Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: May 5, 2026

A Step-by-Step Implementation of DeepBehavior, Deep Learning Toolbox for Automated Behavior Analysis
05:41

A Step-by-Step Implementation of DeepBehavior, Deep Learning Toolbox for Automated Behavior Analysis

Published on: February 6, 2020

8.7K

在深度学习方法中的HARNet - - 一个系统的调查.

Neelam Sanjeev Kumar1, G Deepika2, V Goutham3

  • 1Department of Computer Science and Engineering, SRM Institute of Science and Technology, Vadapalani, Chennai, Tamil Nadu, 600026, India.

Scientific reports
|April 10, 2024
PubMed
概括

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Design and implementation of a novel multilevel inverter for renewable energy applications.

Scientific reports·2026
Same author

Correction: Performance of polyvinyl alcohol graphene oxide membrane for microplastic removal in wastewater with an IoT based monitoring approach.

Scientific reports·2026
Same author

Correction: Prediction of waste generation forecast and emission potential on the Erode City solid waste dump yards based on machine learning approach.

Scientific reports·2026
Same author

Optimal design and operation of grid-connected hybrid microgrid system using pelican optimization algorithm.

Scientific reports·2026
Same author

Development of Zn<sub>1-x</sub>Sn<sub>x</sub>O and Mg<sub>1-x</sub>Sn<sub>x</sub>O transparent conducting oxide thin films for perovskite solar cell applications.

Scientific reports·2026
Same author

Leveraging butterfly meta material structures in a symmetric stub-loaded microstrip MIMO antenna for advanced biomedical and security applications.

Scientific reports·2026

这项调查探讨了使用深度学习和计算机视觉的人类行为识别 (HAR). 它介绍了HARNet,一种新的架构,并分析了像VideoMAE v2这样的方法,以提高性能.

科学领域:

  • 计算机视觉 计算机视觉
  • 深度学习 (Deep Learning) 是一种深度学习.
  • 人工智能的人工智能

背景情况:

  • 人类动作识别 (HAR) 从手工制作的功能发展到深度学习.
  • 大规模的数据集对于推进HAR方法论至关重要.
  • 在HAR中现有的研究范式包括时间建模和空间特征提取.

研究的目的:

  • 在深度学习和计算机视觉的交叉点提供HAR方法的全面概述.
  • 将研究范式分类,突出其各自的优缺点.
  • 为了介绍HARNet,一个新的多模型深度学习架构.

主要方法:

  • 在HAR.中对手工制作的基于特征和端到端的深度学习方法的审查.
  • 基于时间建模和空间特征的研究范式的分类.
  • 开发和介绍HARNet,集成循环神经网络 (RNN),卷积神经网络 (CNN) 和注意力机制.
  • 使用VideoMAE v2方法进行实际实施分析的案例研究.

主要成果:

  • 一个拟议的分类学,阐明了不同HAR研究范式的优缺点.
  • 通过整合各种神经网络架构和注意力机制,HARNet表现出更高的准确性和稳定性.
关键词:
准确度 准确度 准确度 准确度 准确度在美国,CNN是CNN.深度学习是一种深度学习.基于特征的方法基于特征的方法.人类行动识别 (HAR)

更多相关视频

Deep Neural Networks for Image-Based Dietary Assessment
13:19

Deep Neural Networks for Image-Based Dietary Assessment

Published on: March 13, 2021

11.0K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.3K

相关实验视频

Last Updated: May 5, 2026

A Step-by-Step Implementation of DeepBehavior, Deep Learning Toolbox for Automated Behavior Analysis
05:41

A Step-by-Step Implementation of DeepBehavior, Deep Learning Toolbox for Automated Behavior Analysis

Published on: February 6, 2020

8.7K
Deep Neural Networks for Image-Based Dietary Assessment
13:19

Deep Neural Networks for Image-Based Dietary Assessment

Published on: March 13, 2021

11.0K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.3K
  • 视频MAE v2案例研究提供了对 HAR. 的实际实施挑战和解决方案的见解.

    • 结论:

    • 该调查为研究人员和从业人员提供了宝贵的资源,他们希望了解HAR的最新进展.
    • 在开发更准确,更强大的人类行动识别系统方面,HARNet是一个重大进步.
    • 该研究强调了整合各种深度学习技术和利用大型数据集对未来HAR研究的重要性.