来源：期刊VIP网 时间：
作者：黄乾坤;黄蔚;凌兴宏;
单位：苏州大学计算机科学与技术学院;苏州大学东吴学院计算机系;苏州城市学院计算科学与人工智能学院;吉林大学符号计算与知识工程教育部重点实验室;
摘要：目前大卷积核模型在图像领域已经证明其有效性，但是在视频领域还没有优秀的3D大卷积核模型。此外，之前的工作中忽视了时空行为检测任务主体是人的特点，其中的骨干网络只针对通用目标提取特征。针对上述原因，提出了一种含有特征融合结构的3D大卷积核神经网络(FFConvNeXt3D)。首先，将成熟的ConvNeXt网络膨胀成用于视频领域的ConvNeXt3D网络，其中，预训练权重也进行处理用于膨胀后的网络。其次，研究了卷积核时间维度大小和位置对模型性能的影响。最后，提出了一个特征融合结构，着重提高骨干网络提取人物大小目标特征的能力。在UCF101-24数据集上进行了消融实验和对比实验，实验结果验证了特征融合结构的有效性，并且该模型性能优于其他方法。
关键词：大卷积核;;目标检测;;时空行为检测;;行为识别;;特征融合
基金资助：吉林大学符号计算与知识工程教育部重点实验室开放自主课题项目(93K172021K08);; 江苏高校优势学科建设工程资助项目
