卷积神经网络在步态识别中的性能评估
计算机视觉与模式识别
2021-01-26 v1 机器学习
摘要
本文对步态识别中著名的深度学习模型进行了性能评估。为此，采用迁移学习方案对预训练模型进行调整，使其适配 CASIA-B 数据集以解决步态识别任务。在此背景下，使用 CASIA-B 的步态能量图（GEIs）对 18 个流行的卷积神经网络（CNNs）进行重新训练，该数据集包含 124 个类别在各种条件下的近 14000 张图像，并从准确率角度研究了它们的性能。此外，通过考察模型在做出决策时所关注的图像区域，力求解释所研究模型的性能。实验结果非常有前景，因为几乎所有模型的准确率都超过了 90%，且对类别数量的增加具有鲁棒性。此外，本研究的一个重要结论是，使用针对不同问题预训练的 CNNs 即可有效解决识别问题，从而免除了定制模型设计的需求。
引用
@article{arxiv.2101.10141,
title = {Performance Evaluation of Convolutional Neural Networks for Gait Recognition},
author = {K. D. Apostolidis and P. S. Amanatidis and G. A. Papakostas},
journal= {arXiv preprint arXiv:2101.10141},
year = {2021}
}
备注
6 pages, 15 figures, to be published in proceedings of the 24th Pan-Hellenic Conference on Informatics (PCI)