基于深度神经模糊循环注意力模型的人体动作表现评估
人工智能
2020-03-27 v3
摘要
大量计算机视觉文献聚焦于区分人体动作识别与分类，而非所执行动作的剧烈程度。由于视频输入中存在的不确定性与信息缺失，对决定人体动作表现强度的指数化是一项具有挑战性的任务。为补救这种不确定性，本文中将模糊逻辑规则与基于神经网络的动作识别模型相耦合，以将人体动作的剧烈程度评级为剧烈或温和。在我们的方法中，我们使用时空LSTM生成模糊逻辑模型的权重，并通过实验证明动作强度的指数化是可行的。我们将该集成模型应用于具有不同动作强度的人体动作视频进行分析，并在我们生成的强度指数数据集上达到了89.16%的准确率。该集成模型展示了神经模糊推理模块有效估计人体动作强度指数的能力。
引用
@article{arxiv.2001.10953,
title = {Human Action Performance using Deep Neuro-Fuzzy Recurrent Attention Model},
author = {Nihar Bendre and Nima Ebadi and John J Prevost and Paul Rad},
journal= {arXiv preprint arXiv:2001.10953},
year = {2020}
}
备注
1 pages, 6 figures, 2 algorithms. Published at IEEE Access