《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》

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

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。