《表2 双流网络及其衍生行为识别方法在UCF-101和HMDB51数据集上的性能比较》
本文主要在UCF101和HMDB51数据集上来评价视频行为识别方法的性能,根据第3.3节中的网络分类方法,对双流及其衍生网络行为识别方法、C3D卷积网络及其衍生行为识别方法以及其他优秀网络行为识别方法在UCF-101和HMDB51数据集上的性能进行了比较和汇总,见表2、表3和表4。由汇总结果可见,尽管早些年基于深度学习的视频行为识别方法在识别准确率上不如传统方法,但是近些年来有了突破性进展:UCF101数据集上的准确率达到了98%,比传统最好的方法高出12.1个百分点;在HMDB51数据集上达到80.9%,超过IDT算法23.7%。另外,由表2、表3和表4可见,深度网络与IDT算法相结合能够提升网络的性能,使用的预训练数据集的不同也会影响网络的识别准确率。
图表编号 | XD00116371800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.20 |
作者 | 赵朵朵、章坚武、郭春生、周迪、穆罕默德·阿卜杜·沙拉夫·哈基米 |
绘制单位 | 杭州电子科技大学、杭州电子科技大学、杭州电子科技大学、浙江宇视科技有限公司、杭州电子科技大学 |
更多格式 | 高清、无水印(增值服务) |