本文主要研究内容
作者郭浩然（2019）在《大熊猫行为识别研究与应用》一文中研究指出：行为识别是计算机视觉领域中的一个重要方向,也是近年来随着深度学习浪潮兴起的一个研究热点。行为识别技术以图片、视频信息为基础,提取其中时空特征进行学习建模,从而对目标当前的行为动作进行判别,以方便决策人员快速反应并采取相应措施。当前的行为识别技术及其相关研究主要针对人类行为,人类行为定义较为精确,可辨识度高,数据集充足,在近几年人类行为识别技术已经取得了可喜的进展。与人类行为识别方法研究相比,针对大熊猫的行为识别研究存在着如下亟待解决的问题:(1)现实中大熊猫行为数据匮乏,可以获取到的视频数据同质化问题严重。(2)目前没有一个标准的数据集用来评价熊猫行为识别效果。(3)由于体态、环境噪音等多种影响因素,大熊猫姿态模糊、可辨识度低,增加了对这类生物识别的困难(4)从长期发展来看,大熊猫行为识别技术对时间性能有一定要求。针对上述问题,本文提出了两种基于Transformer模型的大熊猫行为识别算法。一种是基于空时信息模型的CNN-Transformer算法,该算法利用卷积神经网络提取视频帧的空间特征图,将特征图压缩为向量并输入到Transformer的encoder部分实现时序建模;另一种是在Transformer中融入卷积运算的ConvTransformer算法,该算法创新性地改进了Transformer模型的计算流程,使得算法可以直接接收特征图作为输入,从而更好地利用数据的空间信息。为了尽可能准确地评估算法,我们收集了一些熊猫视频,并制作了含有五种行为类型的熊猫短视频数据集,同时为了更公正地评估算法,我们还引用了一个常用的人类行为数据集UCF101。实验证明本文提出的算法无论在针对人类行为的UCF101数据集上还是在熊猫短视频数据集上都有着优秀的表现。最后本文实现了一个基于大熊猫行为识别算法的视频检索平台,该平台可以根据用户上传的视频自动进行分类,然后检索数据库中与之最相近的若干视频,并返回给用户界面。
Abstract
hang wei shi bie shi ji suan ji shi jiao ling yu zhong de yi ge chong yao fang xiang ,ye shi jin nian lai sui zhao shen du xue xi lang chao xing qi de yi ge yan jiu re dian 。hang wei shi bie ji shu yi tu pian 、shi pin xin xi wei ji chu ,di qu ji zhong shi kong te zheng jin hang xue xi jian mo ,cong er dui mu biao dang qian de hang wei dong zuo jin hang pan bie ,yi fang bian jue ce ren yuan kuai su fan ying bing cai qu xiang ying cuo shi 。dang qian de hang wei shi bie ji shu ji ji xiang guan yan jiu zhu yao zhen dui ren lei hang wei ,ren lei hang wei ding yi jiao wei jing que ,ke bian shi du gao ,shu ju ji chong zu ,zai jin ji nian ren lei hang wei shi bie ji shu yi jing qu de le ke xi de jin zhan 。yu ren lei hang wei shi bie fang fa yan jiu xiang bi ,zhen dui da xiong mao de hang wei shi bie yan jiu cun zai zhao ru xia ji dai jie jue de wen ti :(1)xian shi zhong da xiong mao hang wei shu ju kui fa ,ke yi huo qu dao de shi pin shu ju tong zhi hua wen ti yan chong 。(2)mu qian mei you yi ge biao zhun de shu ju ji yong lai ping jia xiong mao hang wei shi bie xiao guo 。(3)you yu ti tai 、huan jing zao yin deng duo chong ying xiang yin su ,da xiong mao zi tai mo hu 、ke bian shi du di ,zeng jia le dui zhe lei sheng wu shi bie de kun nan (4)cong chang ji fa zhan lai kan ,da xiong mao hang wei shi bie ji shu dui shi jian xing neng you yi ding yao qiu 。zhen dui shang shu wen ti ,ben wen di chu le liang chong ji yu Transformermo xing de da xiong mao hang wei shi bie suan fa 。yi chong shi ji yu kong shi xin xi mo xing de CNN-Transformersuan fa ,gai suan fa li yong juan ji shen jing wang lao di qu shi pin zhen de kong jian te zheng tu ,jiang te zheng tu ya su wei xiang liang bing shu ru dao Transformerde encoderbu fen shi xian shi xu jian mo ;ling yi chong shi zai Transformerzhong rong ru juan ji yun suan de ConvTransformersuan fa ,gai suan fa chuang xin xing de gai jin le Transformermo xing de ji suan liu cheng ,shi de suan fa ke yi zhi jie jie shou te zheng tu zuo wei shu ru ,cong er geng hao de li yong shu ju de kong jian xin xi 。wei le jin ke neng zhun que de ping gu suan fa ,wo men shou ji le yi xie xiong mao shi pin ,bing zhi zuo le han you wu chong hang wei lei xing de xiong mao duan shi pin shu ju ji ,tong shi wei le geng gong zheng de ping gu suan fa ,wo men hai yin yong le yi ge chang yong de ren lei hang wei shu ju ji UCF101。shi yan zheng ming ben wen di chu de suan fa mo lun zai zhen dui ren lei hang wei de UCF101shu ju ji shang hai shi zai xiong mao duan shi pin shu ju ji shang dou you zhao you xiu de biao xian 。zui hou ben wen shi xian le yi ge ji yu da xiong mao hang wei shi bie suan fa de shi pin jian suo ping tai ,gai ping tai ke yi gen ju yong hu shang chuan de shi pin zi dong jin hang fen lei ,ran hou jian suo shu ju ku zhong yu zhi zui xiang jin de re gan shi pin ,bing fan hui gei yong hu jie mian 。
论文参考文献
论文详细介绍
论文作者分别是来自电子科技大学的郭浩然，发表于刊物电子科技大学2019-07-17论文，是一篇关于深度学习论文,神经网络论文,行为识别论文,模型论文,电子科技大学2019-07-17论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电子科技大学2019-07-17论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：深度学习论文; 神经网络论文; 行为识别论文; 模型论文; 电子科技大学2019-07-17论文;