《表5 相关工作的分类效果对比》
目前,已有一些基于深度卷积神经网络或LSTM进行人体活动识别的研究,包括笔者前期基于LSTM的工作[17],以及DeepConvLSTM[18]等,分别采用上述方法对十二类人体活动传感数据通过十折交叉验证进行分类,并与本文方法进行比较,结果如表5所示.从表中可以看出,在准确率、召回率和f1-score三个指标方面,本文方法均具有一定的优势.究其原因,Inception优化了CNN特征提取的性能和效果,LSTM进一步挖掘出数据间的时序依赖,DeepCIL在时域和空域对人体活动均有较好的表征.
图表编号 | XD00126545600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 范长军、高飞 |
绘制单位 | 浙江工业大学计算机科学与技术学院、浙江工业大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |