本文提出一种多流卷积神经网络架构，包含不同的网络结构:引入注意力机制的

Þessi grein leggur til fjölstrauman tauga net arkitektúr, mismunandi net arkitektúr samanstanda af: að kynna athygli vélar <br>víddar tauga net byggir kerfi og þrívíddar uppbyggingu leifar taugakerfi net, net arkitektúr sýnd á mynd 4-2 <br>af sýninguna. Þegar núverandi þrívíddarnet á guðsstigi framkvæmir hrun í tíma er þrívíddarkjarni þrívíddar notaður til að framkvæma krampa í samfelldum rammamyndateningum í formi renniglugga. Hins vegar, vegna breytinga á líkamsstöðu, gangi og stöðu gangandi, er krampa í sömu stöðu ekki viðeigandi og þrívíddarkjarni í þrívídd getur aðeins dregið út tímareiginleika þriggja ramma mynda í röð í einu þegar krampa á tímasetningunni, sem er ekki mjög gott. Fáðu upplýsingar um íþróttir. Þess vegna, í því skyni að auka hreyfingu upplýsingar, auðga hreyfing lögun, og auka áreiðanleika einni lögun framsetning, hegðun viðurkenningu aðferð sem byggist á 3D convolutional tauga net lögun samruna er lagt til, það er, miðað við VGG16 net líkan <br>, það er sent til fyrirfram keyptra til að læra sjónflæðið og fá <br>tímalénseinkenni, tímalénseinkenni lokamynda 3D rúmmáls taugakerfisins eru með útdráttareiginleikasamruna með því að nota SVM flokkara til að flokka hegðun <br>margstraums taugakerfis skipt í fimm netgreinar, þar af þrjú tvívítt taugakerfi, <br>það er að segja tvívítt taugakerfi sem innleiða athyglikerfi. Inception-V3 er notað sem grunnnet og athyglisuppbyggingin er innbyggð í net uppbygging til að gera netið sjálfstætt Lærðu einkenni lykilsvæða til að draga úr truflunum á hávaða. Á sama tíma inniheldur netkerfið þrjú gagnatengi, nefnilega RGB gögn með einum ramma, stigs kortagagna með einum ramma og staflað þétt sjónflæðiskort, til að hámarka öflun rýmisupplýsinga við viðurkenningu mannlegrar hegðunar. Hinar tvær greinar fjölstraums taugakerfisins eru þrívíddar tauganetið sem byggist á leifargerð þrívíddar taugakerfisins. Í þessu neti er leifargerð bætt við til að dýpka netið en forðastu niðurbrot á frammistöðu og hverfa halla. Vandamál og notaðu alþjóðlegt meðaltalssamlag til að skipta um fullkomlega tengda lagið, draga úr magni líkanstika og bæta hraða líkamsþjálfunar og ályktunar. Gagnainntak þrívíða taugakerfisins er samfellt fjölramma RGB kort og hallandi kortagögn

Í þessu blaði er lögð til fjölflæðisspólutúr tauganetsarkitektúr, sem inniheldur mismunandi netuppbyggingu: kynningu á athyglisvélum<br>tvívítt spóluð tauganet og þrívítt leifar tauganeta sem byggjast á leifar mannvirkja, netarkitektúr eins og sést á mynd 4-2<br>Sýnt. Þegar núverandi 3D endurramma-stigs net gerir spólun í tíma, þrívíddarspólukjarnann er notaður til að hjóla í rúmblokk samfellda rammamyndarinnar í formi renniglugga. Hins vegar, vegna breytinga á viðhorfi gangandi vegfarenda, aðgerð og stöðu, er ekki við hæfi að endurramma í sömu stöðu, og þegar 3D cournt kjarninn gerir co vöruna á tímasetningu, er aðeins hægt að draga út tímaeiginleika samfelldrar þriggja ramma myndar í einu og ekki er hægt að fá upplýsingar um hreyfingu mjög vel. Þess vegna, í því skyni að auka upplýsingar um hreyfingu, auðga hreyfieiginleika og auka öflugni einn lögun, hegðun viðurkenningu aðferð byggt á samruna 3D converged tauganet einkenni er lagt til, þ.m.t. á grundvelli VGG16 netlíkansins<br>, fæða fyrirfram keypt sjónflæði mynd til að læra, þá eignast tíma lén lögun, og að lokum tíma lén lögun með 3D bindi<br>Einkennin sem safnað er af uppsöfnuðu tauganeti eru samsett og hegðunarflokkunin er framkvæmd af SVM flokkunartæki<br> Fjölflæðisspólutauganetum er skipt í 5 netgreinar, þar af eru 3 net tvívítt covon tauganet.<br>Tvívítt spólunet taugakerfisins, sem kynnir athyglisbúnaðinn, byggir á Inception-V3, sem fellir athyglisuppbygginguna í netuppbyggingunni til þess að leyfa netinu að læra helstu svæðisbundin einkenni sjálfstætt og draga úr truflun á hávaða. Á sama tíma inniheldur netið þrjár stillingar gagnainntaks, þ.e. einramma RGB gögn, einramma blöndunargögn og staflað þétt ljósflæðiskort, til að hámarka mannlega hegðun viðurkenningu á upplýsingum um geimtíma. Hinar tvær greinar fjölflæðisflæðis tauganetsins eru þrívítt afturflæði tauganetsins, sem byggir á afgangsuppbyggingunni, þar sem netið dýpkar netið með því að bæta við afgangsuppbyggingu til að forðast vandann við afköst hnignunar og blöndunar hvarfs, og notar alþjóðlegt meðaltalssöfnun í stað fulls tengilags, dregur úr fjölda líkana Gagnainntak tauganetsins þrívíddarspólu er RGB og gögn um blöndun fyrir samfellda fjölramma