你好,游客 登录 注册 发布搜索
背景:
阅读新闻

稀疏自组合时空卷积神经网络动作识别方法及其并行化

[日期:2014-12-08] 来源:CNKI  作者:龚丁禧 [字体: ]

稀疏自组合时空卷积神经网络动作识别方法及其并行化

厦门大学 龚丁禧 

为了进一步提高时空卷积神经网络的性能,在组合卷积层的输入特征图时,提出了一种稀疏自组合策略。通过对输入特征图增加稀疏性限制,使卷积层能够自动学习出最佳的特征图组合作为输入,与传统的手工设置方式相比,省略了手工设置的繁复步骤,实验表明,采用稀疏自组合策略的时空卷积神经网络具有更好的特征学习能力与分类能力。 提出了一种基于MapReduce的矩阵并行相乘算法,基于该矩阵并行算法,在Hadoop平台对稀疏自组合时空卷积神经网络采用MapReduce编程模型并行化,并与串行实验结果进行了对比,验证了稀疏自组合时空卷积神经网络并行化的可行性、稳定性、正确性,并获得了一定的加速比。为了利用多核CPU的计算能力,将MapReduce的Map过程和Reduce过程采用多线程实现,将该算法用于稀疏自组合时空卷积神经网络的训练测试,性能进一步得到提高。 分别在WEIZMAN和KTH两个公开数据集上进行了一系列实验,展示了时空卷积神经网络在各种场景下的表现性能。实验结果表明,与其他基准方法相比,本文提出的方法在两个数据集上表现出了非常有竞争力的结果。


稀疏自组合时空卷积神经网络动作识别方法及其并行化

收藏 推荐 打印 | 录入:574107552 | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款