《表5 不同算法在UCF101数据集上的准确率对比》
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》
从以上多个实验可以得出:提出的融合时空域运动信息和运动目标的3DCNN架构对总体性能提升较大。改进的网络在KTH数据集和UCF101数据集上进行实验,分别获得88%和77.8%的准确率,高于单通道的3DCNN在2个数据集上的识别准确率。并且该网络在训练中,分类结果准确率提高很快,迭代到第20次时就达到了85%,比基于单通道的3DCNN收敛速度提高了1倍。
图表编号 | XD0016859700 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) |