一種基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)人體跌倒檢測(cè)算法

打開文本圖片集

摘要：文章針對(duì)高質(zhì)量公開跌倒數(shù)據(jù)集較少，導(dǎo)致模型泛化能力較弱、檢測(cè)準(zhǔn)確率低、現(xiàn)有網(wǎng)絡(luò)全連接層參數(shù)量過(guò)大收斂速度慢的問(wèn)題，設(shè)計(jì)了適用于跌倒檢測(cè)的遷移學(xué)習(xí)方法，使用GAP（Global Average-Pooling，GAP）層替換全連接層方法，并在隱藏層加入BN（Batch Normalization，BN）操作，優(yōu)化網(wǎng)絡(luò)參數(shù)，設(shè)置了多組對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)改進(jìn)的網(wǎng)絡(luò)模型在不同的數(shù)據(jù)集上訓(xùn)練時(shí)間相比于之前有所提升，均取得了不錯(cuò)的效果，使得神經(jīng)網(wǎng)絡(luò)既能夠在大規(guī)模圖像數(shù)據(jù)集上學(xué)習(xí)通用的特征又能夠在公開跌倒數(shù)據(jù)集上學(xué)習(xí)跌倒特征，增強(qiáng)了網(wǎng)絡(luò)的泛化能力。（剩余4445字）