论文部分内容阅读
为弥补单任务识别未充分利用相关任务监督信息的缺陷,提出了一种基于卷积神经网络的多任务识别模型。该模型引入注意力机制,对任务共享层的特征进行重校正,并结合多尺度结构进行特征融合,最后在任务特定层上进行多任务识别。针对共享特征空间内类分布不紧凑导致的模型泛化性能降低问题,本文在模型中引入中心损失函数与均方误差损失函数,与传统的交叉熵损失函数相结合,共同优化模型。实验结果表明:所提模型在人体6个动作类别和15个身份类别上的最高识别准确率分别可达100%和99.93%,两种任务上识别的总准确率可达99.93%,均优于任务独立识别时的各项准确率,说明所提模型能更有效地同时完成人体动作及身份识别任务。