电讯技术

作者：吴进,安怡媛,代巍

单位：(西安邮电大学 电子工程学院，西安 710121)

关键词：行为识别；三维残差卷积神经网络；批量归一化层；全局平均池化层；

基金：国家自然科学基金资助项目（61834005，61772417，61602377，61634004）；陕西省重点研发计划项目（2017GY-060）；陕西省自然科学基础研究计划项目（2018JM4018）

现有的行为识别算法不能充分地提取抽象的行为特征，为此提出了基于三维残差卷积神经网络（3D Residual Convolutional Neural Network，R3D）的人体行为识别算法。该网络在三维卷积神经网络（3D Convolutional Neural Network，3D-CNN）基础上加入了残差模块，可以更好地提取时空域的特征，然后通过改变步长大小进行特征图降维，提高网络效率，并加入批量归一化层和Softplus激活函数，提高网络的收敛速度和拟合能力；之后添加Dropout层，降低过拟合风险，并且使用全局平均池化层(Global Average Pooling，GAP)代替全连接层，克服了网络参数量过大的问题；最后，使用Softmax进行分类。实验结果表明，使用R3D网络在HMDB-51数据集上获得了62.3%的识别率。

来源：2020年第8期

《电讯技术》期刊编辑部

查看电讯技术杂志2020年第8期