引入高阶注意力机制的人体行为识别
【摘要】 现有的视频行为识别方法在特征提取过程中，存在忽略各个特征之间相互作用关系的问题，对近似动作的区分效果不理想。因此，提出引入高阶注意力机制的人体行为识别方法。在深度卷积神经网络中引入高阶注意力模块，通过注意力机制建模和利用复杂和高阶的统计信息，对训练过程中特征图各个部分的权重进行重新分配，从而关注局部细粒度信息，产生有区别性的关注建议，捕获行为之间的细微差异。在UCF101和HMDB51这两个人体行为数据集上的实验结果表明，与现有方法相比，识别率得到了一定的提升，验证了所提出方法的有效性和鲁棒性，提高了对近似行为的辨别能力。
