LSCN:一种用于动作识别的长短时序关注网络

• 作 者: 杨珂 王敬宇 戚琦 孙海峰 王晶 廖建新
• 机 构: 北京邮电大学网络与交换国家重点实验室
• 出 处: 电子学报
• 发表日期: 2020年03期
• 关键词: 动作识别 时序特征 特征融合 人机交互 视频分析 深度学习 action recognition temporal feature feature fusion
• 基金项目: 国家自然科学基金(No.61771068,No.61671079),北京市自然科学基金(No.4182041)

相较于图像分析,如何分析时序信息是动作识别中的一个主要问题.大多数先前的方法,如3D卷积网络、双流卷积网络,仅使用包含全局时域信息的特征作为视频的表征,忽略了局部时序特征的重要性.考虑到这样的问题,本文提出一种基于时序交互感知模块的长短时序关注网络——Long and Short Sequence Concerned Networks (LSCN),融合不同的时序信息,利用不同卷积层时序特征的交互加强对不同时序长度的动作实例的表示,兼顾长短动作实例对时序信息的需求.实验结果表明,基于3D ResNe