《表1 水灭火系统用水量：基于深度学习的车辆时序动作检测算法》

  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

《基于深度学习的车辆时序动作检测算法》

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

式中:Hl表示非线性转换函数，包含有批量归一化（batch normalization，BN）、激活函数Relu和卷积运算。采用了这样的设计，使得Dense Nte网络层中的参数量大大的缩减了的同时也增强了特征之间的传递。当特征映射大小改变时，式（3）中的连接操作是不可行，为解决这个问题，在不同的密集块之间加入了过渡层，作用是执行卷积和合并运算。过渡模块同样包含有批量标准化、激活函数、卷积层，同时添加了池化层。双流卷积神经网络的网络结构参数见表1，其中conv表示的是BN-Relu-conv操作，视频经过双流卷积神经网络可以提取出车辆行为的空间和时间特征[13]，再利用concat算法将上述两种特征进行融合。之后把特征融合得到的结果送入全连接层，经过SIGMOD函数来对得到的结果进行打分，分数统一归一化到区间[0，1]，表示车辆行为是非直行的概率，并基于此得到actionness曲线。