公开(公告)号：CN111832336B

公开(公告)日：2022-09-02

申请号：CN201910302041.9

申请日：2019-04-16

申请人： 四川大学

发明人： 卿粼波 ,  李龙 ,  何小海 ,  李诗菁 ,  吴晓红 ,  滕奇志

IPC分类号： G06V20/40 ,  G06V10/82 ,  G06N3/08 ,  G06N3/04

摘要： 本发明提供了一种基于改进的C3D视频行为检测方法，主要涉及卷积神经网络。在NVIDIA JetsonTX2上，采用改进的SqueezeNet与C3D相结合卷积神经网络，并引入BN层与short‑cut结构，最后将训练模型部署到NVIDIA JetsonTX2上，对视频行为进行分析、检测。实验结果表明，改进后的SqueezeNet‑C3D卷积神经网络相比于C3D神经网络在精度上提高了4.4％；改进后的SqueezeNet‑C3D网络与SqueezeNet‑C3D网络相比，参数量降低了15％，降低网络对计算机硬件的要求。可见本发明提出的网络具有精度高、参数量少的优点。

公开(公告)号：CN111832336A

公开(公告)日：2020-10-27

申请号：CN201910302041.9

申请日：2019-04-16

申请人： 四川大学

发明人： 卿粼波 ,  李龙 ,  何小海 ,  李诗菁 ,  吴晓红 ,  滕奇志

IPC分类号： G06K9/00 ,  G06N3/08 ,  G06N3/04

摘要： 本发明提供了一种基于改进的C3D视频行为检测方法，主要涉及卷积神经网络。在NVIDIA JetsonTX2上，采用改进的SqueezeNet与C3D相结合卷积神经网络，并引入BN层与short-cut结构，最后将训练模型部署到NVIDIA JetsonTX2上，对视频行为进行分析、检测。实验结果表明，改进后的SqueezeNet-C3D卷积神经网络相比于C3D神经网络在精度上提高了4.4％；改进后的SqueezeNet-C3D网络与SqueezeNet-C3D网络相比，参数量降低了15％，降低网络对计算机硬件的要求。可见本发明提出的网络具有精度高、参数量少的优点。