成果完成人：赵建光

成果完成时间：2024年5月23日

成果完成人所在院系：信息工程学院

成果简介：

本成果围绕以解决行为识别中时序建模困难的问题为出发点，深入研究了基于深度学习的行为识别算法，拟探索一个通用且有效的行为识别模型。设计了一种多路卷积网络的行为识别网络框架，网络以不同尺度和模态的数据作为输入。网络整体分为三条网络分支：短时序分支、长时序分支及光流分支，采用多路分支逐层提取不同尺度、不同模态的行为特征。在大型行为识别数据集UCF101上进行了验证，结果表明该算法克服了固定序列长度输入对不同长度行为判别力的不足，同时兼顾了多种模态特征的互补性，有效提高了网络的识别性能。

成果应用：

本成果在大型行为识别数据集UCF101上进行了验证，有效提高了现有网络的识别性能。

成果产出：

本成果发表论文2篇，获得发明专利1项。

成果图片：