دانلود مقاله یادگیری عمیق سلسله مراتبی برای شناخت عملکرد انسان
تعداد کلمات فایل انگلیسی:3290 کلمه 11 صفحه pdf
تعداد صفحات فایل ترجمه:13 صفحه word فونت 14 B Nazanin
یادگیری عمیقسلسله مراتبی برای شناخت عملکرد انسان
چکیده ی مقاله به صورت خلاصه :
در این مقاله یک مدل یادگیری عمیق خودکار را ارائه می دهیم که دانش های انسانی را طبقه بندی می کند.اولین گام در طرح ما یادگیری بر اساس گسترش شبکه عصبی پیچیده تا سه بعدی، ویژگی های فضایی-زمانی خودکار است.سپس یک شبکه عصبی سلسله مراتبی آموزش داده می شود تا با توجه به تکامل زمانی از ویژگی های آموخته شده برای هر مرحله در نظر گرفته شود.نتایج تجربی در مجموعه داده KTH نشان می دهد که رویکرد پیشنهادی از مدل های موجود عمیق تر و بهتر است و نتایج قابل مقایسه با بهترین کارهای مرتبط را ارائه می دهد.
– مقدمه و تحقیقات مرتبط :شناخت رفتار انسانی و تعامل آن با محیط زیست، در سال های اخیر به دلیل پتانسیلو کاربرد در انواع حوزه ها آن، یکمورد تحقیقاتی فعال بوده است.
کلید واژه ها: تشخیص عملکرد انسان، مدل های عمیق، شبکه عصبی کانولوشن سه بعدی، حافظه کوتاه مدت، مجموعه داده های عملکردهای انسان KTH سلسله مراتبی شناخت عملکرد اموزش مراتبی
Sequential Deep Learning for Human Action Recognition
Abstract. We propose in this paper a fully automated deep model, which learns to classify human actions without using any prior knowledge. The first step of our scheme, based on the extension of Gonvo-lutional Neural Networks to 3D, automatically learns spatio-temporal features. A Recurrent Neural Network is then trained to classify each sequence considering the temporal evolution of the learned features for each timestep. Experimental results on the KTH dataset show that the proposed approach outperforms existing deep models, and gives comparable results with the best related works.
1 Introduction and Related Work :Automatic understanding of human behaviour and its interaction with his environment have been an active research area in the last years due to its potential application in a variety of domains
Keywords: Human action recognition, deep models, 3D convolutional neural networks, long short-term memory, KTH human actions dataset
کد:10873
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله یادگیری عمیق سلسله مراتبی برای شناخت عملکرد انسان
تعداد کلمات فایل انگلیسی:3290 کلمه 11 صفحه pdf
تعداد صفحات فایل ترجمه:13 صفحه word فونت 14 B Nazanin
یادگیری عمیقسلسله مراتبی برای شناخت عملکرد انسان
چکیده ی مقاله به صورت خلاصه :
در این مقاله یک مدل یادگیری عمیق خودکار را ارائه می دهیم که دانش های انسانی را طبقه بندی می کند.اولین گام در طرح ما یادگیری بر اساس گسترش شبکه عصبی پیچیده تا سه بعدی، ویژگی های فضایی-زمانی خودکار است.سپس یک شبکه عصبی سلسله مراتبی آموزش داده می شود تا با توجه به تکامل زمانی از ویژگی های آموخته شده برای هر مرحله در نظر گرفته شود.نتایج تجربی در مجموعه داده KTH نشان می دهد که رویکرد پیشنهادی از مدل های موجود عمیق تر و بهتر است و نتایج قابل مقایسه با بهترین کارهای مرتبط را ارائه می دهد.
– مقدمه و تحقیقات مرتبط :شناخت رفتار انسانی و تعامل آن با محیط زیست، در سال های اخیر به دلیل پتانسیلو کاربرد در انواع حوزه ها آن، یکمورد تحقیقاتی فعال بوده است.
کلید واژه ها: تشخیص عملکرد انسان، مدل های عمیق، شبکه عصبی کانولوشن سه بعدی، حافظه کوتاه مدت، مجموعه داده های عملکردهای انسان KTH سلسله مراتبی شناخت عملکرد اموزش مراتبی
Sequential Deep Learning for Human Action Recognition
Abstract. We propose in this paper a fully automated deep model, which learns to classify human actions without using any prior knowledge. The first step of our scheme, based on the extension of Gonvo-lutional Neural Networks to 3D, automatically learns spatio-temporal features. A Recurrent Neural Network is then trained to classify each sequence considering the temporal evolution of the learned features for each timestep. Experimental results on the KTH dataset show that the proposed approach outperforms existing deep models, and gives comparable results with the best related works.
1 Introduction and Related Work :Automatic understanding of human behaviour and its interaction with his environment have been an active research area in the last years due to its potential application in a variety of domains
Keywords: Human action recognition, deep models, 3D convolutional neural networks, long short-term memory, KTH human actions dataset
کد:10873
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com