《表1 不同算法在UCF101和HMDB51准确率对比》

  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

《结合Attention-ConvLSTM的双流卷积行为识别》

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

从图4-图6中可以看出，在UFC101和HMDB51上双流卷积神经网络的识别准确率分别为88.0%和59.4%，其结合了传统LSTM的神经网络识别准确率为90.3%和63.2%，结合了Attention-Conv LSTM的神经网络识别准确率为94.6%和69.8%．改进之后的网络也表现出了更好的收敛性，简单的双流卷积和结合了传统LSTM的神经网络在训练集上分别经过280，250次左右的迭代才达到收敛，而结合了AttentionConv LSTM的神经网络经过200次左右的迭代就达到收敛．且如表1所示，本文提出的方法较其他传统方法在识别准确率上也有较大提升．分析可知，简单的双流卷积网络对于长时间范围和具有复杂运动背景的视频数据识别率是较低的．结合了传统LSTM的双流卷可以更好的利用序列帧数据之间的依赖关系积使得神经网络的性能得到了一部分提高，结合Attention-Conv LSTM的双流卷积可以更好地分析局部特征的空间关系，对显著特征和关键帧实现更有效的利用，这使得神经网络的性能得到进一步提高．