《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》
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。
图表编号 | XD00206698600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.16 |
作者 | 卫星、杨国强、陆阳、魏臻 |
绘制单位 | 合肥工业大学计算机与信息学院、安全关键工业测控技术教育部工程研究中心、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、安全关键工业测控技术教育部工程研究中心、合肥工业大学计算机与信息学院、安全关键工业测控技术教育部工程研究中心 |
更多格式 | 高清、无水印(增值服务) |