Two-Stream-CNN:在Keras中实现的两个Stream CNN结合使用基于骨架的动作识别和数据集NTU RGB + D-源码

上传者: 42131443 | 上传时间: 2021-09-25 10:54:30 | 文件大小: 115KB | 文件类型: ZIP
Keras中的两流CNN工具 在的基于骨架的动作识别中,提出了两流CNN,用于基于骨架的动作识别。 它将骨架序列映射到图像(坐标x,y,z到图像R,G,B)。 他们专门设计了骨架变压器模块,以自动重新排列和选择重要的骨架关节。 要求 Python3 凯拉斯 h5py matplotlib 麻木 网络架构 该网络主要由Skeleton Transformer , ConvNet , Feature Fusion和Classification四个模块组成。 两个流的输入分别是原始数据(x,y,z)和帧差。 如下图所示: 用法 function / data_generator.py :生成两个流的输入numpy数组 layer / transformer :Keras中的Skeleton Transformer工具层 网络/ :褶皱有四只苍蝇,具有不同的特征融合方式 结果 模型 准确度(

文件下载

资源详情

[{"title":"( 10 个子文件 115KB ) Two-Stream-CNN:在Keras中实现的两个Stream CNN结合使用基于骨架的动作识别和数据集NTU RGB + D-源码","children":[{"title":"Two-Stream-CNN-master","children":[{"title":"networks","children":[{"title":"model_multiply.py <span style='color:#111;'> 6.79KB </span>","children":null,"spread":false},{"title":"model_average.py <span style='color:#111;'> 6.78KB </span>","children":null,"spread":false},{"title":"basic_4_fc.py <span style='color:#111;'> 6.97KB </span>","children":null,"spread":false},{"title":"model_add.py <span style='color:#111;'> 6.75KB </span>","children":null,"spread":false}],"spread":true},{"title":"layers","children":[{"title":"network.png <span style='color:#111;'> 100.01KB </span>","children":null,"spread":false},{"title":"transformer.py <span style='color:#111;'> 1.35KB </span>","children":null,"spread":false}],"spread":true},{"title":"function","children":[{"title":"data_generator_v2.py <span style='color:#111;'> 7.60KB </span>","children":null,"spread":false},{"title":"log_file.py <span style='color:#111;'> 542B </span>","children":null,"spread":false},{"title":"data_generator.py <span style='color:#111;'> 7.03KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.33KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

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