%0 Journal Article %A 胡正平 %A 刁鹏成 %A 张瑞雪 %A 李淑芳 %A 赵梦瑶 %T 3D多支路聚合轻量网络视频行为识别算法研究 %D 2020 %R 10.3969/j.issn.0372-2112.2020.07.003 %J 电子学报 %P 1261-1268 %V 48 %N 7 %X 为构建拥有2D神经网络速度同时保持3D神经网络性能的视频行为识别模型,提出3D多支路聚合轻量网络行为识别算法.首先,利用分组卷积将神经网络分割成多个支路;其次,为促进支路间信息流动,加入具有信息聚合功能的多路复用模块;最后,引入自适应注意力机制,对通道与时空信息进行重定向.实验表明,本算法在UCF101数据集上的计算成本为11.5GFlops,准确率为96.2%;在HMDB51数据集上的计算成本为11.5GFlops,准确率为74.7%.与其他行为识别算法相比,提高了视频识别网络的效率,体现出一定识别速度和准确率优势. %U https://www.ejournal.org.cn/CN/10.3969/j.issn.0372-2112.2020.07.003