典型文献
基于分割注意力的特征融合CNN-Bi-LSTM人体行为识别算法
文献摘要：
针对传统人体行为识别算法不能有效抑制空间背景信息,网络间缺乏信息交互,以及无法对全局时间相关性进行建模的问题,提出一种基于分割注意力的特征融合卷积神经网络-双向长短时记忆网络(CNN-Bi-LSTM)人体行为识别算法.首先以一定采样率采样30帧图像,通过分割注意力网络提取图像的深度特征,并引入特征融合机制增强不同卷积层间的信息交互;然后将深度特征输入到Bi-LSTM网络对人体动作的长时时间信息建模,最后使用Softmax分类器对识别结果进行分类.相较于传统双流卷积网络,该算法在UCF101和HMDB51数据集上的准确率分别提高了 6.6％和10.2％,有效提高了识别准确率.
文献关键词：
行为识别;分割注意力;特征融合;双向长短时记忆网络
中图分类号：
作者姓名：
余金锁;卢先领
作者机构：
江南大学物联网工程学院 无锡 214122
文献出处：
引用格式：
[1]余金锁;卢先领-.基于分割注意力的特征融合CNN-Bi-LSTM人体行为识别算法)[J].电子测量与仪器学报,2022(02):89-95
A类：
B类：
分割注意力,Bi,人体行为识别,识别算法,制空,背景信息,乏信息,信息交互,时间相关性,特征融合卷积神经网络,双向长短时记忆网络,先以,采样率,注意力网络,深度特征,融合机制,卷积层,时时,时间信息,信息建模,Softmax,分类器,双流卷积网络,UCF101,HMDB51,识别准确率
AB值：
0.329123
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。
