1篇
您的检索式：作者名="Samah AFManssor"
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于频域注意力时空卷积网络的步态识别方法显示文摘为了解决步态信息冗余多、特征重要性分布不均匀以及步态的时空特征难以学习的问题,提出了基于频域注意力的时空卷积网络进行步态识别。该方法改进了三维卷积网络(C3D)学习时空特征,同时提出了一种频域注意力卷积操作,既减少了冗余计算,注意力的调整又提高了学习效果。网络首先将步态信息划分为五组,然后通过改进的卷积进行时空特征抽取,最后通过Softmax层进行分类。在中科大数据集CASIA dataset B中进行测试,在Bag状态与Coat状态下准确率分别为88.5%、92.8%,分别较传统深度卷积网络(Deep CNN)提升3%左右,同时注意力在网络学习中重新分布,各个角度下的准确率也平均提升2%左右。 | 赵国顺 方建安 瞿斌杰 Samah AFManssor 孙韶媛 | 2020 | 信息技术与网络安全2020，39，6： | 3 |
您所在的机构暂未开通此部分的功能，请联系管理员