成果介绍
本发明公开了一种基于注意力特征门控的视频异常行为识别方法,该方法对多维训练进行特征降维,构建效率更高的识别网络,具体实施方法为:首先从全部数据集中随机提取出连续的视频图片并进行预处理作为训练样本;
成果亮点
然后送入本发明提出的网络模型AFG‑NET中进行训练;然后模型对训练样本的帧率维度进信道分离,利用二维卷积对多个信道进行特征提取,然后使用信道特征稀疏化函数对特征进行缩放求和,并与训练样本的全局特征相乘得到输出;然后模型的后续部分对特征进行提取识别,最终得到网络模型的预测结果;最后使用加权稀疏化惩罚和交叉熵损失相结合的联合损失,并使用随机梯度下降对模型的联合损失进行反向传播,优化网络模型的参数,以达到全局最优。
团队介绍
罗仁泽,谭亮,刘恒,林泓宇,邓治林,余泓,李华督
成果资料