Adaptive Frame Selection in zweidimensionalen convolutionalen neuronalen Netzen zur Aktenerkennung

In dieser Forschung präsentieren wir eine Technik zur dynamischen Frame-Auswahl, um robuste Merkmale zu erzielen. Dies führt zu geringerer Redundanz und nutzbaren Eingaben für das Netzwerk. Da die vorgeschlagene Methode weniger Verarbeitungsressourcen verbraucht und dennoch ausreichende Genauigkeit bietet, ist sie für Echtzeitanwendungen geeignet. Wenn informative Frames ausgewählt und die Berechnung minimiert werden, wird das Netzwerk effizienter und behält gleichzeitig eine ausreichende Genauigkeit bei. Das Framework wurde anhand von UCF101, einem der umfangreichen und realistischen Datensätze, getestet. Die Experimente zeigen akzeptable Ergebnisse, wenn sowohl ResNet-50 als auch MobileNet vortrainierte Merkmale eingesetzt werden.