《表1 动作识别数据集：基于深度学习的动作识别方法简述》
提取 ⇩
《基于深度学习的动作识别方法简述》
（3）提高算法效率和分类精度。随着算法实时性要求不断提高，提升动作识别深度学习框架的检测速度也将是未来的发展方向。与此同时，对于变化细微的细粒度动作识别的研究也会越来越受关注。
| 图表编号 | B1666818666 |
|---|---|
| 出版时间 | 2019.10.25 |
| 作者 | 章树军、蓝善祯、卜琪、汪洋 |
| 研究主题 | 基于深度学习的动作识别方法简述 |
| 出版单位 | 中国传媒大学信息与通信工程学院、中国传媒大学信息与通信工程学院、中国传媒大学信息与通信工程学院、中国传媒大学信息与通信工程学院 |
| 更多格式 | JPG/无水印（增值服务） |
| 定制格式 | Excel格式（增值服务） |
传媒
查看“表1 动作识别数据集：基于深度学习的动作识别方法简述”的人还看了
-
- 表1 数据集类别划分：一种基于深度神经网络的滚动轴承故障诊断方法
- 一种基于深度神经网络的滚动轴承故障诊断方法
-
- 表2 基于深度强化学习算法的自动驾驶模型训练环境、数据集和方法
- 视觉感知的端到端自动驾驶运动规划综述
-
- 表1 基于深度学习的数据融合方法总结
- 基于深度学习的数据融合方法研究综述
-
- 表1 数据集比较：深度学习的单人姿态估计方法综述
- 深度学习的单人姿态估计方法综述
-
- 表1 数据扩容方法：融合两种深度线索的光场图像深度估计方法
- 融合两种深度线索的光场图像深度估计方法
-
- 表3 数据集信息：基于深度Q网络的一致性聚类方法
- 基于深度Q网络的一致性聚类方法