TY -的A2 - Ning,鑫盟——冯,魏盟——冯Yanshun PY - 2022 DA - 2022/06/04 TI -行动识别基于深度学习与研究长期短期记忆网络和注意力机制SP - 2067990六世- 2022 AB -动作识别是一个基本的和具有挑战性的任务在计算机视觉领域。本文深度学习动作识别方法提出了基于注意机制并成功应用于一些公共数据集,杰出的表现。首先,视频帧采样是基于改进的抽样算法,和视频数据增强算法对原始数据进行预处理,这将减少的过度拟合概率识别模型,减少数据的白噪声。然后,通过引起残余网络进行特征选择。最后,我们完成了行动由LSTM模型和softmax分类。此外,一系列的烧蚀实验是为了验证该模型的有效性。结果表明,与传统的行为识别模型相比,该方法可以有效地提取关键特性,减少造成的过度拟合少量的样本,减少冗余信息的干扰通过无知的视频帧的筛选,并完成动作识别准确,快速,高效。SN - 1530 - 8669你2022/2067990 / 10.1155——https://doi.org/10.1155/2022/2067990——摩根富林明——无线通信和移动计算PB - Hindawi KW - ER