二维卷积神经网络动作识别中的自适应帧选择

本研究提出了一种动态帧选择技术，用于提取鲁棒特征。该方法有效减少了冗余信息，为网络提供了更具价值的输入。由于所需处理资源较少且能够保证足够的精度，所提出的方法适用于实时应用场景。当选择具有信息量的帧并最小化计算量时，网络的效率得以提升，同时保持了良好的精度。该框架在UCF101这一大型且具有现实意义的数据集上进行了测试。实验结果表明，无论采用ResNet-50还是MobileNet的预训练特征，均取得了可接受的性能表现。