《表5 预训练数据集的类型对准确率的影响》

  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

《基于深度学习的人体动作识别综述》

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

如表5所示，动作识别模型性能的提升与预训练数据集的规模和类型存在联系。例如：T-C3D在Kinetics上进行预训练与在Sport-1M上进行预训练相比，在UCF101上的平均准确率从89.5%提升到92.5%。R（2+1）D-RGB、R（2+1）D-Flow、R（2+1）D-T-S在Sport-1M上进行预训练，在UCF101和HMDB51上微调，分别得到了93.6%、93.3%、95.0%和66.6%、70.1%、72.7%的准确率。同时，将预训练数据集更换为Kinetics，在UCF101和HMDB51上的准确率分别提升了3.2个百分点、2.2个百分点、2.3个百分点和7.9个百分点、6.3个百分点、6.0个百分点。结果表明：Kinetics比Sport-1M更适合作为网络的预训练数据集，这与Kinetics数据集的全面性和相似性有关。