一种基于改进的卷积神经网络人体跌倒检测算法

打开文本图片集

摘要：文章针对高质量公开跌倒数据集较少，导致模型泛化能力较弱、检测准确率低、现有网络全连接层参数量过大收敛速度慢的问题，设计了适用于跌倒检测的迁移学习方法，使用GAP（Global Average-Pooling，GAP）层替换全连接层方法，并在隐藏层加入BN（Batch Normalization，BN）操作，优化网络参数，设置了多组对比实验发现改进的网络模型在不同的数据集上训练时间相比于之前有所提升，均取得了不错的效果，使得神经网络既能够在大规模图像数据集上学习通用的特征又能够在公开跌倒数据集上学习跌倒特征，增强了网络的泛化能力。（剩余4445字）