-
题名时空双路3D残差卷积网络的视频烟雾检测
被引量：2
- 1
-
-
作者
谢宏
陈祎婧
袁小芳
陈海滨
王立宸
-
机构
湖南大学电气与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第18期143-149,共7页
-
基金
国家重点研发计划(No.2017YFB1300900)。
-
文摘
现有的视频烟雾检测方法大多通过运动检测提取疑似烟区,并依据经验手工设计提取烟雾特征,在复杂场景中检测准确率不高。针对以上问题,提出了一种基于时空双路3D残差卷积网络的视频烟雾检测方法,基于混合高斯背景模型与原始视频帧的小波低频分量差进行疑似烟区提取,其次构造时空双路3D残差卷积神经网络,并引入注意力机制加权融合烟雾时空域特征,实现端对端的烟雾识别。实验结果表明,该方法可以得到更为完整的疑似烟区,尤其对于过于稀薄和浓厚的烟雾分割效果较好,且相比于传统的烟雾检测方法和2D的烟雾检测卷积网络,在烟雾检测准确率上得到了提高。
-
关键词
3d残差卷积网络
烟雾检测
注意力机制
深度学习
-
Keywords
3d residual convolutional network
smoke detection
attention module
deep learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于3D卷积残差网络的人体动作识别算法
被引量：5
- 2
-
-
作者
范银行
赵海峰
张少杰
-
机构
安徽大学计算机科学与技术学院
安徽大学多模态认知计算安徽省重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第S02期300-301,304,共3页
-
基金
国家自然科学基金资助项目(61876002)
-
文摘
针对3D卷积神经网络在卷积过程中产生较大的参数量和计算量的问题,提出了一种结合3D卷积残差网络和轻量级多尺度卷积模块的人体动作识别算法。该轻量级多尺度卷积模块首先将中间特征图分割为若干子图;然后将每个子图经3D卷积后的特征图融合,提取目标的多尺度特征;再对多尺度特征图上的每个通道赋予不同权值;最后使用softmax分类器进行分类。在UCF-101数据集上的实验结果表明,相比较其他3D卷积神经网络算法,该算法不仅加快了模型收敛速度,而且进一步提高了动作识别率。
-
关键词
人体动作识别
3d卷积残差网络
轻量级多尺度卷积模块
多尺度信息
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
