改进TCN算法在人体跌倒检测中的应用
Computer Engineering and Design(2023)
摘要
为提高跌倒检测的准确率,解决传统RNN和CNN训练模型复杂且易产生梯度爆炸现象的问题,提出一种改进的时间卷积网络(TCN)算法.借鉴ResNet恒等映射的思想对残差结构进行改进,将激活函数改进为Leaky ReLU,减少神经元坏死的现象,为避免参数冗余造成模型过拟合问题,选用全局平均池化层代替全连接层实现分类.实验结果表明,该算法判断准确率达到99.4%,较改进前提高了 10.51%,与其它已有算法相比准确率提高了 2.68%~3.63%,能够准确检测出跌倒行为,对于及时识别老年人跌倒并报警,预防因发现不及时致残致死,具有较高的实用价值和社会价值.
更多关键词
time convolutional network,fall detection,residual structure,identity mapping,activation function,global average pooling,parameter redundancy
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要