《表1 多通道3DCNN网络结构》
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
《融合视频时空域运动信息的3D CNN人体行为识别》
本文分别从原始视频中提取灰度图、水平和竖直方向光流、帧差,作为3DCNN的4输入通道。相较于传统3DCNN构架,本文提出的3DCNN架构使用了2次3D卷积操作后再进行Maxpool操作,能够在池化操作前多提取一次信息,获得更加细致的特征;将多维输入一维化的Flatten层;引入了防止过拟合的3个Dropout层。在网络训练阶段,Dropout层每次更新参数时随机“冻结”部分神经元并将其输出限定为0,从而动态随机更改网络结构,提高网络的泛化能力。网络具体连接和节点数等情况如表1所示。
图表编号 | XD0016859500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.01 |
作者 | 刘嘉莹、张孙杰 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |