面向人體異常行為識別的FDS?ABPG?GoogLeNet模型研究

打開文本圖片集

摘  要： 隨著人口老齡化的加劇，老年人異常行為的識別技術(shù)已成為醫(yī)療保健領(lǐng)域亟需解決的關(guān)鍵問題。目前的異常行為識別算法面臨一個挑戰(zhàn)，即無法確保在識別多種異常行為的同時提高模型的識別準(zhǔn)確率與計算效率。為解決此問題，提出一種FDS?ABPG?GoogLeNet模型。該模型采用了三種不同層級的改進(jìn)Inception模塊，并將這些模塊在網(wǎng)絡(luò)深層和淺層結(jié)構(gòu)中并行連接，在中層結(jié)構(gòu)中引入殘差結(jié)構(gòu)，通過特征融合的方式顯著提高了網(wǎng)絡(luò)的計算效率和識別準(zhǔn)確率。（剩余14247字）