运动敏感网络用于自主系统的控制和决策中的动作识别
Jialiang Gu1, Yang Yi1, Qiang Li1
1Computer Science and Engineering, Sun Yat-sen University, Guangdong, China.
Frontiers in neuroscience
|April 9, 2024
概括
运动敏感网络 (MSN) 通过使用新的时空模块有效提取运动信息来增强视频动作识别. 这种人工神经网络方法提高了准确性,并显示了自主系统的潜力.
科学领域:
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 时空建模对于人工智能驱动的视频动作识别至关重要.
- 提取运动信息是具有挑战性的,因为外观的变化和变化的运动频率.
研究的目的:
- 引入运动敏感网络 (MSN) 以实现强大的动作识别.
- 为了解决从视频中提取运动信息的局限性.
主要方法:
- 开发了空间时间金字塔运动提取 (STP-ME) 模块,用于多尺度时间分析.
- 引入了可变尺度运动激发 (DS-ME) 模块,使用差异模型进行灵活的运动捕获.
- 采用多尺度可变形卷曲来调整运动尺度在时间差异化之前.
主要成果:
- 在基准数据集上实现了1.1%至2.2%的精度改进.
- 与最先进的方法相比,达到89.90%的最大性能.
- 废弃性研究显示性能增长2%至5.3%.
结论:
- 运动敏感网络 (MSN) 为动作识别提供了一个有效的框架.
- MSN集成人工神经网络 (ANN) 与自主系统控制概念.
- 在挑战自主系统应用中展示了ANN的巨大潜力.


