT特征进行融合形成RBM-DT特征，通过具有高精度和稳定性的K-近邻进行分类学习，从而完成决策判断。而其他算法均是通过单一的特征进行描述图像序列，无法完整、准确的表征图像序列的信息，从而在决策判断时缺少足够的参考信息，因此导致了对于一些特征丰富和环境变化的场景无法正确识别，影响了算法的正确识别率。