Current Location:home > Detailed Browse

Article Detail

基于CNN和DLTL的步态虚拟样本生成方法

Abstracts

针对步态识别在反恐、安防领域亟待解决的小样本问题,提出了一种基于深度卷积神经网络CNN(convolutional and neural network)和DLTL(dual learning and transfer learning)的步态虚拟样本生成方法。首先用基于VGG19的深度卷积神经网络模型低层响应提取步态风格特征图,然后利用基于对抗网络的对偶学习DL(dual learning)对风格特征图进行风格训练,得到风格特征模型;其次利用VGG19模型的高层响应提取步态内容特征图,然后让步态内容特征图对风格特征模型中的风格特征进行学习;最后使用迁移学习TL(transfer learning)获得步态虚拟偏移样本。实验结果表明,经过DLTL风格学习生成的步态虚拟样本虽然整体风格发生改变,但人体步态特征没有改变,可有效扩充小样本容量;当虚拟样本数量增加到一定数量,步态识别率有所提升。该方法与现有步态虚拟样本生成方法进行对比实验,结果表明该算法优于现有方法,能够大量生成虚拟样本且稳定提高步态识别的识别率。
Download Comment From cooperative journals:《计算机应用研究》 Hits:652 Downloads:366
Journal:计算机应用研究
Recommended references: 支双双,赵庆会,金大海,唐琎.(2018).基于CNN和DLTL的步态虚拟样本生成方法.计算机应用研究.[ChinaXiv:201811.00178] (Click&Copy)
Version History
[V1] 2018-11-29 10:39:29 chinaXiv:201811.00178V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO