典型文献
轻量化卷积神经网络的步态识别
文献摘要：
针对现有的基于深度学习模型的步态识别算法难以在嵌入式设备上部署的问题,利用冗余特征图理论,提出了一种结构简单,具有一定深度,参数量较少适用于步态识别的卷积神经网络模型.该方法在预设卷积层添加注意力机制,选取出主要的步态特征图;利用无需训练的线性操作,从主要的特征图中派生出冗余的特征图,并将两部分特征图通道相加作为输出.在保障了卷积层提取足够多的特征图的同时,有效地降低了卷积层需要训练的参数量.并设计了一种基于该思想的轻量化模块,用堆叠的方式组建成新的轻量化网络,在提高识别率同时减少整个网络的参数量.在中科院CASIA-B步态数据上进行了多组身份识别测试实验.该方法在正常行走状态,背包行走状态以及穿着大衣行走状态的平均识别率均超过95％.在跨视角条件下三种状态的平均识别率分别为93.89％、85.29％、69.41％,与其他深度学习模型相比有明显提升.并且整个深度学习模型大小仅为12M,具有收敛速度快、训练时间短等优势.
文献关键词：
步态识别;CNNs;线性操作;轻量化网络;注意力机制
中图分类号：
作者姓名：
王红茹;苑浩然
作者机构：
哈尔滨工程大学信息与通信工程学院,哈尔滨150001
文献出处：
引用格式：
[1]王红茹;苑浩然-.轻量化卷积神经网络的步态识别)[J].哈尔滨商业大学学报（自然科学版）,2022(04):406-413,426
A类：
B类：
轻量化卷积神经网络,步态识别,深度学习模型,识别算法,嵌入式设备,冗余特征,特征图,结构简单,定深,参数量,卷积神经网络模型,卷积层,注意力机制,步态特征,线性操作,中派,派生,分特征,相加,轻量化模块,堆叠,轻量化网络,识别率,率同,中科院,CASIA,步态数据,身份识别,测试实验,背包,穿着,大衣,跨视角,12M,收敛速度,训练时间,CNNs
AB值：
0.409481
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
