《表4 D3D-18在MCFD数据集上的交叉验证结果》

  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

《跌倒异常行为的双重残差网络识别方法》

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

为了充分显示D3D和3D-Resnet网络模型对跌倒识别的效果，表4、表5列出了18层的D3D和3D-Resnet进行5折交叉验证的结果。从表4、表5特异性、灵敏度和准确率的平均数据可以看出，D3D模型对跌倒识别的效果均超过了3D-Resnet，分别提升了0.101、0.167、0.117。说明改进后的残差网络增强了模型质量，降低了跌倒的误检率和漏检率，提高了跌倒的识别率。MCFD数据集的动作种类较多且较为复杂，本文改进的残差网络方法在MCFD数据集上得到了较大的提升，说明D3D模型解决了由于监控视角、人体姿态和场景等复杂情况下导致模型识别性能较低的问题。