《表4 面板回归结果:基于3D卷积残差网络的人体动作识别算法》
如表3所示,本文方法的识别率相比较其他3D卷积动作识别方法有较大的提升。本文模型和C3D对比如表4所示,参数量虽然仅是C3D的一半,但卷积层数达到了92层,远远超过C3D的8层,因此可以捕获更多层次的时空特征,从而提高识别率,而且每次迭代训练的时长仅为C3D的1/3。
图表编号 | XD00198076300 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) |