原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于深度迁移特征的多视角信息融合步态识别研究
摘要： 基于深度学习的多视角信息融合步态识别对于现代识别技术的发展具有重要的借鉴意义。本研究基于深度迁移特征提出了一种多视角信息融合的新型步态识别算法，该算法基于残差网络（ResNet）模型，将多种特征提取模型进行集成，以实现多视角信息的识别和融合。 为了验证该算法的有效性和稳定性，我们选取CASIA-B和OULP数据集作为实验验证的数据集，分别进行了单视角和多视角实验。实验结果表明，本算法在多视角情况下，相较于单视角的算法，步态识别准确率显著提升。同时，对于不同的攻击行为，该算法仍具有较好的鲁棒性。因此，我们认为基于深度迁移特征的多视角信息融
文档评论（0）