检索结果-南通市图书馆

Human Action Recognition Based on Supervised Class-Specific Dictionary Learning with deep Convolutional Neural Network features

引用

Computers, Materials & Continua 2020年第4期63卷 243-262页

作者： Binjie Gu Key Laboratory of Advanced Process Control for Light Industry Ministry of EducationJiangnan UniversityWuxiChina National Engineering Laboratory for Cereal Fermentation Technology Jiangnan UniversityWuxiChinaWeili Xiong1Zhonghu Bai2

Human action recognition under complex environment is a challenging ***,sparse representation has achieved excellent results of dealing with human action recognition problem under different *** main idea of sparse representation classification is to construct a general classification scheme where the training samples of each class can be considered as the dictionary to express the query class,and the minimal reconstruction error indicates its corresponding ***,how to learn a discriminative dictionary is still a difficult *** this work,we make two ***,we build a new and robust human action recognition framework by combining one modified sparse classification model and deep convolutional neural network(cnn)***,we construct a novel classification model which consists of the representation-constrained term and the coefficients incoherence *** results on benchmark datasets show that our modified model can obtain competitive results in comparison to other state-of-the-art models.

关键词： Action recognition deep cnn features sparse model supervised dictionary learning

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

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：