Nuova Architettura di Rete Neurale a Due Livelli con Fusione di Caratteristiche a Doppio Stadio per il Riconoscimento delle Attività Umane

Un nuovo framework per il riconoscimento delle attività umane impiega un'architettura di rete a due livelli con fusione di caratteristiche a doppio stadio. Questo approccio integra strategicamente più reti neurali per sfruttarne i punti di forza complementari. Il riconoscimento delle attività umane comporta l'identificazione delle azioni umane utilizzando dati provenienti da sensori. Reti neurali come le reti neurali convoluzionali, le reti a memoria a lungo termine e le loro combinazioni ibride hanno dimostrato prestazioni eccezionali in diversi ambiti di ricerca. La disposizione strutturale di questi componenti influenza in modo critico le prestazioni complessive. Lo sviluppo di modelli individuali o ibridi multilivello a questo scopo richiede un'integrazione accurata. La fusione a doppio stadio include la fusione tardiva, che combina gli output del primo livello di rete, e la fusione intermedia, che integra le caratteristiche sia del primo che del secondo livello. I ricercatori hanno valutato 15 diverse architetture di rete CNN. Questo studio esplora come queste integrazioni possano migliorare le capacità di riconoscimento.