论文部分内容阅读
针对传统的机器学习算法以及常规的深度学习模型对于大数据量的航运监控视频识别效果不佳的问题,设计一种组约束深度神经网络模型(GCDNN)对实时航运监控视频进行识别。模型主要由结合Inception结构的VGG-16组件和优化LSTM单元的深层双向循环神经网络DBO-LSTM组件构成,充分提取视频帧序列的时空特征,使用稀疏组套索正则化算法进行网络稀疏处理,使用随机森林算法输出分类结果。实验结果表明,所提模型可以较好提升大数据量下的视频识别准确率,对于受恶劣天气影响的数据具有较强的识别能力,验证了所提模型