计算机应用研究

作者：谢超宇,秦玉,张开放,王晓明,

单位：西华大学计算机与软件工程学院,成都610039；

关键词：深度学习,伪三维残差网络,支持向量机,类内散度矩阵,行为识别,

基金：西华大学研究生创新基金资助项目(ycjj2019085)；；

作为一种提取视频时空特征的深度学习方法，伪三维残差网络（pseudo-3D residual net，P3D ResNet）利用SVM目标函数来驱动深度网络学习，这样该方法继承了SVM的不足——仅考虑了不同类别间的间隔，忽略了同类样本数据的分布信息。针对该问题，提出了基于最小类内方差的伪三维残差网络方法，不仅体现了大间隔原理，同时又利用了样本数据的分布信息。该方法首先使用P3D ResNet提取的特征向量计算类内散度矩阵；然后利用该矩阵构建了新的目标函数；最后通过新构建的目标函数来驱动P3D ResNet的学习。将该方法应用到行为识别领域，多个数据集上的实验结果表明，相比于传统的P3D ResNet，所提出的方法获得了更高的识别准确率，体现出了更好的泛化性能。

来源：2021年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第12期