基于时空异构双流卷积网络的行为识别

摘要

目前大多数基于双流卷积网络的行为识别方法采用同样的时空网络结构,双流合并时会产生大量的冗余信息,从而降低识别的精确度。对此提出一种基于双流网络的时空异构网络结构。该网络采用两种不同的时空网络结构对行为进行分类。此外,对视频序列的长时间结构采用分段形式进行建模,使整个行为视频的学习变得高效。在UCF101和HMDB51数据集上进行实验,结果证明该时空异构双流网络优于时空同构双流网络。