检索结果-南通市图书馆

检索条件"主题词=SlowFast-Lite"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的视频行人行为识别

基于深度学习的视频行人行为识别

引用

作者：江泽平华南农业大学

学位级别：硕士

随着科学技术的快速发展,生活水平的提高以及对公共安全的重视,娱乐视频和公共监控视频数据的快速增长,仅靠人力来处理日益增长的视频数据是不现实的。深度学习方法在计算机视觉领域取得越来越多的成果,特别是在静态图像的检测、识别、... 详细信息

随着科学技术的快速发展,生活水平的提高以及对公共安全的重视,娱乐视频和公共监控视频数据的快速增长,仅靠人力来处理日益增长的视频数据是不现实的。深度学习方法在计算机视觉领域取得越来越多的成果,特别是在静态图像的检测、识别、分割等方面,而在视频方面由于早期视频数据的限制以及对训练视频数据的设备要求较高等原因,相比于静态图像的发展较缓慢一点,随着近年来技术的进步和研究的深入,视频行为识别领域也吸引着越来越多的人关注。本文利用深度学习方法进行视频行人行为识别的研究,具体内容和创新点如下:（1）利用深度学习的2D卷积网络对视频行人行为识别进行研究,对比了主流的2D卷积网络的视频行人行为识别方法。基于时序通道移动TSM网络算法,改进和设计了一个新TSM主干网络来识别视频行人的行为,在UCF101数据集上比原有TSM网络在精度上取得2.15%的提升,在HMDB51数据集上取得0.91%的提升,模型参数减少到3.4倍,FLOPs减少到1.4倍。（2）基于3D卷积网络更容易地提取到视频时序信息的特点,本文也设计了3D卷积网络对视频行人行为识别的模型。基于一个快慢通道相结合的Slow Fast 3D卷积网络,慢通道主要捕获视频的外观信息,快通道主要捕获视频的时序信息,Slow Fast网络的慢通道和快通道都是采用一样深度的卷积网络,由于时序信息捕获不需要很深的网络就可以捕获到了。本文设计了一个更轻量级的Slow Fast-lite网络,将Slow Fast网络的快通道采用更浅的网络,改进的Slow Fast-lite网络,模型参数减少了0.22M,FLOPs值减少了1.32G,在UCF101数据集上结果提升了3.35%,在HMDB51数据集上结果提升了1.89%。（3）深度学习方法有效的原因除了网络算法设计有效外,还需要大量的数据训练,大量的数据采集和训练需要花费大量的人力和物力。深度学习的迁移学习从而避免了重复造轮子的问题,可以把一些现有的经过大量训练的网络迁移到特定任务里来。本文以TSM网络算法为研究对象,研究迁移学习对视频行人行为识别的影响,在Kinetics数据集上的预训练后,UCF101数据集上的识别精度从79.35%达到了90.51%。

关键词：视频行人行为深度学习 TSM slowfast-lite 迁移学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：