Thông tin chung
  English
  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác
  Tài liệu tham khảo
  Hiệu chỉnh
 
Số người truy cập: 109,474,599

 Leveraging FFT and Hybrid EfficientNet for Enhanced Action Recognition in Video Sequences
Tác giả hoặc Nhóm tác giả: Nguyen Nang Hung Van, Phuc Hao Do, Van Nam Hoang, Aleksandr Borodko, Tran Duc Le
Nơi đăng: Association for Computing MachineryNew YorkNYUnited States; Số: 979-8-4007-0891-6;Từ->đến trang: 32-39;Năm: 2023
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Quốc tế
TÓM TẮT
Human Action Recognition (HAR) has emerged as a pivotal challenge in the rapidly evolving realm of artificial intelligence and computer vision. This research delves into enhancing action recognition in video sequences by synergizing the Fast Fourier Transform (FFT) capabilities and the EfficientNet model. We employed the UCF101 dataset, encompassing a diverse range of action categories, to validate our approach empirically. The results underscored that incorporating FFT in the preprocessing stage amplifies the recognition efficacy of the EfficientNet model. Comparative analyses further substantiated the superiority of this combined approach over conventional methods, marking a significant contribution in the domain of action video recognition.
ABSTRACT
Human Action Recognition (HAR) has emerged as a pivotal challenge in the rapidly evolving realm of artificial intelligence and computer vision. This research delves into enhancing action recognition in video sequences by synergizing the Fast Fourier Transform (FFT) capabilities and the EfficientNet model. We employed the UCF101 dataset, encompassing a diverse range of action categories, to validate our approach empirically. The results underscored that incorporating FFT in the preprocessing stage amplifies the recognition efficacy of the EfficientNet model. Comparative analyses further substantiated the superiority of this combined approach over conventional methods, marking a significant contribution in the domain of action video recognition.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn