基于分离卷积的战场目标聚集行为识别

发布时间：2021-11-05 10:32

　　针对大部分行为识别算法效率较低,难以应对大规模影像识别任务的问题,一方面,提出一种结合双流结构与多纤维网络的双流多纤维网络模型,分别以RGB序列、光流序列为输入提取视频的时空信息,然后将两条支路网络的识别结果进行决策相加,提高了对战场目标聚集行为的检测效率与识别准确率;另一方面,提出一种结合分离卷积思想与多纤维网络的双流分离卷积多纤维网络模型,进一步提高网络检测效率与抗过拟合能力。实验表明,在建立的情报影像仿真数据集中,上述算法能够有效识别出战场目标聚集行为,在大幅提升检测效率同时实现了识别准确率的提升。 

【文章来源】：电讯技术. 2020,60(03)北大核心

【文章页数】：6 页

【文章目录】：
0 引言
1 双流多纤维网络
    1.1 整体架构设计
    1.2 RGB网络
    1.3 光流网络
2 分离卷积多纤维网络
    2.1 多纤维模块(Multi-fiber Unit)
    2.2 分离卷积多纤维模块
3 构建情报影像数据集
    3.1 数据集构建
    3.2 生成光流数据
    3.3 数据增强
4 实验与分析
    4.1 训练策略
    4.2 支流网络对比试验
    4.3 双流网络模型测试
    4.4 算法对比实验
5 结束语


【参考文献】：
期刊论文
[1]基于三维卷积神经网络的战场聚集行为预测[J]. 廖鹰,易卓,胡晓峰,田园,陶九阳.  系统仿真学报. 2018(03)
[2]基于深度学习的人体行为识别算法综述[J]. 朱煜,赵江坤,王逸宁,郑兵兵.  自动化学报. 2016(06)



本文编号：3477633