《表2 几种方法准确率对比结果》
其次,为了验证时空融合卷积神经网络在行为分类任务上更具有优势,我们将所提出的体系结构与几种相应的方法进行了比较。实验包括多分辨率卷积神经网络方法和双流卷积神经网络方法。Karpathy等[12]使用叠加视频帧作为输入,训练多分辨率CNN识别人类行为。用该方法在CASIA数据集实验的平均准确率达到79.9%。Koesdwiady等[13]提出了一种基线方法,他们训练了一个双流Alexnet,将双流结构与分数融合结合起来。我们在CASIA数据集上对该方法进行了测试,平均准确率达到84.2%。我们还比较了不同时空融合方法的性能,我们提出的双流卷积神经网络与时空融合的方法在CASIA行为数据集上进行比较,实验结果见表2。由表2中数据可得,本文所提方法与多分辨率方法、双流卷积神经网络(Alexnet)方法相比识别率更高。其中,中期融合的方法与多分辨率方法比较,准确率从79.9%提高到88.3%,提高了8.4%。中期融合的方法与基于Alexnet双流结构的方法比较,准确率从84.2%提高到88.3%,提高了4.1%。
图表编号 | XD00206667500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.16 |
作者 | 王泽伟、高丙朋 |
绘制单位 | 新疆大学电气工程学院、新疆大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |