基于Bi-LSTM-Attention模型的人体行为识别算法
针对长短时记忆网络(LSTM)不能有效地提取动作前后之间相互关联的信息导致行为识别率偏低的问题,提出了一种基于Bi-LSTM-Attention模型的人体行为识别算法。该算法首先从每个视频中提取20帧图像,通过Inceptionv3模型提取图像中的深层特征,然后构建向前和向后的Bi-LSTM神经网络学习特征向量中的时序信息,接着利用注意力机制自适应地感知对识别结果有较大影响的网络权重,使模型能够根据行为的前后关系实现更精确的识别,最后通过一层全连接层连接Softmax分类器并对视频进行分类。通过Action Youtobe和KTH人体行为数据集与现有的方法进行比较,实验结果表明,本文算法有效地提高了行为识别率。
文件下载
评论信息
其他资源
- 基于UDP协议以太网通信的fpga实现（verilog）
- 两个密钥的三重DES实现系统-密码学课程设计
- JEDEC JESD79-4B-2017 DDR4 SDRAM.pdf
- Qt编写局域网内五子棋对战
- 斯坦福凸优化课件汇总
- ChnSentiCorp中文情感分析 酒店评论语料
- wxPython Recipes A Problem – Solution Approach 无水印原版pdf
- TCP/ip测试工具
- 智能停车场管理系统C#版
- eclipse2.zip
- 动态简约时尚幻灯片模板.pptx
- Lua5.2源码
- 金融业务知识讲义.pdf
- SLAM经典入门教程
- serve——qt.exe
- linux6.5安装oracle12C
- digsilent 最优潮流仿真
- VirtualBox-5.1.8-111374-Win.exe
- 高数公式手册
- 书名《物理学基础与前哨》作者(美)盖莫夫
- 足球游戏Java
- sql+c#按时间查询
- Access+C#图书销售管理系统
- A5M2可视化sql开发工具
- 一个可以查看硬件信息和状态的工具
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明