典型文献
带有协方差矩阵的卷积神经网络在人体运动识别中的应用
文献摘要：
目前,深度学习已经在各种人体运动识别(HAR)任务中发挥了重要作用.但是,由于运动数据具有时间序列和包含肢体动作的特殊性,现有神经网络在进行卷积操作时会导致数据高度相关,并且随着网络影响到下一层,这限制了模型的识别效果.为此,提出了一种带有协方差矩阵的改进卷积神经网络用于HAR场景,通过矩阵变换搭建一种去相关的网络结构来消除相关性问题,可以在网络表现不佳时替代现有的批量归一化(BN)层用于归一化数据.在4个HAR公共数据集上进行实验,并与传统CNN和带有BN层的模型进行比较.实验结果表明,对比此前的深度学习网络,改进的神经网络有1％～2％的性能提升,验证了该方法的有效性,并将程序移植到了移动端进行实时运动识别.
文献关键词：
可穿戴传感器;运动识别;卷积神经网络;协方差矩阵
中图分类号：
作者姓名：
权威铭;刘天一;张雷
作者机构：
南京师范大学电气与自动化工程学院,江苏南京 210046
文献出处：
引用格式：
[1]权威铭;刘天一;张雷-.带有协方差矩阵的卷积神经网络在人体运动识别中的应用)[J].计算机工程与科学,2022(11):2027-2036
A类：
实时运动识别
B类：
协方差矩阵,人体运动识别,HAR,运动数据,肢体动作,有神,行卷,卷积操作,网络影响,改进卷积神经网络,矩阵变换,批量归一化,BN,公共数据,此前,深度学习网络,性能提升,程序移植,移动端,可穿戴传感器
AB值：
0.289757
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。
