TY-JOURA2-Keker、rasitAU-Roselind Johnson、DeepikaAU-Uthariaraj、V.RymendPY-2020DA-2020/09/10TI-使用BM-NET人类行动识别人类动作识别目标 识别在图像或视频数据集中发生的任何人类动作举例说,动作包括行走、跑步、跳跃、扔投等等现有人类动作识别技术在模型精度和弹性方面有其自身的一套限制为了克服这些限制,应用深学习技术深入学习方法中,模型自学提高识别精度并避免梯度喷发、超配配差问题论文中,我们建议新参数初始化技术使用最大激活函数人类动作从视频数据集检测跟踪学习时空特征第二,提取特征描述器使用BM-NN培训第三,本地特征编译成全局特征,通过BM-NN综合前向向传播过程最终SVM分类器识别视频数据集中的人类动作实验分析各种基准数据集显示,与其他最先进学习模型相比,识别率提高。SN-1687-5265UR-https://doi.org/101155/208852404DO-10.1155/208852404JF-计算智能神经科学PB-HindawiKW-ER