

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人體行為識(shí)別研究是當(dāng)前計(jì)算機(jī)視覺(jué)領(lǐng)域的重點(diǎn)熱門問(wèn)題??紤]復(fù)雜多樣的環(huán)境和人體行為相似性與混淆性等因素,人體行為識(shí)別在識(shí)別準(zhǔn)確率方面仍具很大的提升空間。近年來(lái),利用深度神經(jīng)網(wǎng)絡(luò)這一新興熱門技術(shù),在人體行為識(shí)別準(zhǔn)確率上已獲得較大提升。
本文的研究?jī)?nèi)容是基于改進(jìn) ISA深度網(wǎng)絡(luò)的人體行為識(shí)別研究與實(shí)現(xiàn)。本文的主要工作如下:
1、分析ISA神經(jīng)網(wǎng)絡(luò)的不足并進(jìn)行啟發(fā)性改進(jìn)思考,創(chuàng)造性的提出基于細(xì)分融合模型SFM(Subdivi
2、sion-Fusion Model,SFM)的改進(jìn)ISA深度網(wǎng)絡(luò),包括基于細(xì)分的ISA深度網(wǎng)絡(luò)訓(xùn)練階段和基于融合的ISA深度網(wǎng)絡(luò)識(shí)別階段。在訓(xùn)練階段中提供聚類細(xì)分子類的兩種方法,包括基于特征空間分布的細(xì)分方法和基于類不平衡現(xiàn)象的細(xì)分方法。
2、結(jié)合改進(jìn)的ISA深度網(wǎng)絡(luò)模型,完成基于改進(jìn)ISA深度網(wǎng)絡(luò)的人體行為識(shí)別研究系統(tǒng)實(shí)現(xiàn)。
3、利用基于改進(jìn)ISA深度網(wǎng)絡(luò)的人體行為識(shí)別研究系統(tǒng),對(duì)三個(gè)國(guó)際常用標(biāo)準(zhǔn)人體行為視頻庫(kù)Ho
3、llywood2、KTH和YouTube進(jìn)行實(shí)驗(yàn)和詳細(xì)分析。
本文的主要成果貢獻(xiàn)如下:
1、創(chuàng)造性的提出基于細(xì)分融合模型SFM的改進(jìn)ISA深度網(wǎng)絡(luò),并利用“SSC聚類細(xì)分”、“特征空間到樣本空間重新映射”和“二次訓(xùn)練學(xué)習(xí)”的改進(jìn)思路,形成一種與大多數(shù)神經(jīng)網(wǎng)絡(luò)均不相同的獨(dú)具特色的映射變換過(guò)程。
2、改進(jìn)的ISA深度網(wǎng)絡(luò)能一定程度的避免“過(guò)擬合”問(wèn)題,進(jìn)而提高神經(jīng)網(wǎng)絡(luò)性能;其次,能更具針對(duì)性的對(duì)人體行為視頻進(jìn)行
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于深度序列的人體行為識(shí)別研究.pdf
- 基于空間角度的人體行為識(shí)別研究與實(shí)現(xiàn).pdf
- 基于改進(jìn)稠密軌跡的人體行為識(shí)別方法研究.pdf
- 基于深度學(xué)習(xí)的人體動(dòng)作識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人體行為識(shí)別研究.pdf
- 基于視覺(jué)的人體行為識(shí)別研究與系統(tǒng)設(shè)計(jì)實(shí)現(xiàn).pdf
- 基于深度信息的人體動(dòng)作識(shí)別.pdf
- 基于視覺(jué)的人體行為識(shí)別研究.pdf
- 基于HMM的人體行為識(shí)別研究.pdf
- 基于Kinect的人體行為識(shí)別研究.pdf
- 基于深度學(xué)習(xí)的人體骨架動(dòng)作識(shí)別研究
- 基于深度遞歸分層條件隨機(jī)場(chǎng)模型的人體行為識(shí)別.pdf
- 基于半連接HMM模型的人體行為識(shí)別研究與實(shí)現(xiàn).pdf
- 基于密集軌跡與深度學(xué)習(xí)的人體動(dòng)作識(shí)別.pdf
- 基于深度數(shù)據(jù)的人體動(dòng)作識(shí)別.pdf
- 基于視覺(jué)的人體行為檢測(cè)識(shí)別研究.pdf
- 基于分層模型的人體行為識(shí)別研究.pdf
- 基于視覺(jué)的人體運(yùn)動(dòng)行為識(shí)別研究.pdf
- 基于深度圖像數(shù)據(jù)的人體動(dòng)作識(shí)別.pdf
- 基于無(wú)線感知的人體行為識(shí)別研究.pdf
評(píng)論
0/150
提交評(píng)論