基于注意力机制的时间分组深度网络行为识别算法

作者：胡正平; 刁鹏成; 张瑞雪; 李淑芳; 赵梦瑶

来源：模式识别与人工智能, 2019, (10): 892-900.

DOI：10.16451/j.cnki.issn1003-6059.201910003

• 行为识别
• 深度学习
• 卷积神经网络
• 注意力 Action Recognition
• Deep Learning
• Convolutional Neural Network
• Attention

受人脑视觉感知机制启发,在深度学习框架下提出基于注意力机制的时间分组深度网络行为识别算法.针对局部时序信息在描述持续时间较长的复杂动作上的不足,使用视频分组稀疏抽样策略,以更低的成本进行视频级时间建模.在识别阶段引入通道注意力映射,进一步利用全局特征信息和捕捉分类兴趣点,执行通道特征重新校准,提高网络的表达能力.实验表明,文中算法在UCF101、HMDB51数据集上的识别准确率较高.

• 单位
  燕山大学