计算机科学与探索

作者：王新文, 谢林柏, 彭力

单位：物联网技术应用教育部工程研究中心（江南大学 物联网工程学院），江苏 无锡 214122

关键词：门控循环网络（GRU）,梯度消失,上下文信息,时序行为提名,时序行为检测

在针对视频的人体活动定位和识别领域中，现有的时序行为提名方法无法很好地解决行为特征长期依赖性而导致提名召回率较低。针对此问题，提出了一种上下文信息融合的时序行为提名方法。该方法首先采用三维卷积网络提取视频单元的时空特征，然后采用双向门控循环网络构建上下文关系预测出时序行为区间。针对门控循环单元（GRU）存在参数较多和梯度消失的问题，通过输入特征控制门结构增强并行计算能力，通过引入加权平均增强历史和当前时刻信息融合能力，提出了一个简化的门控循环单元（S-GRU）。最后在数据集Thumos14上进行实验验证和比较，结果表明基于双向S-GRU循环网络的时序行为提名方法提高了提名召回率。

来源：2021年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第3期