《表1 判定基准:基于3D卷积残差网络的人体动作识别算法》
在训练和测试方面,使用随机梯度下降(stochastic gradient descent,SGD)方法,动量(momentum)设置为0.9,初始学习率为0.005,每迭代4次学习率除以10,迭代16次后停止训练。分别设置dropout ratio、权重衰减系数为0.5、0.005,实现平台为Tensor Flow1.9和Keras 2.2.0。本文模型架构与C3D对比如表1所示,其中⊕表示将多个特征图进行串联。
图表编号 | XD00198076200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.31 |
作者 | 范银行、赵海峰、张少杰 |
绘制单位 | 安徽大学计算机科学与技术学院、安徽大学多模态认知计算安徽省重点实验室、安徽大学计算机科学与技术学院、安徽大学多模态认知计算安徽省重点实验室、安徽大学计算机科学与技术学院、安徽大学多模态认知计算安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |