期刊菜单
搜索
搜索结果
##search.searchResults.foundSingle##
-
摘要
当今时代,信息技术飞速发展,视频动作识别在智能安防、人机交互、虚拟现实等诸多领域起着十分关键的作用。其中,卷积神经网络(CNN)是达成这项技术的主要途径,它的结构改良对于改善识别准确率非常重要。文章细致分析了传统CNN结构用于视频动作识别时陷入的难题,从网络架构、特征获取、训练方法这些方面探寻存在的问题,然后有目的地给出加强CNN结构的办法,希望给进一步改善视频动作识别的准确率给予全面又可行的解决办法,促使视频动作识别技术在信息技术领域得到更充分的发展并被全面采用。
全文
引言伴随5G网络日益普及,物联网技术蓬勃兴起,视频数据正以前所未有的速度增长,视频动作识别技术成了信息技术领域的研究焦点。在智能安防场景下,可以随时监测异常行为,守护公共安全;而在虚拟现实和游戏领域,则能够达成更为自然流畅的人机交互,优化用户感受。卷积神经网络具备很强的图像特征获取能力,所以在视频动作识别任务里占据着引领地位。不过,当遭遇复杂多变的真实场景时,传统CNN结构在识别精准度方面还是有着很大的改善余地。比如,在拥挤的公共场所视频当中,传统CNN结构很难精确识别个体动作;而且在光线复杂、背景干扰较强的情况下,它的识别效果同样欠佳。所以,探寻加强CNN结构从而改善视频动作识别准确率的策略,对于促使信息技术同各个行业深入交融并达成智能化发展而言,有着非常重大的现实意义和应用价值。一、传统CNN结构在视频动作识别中存在的问题(一)网络架构设计局限性致特征提取不足传统CNN结构在视频动作识...
显示较少
上一个
1-1 共 1 条
下一个