7、三流卷积神经网络在跌倒检测中的应用

三流卷积神经网络在跌倒检测中的应用

1. 卷积神经网络基础

卷积神经网络（CNNs）是深度网络的一种子类型，其结构与深度神经网络（DNN）类似，信息从一层流向另一层。不过，CNN 还通过卷积层处理数据，卷积层会执行各种卷积操作并调整数据大小，然后再将数据传递到下一层。这些卷积操作使网络能够在第一层学习低级特征，并在后续层中将它们合并以学习高级特征。通常，卷积网络的末尾会有一些全连接层，但这不是必需的。

在本文中，有两种 CNN 架构比较相关：
- VGG - 16 ：它是 2014 年 ImageNet 大规模视觉识别挑战赛（ILSVRC）定位类别比赛的获胜者，误差率为 7.3%。它使用 3×3 的小滤波器、步长为 1、填充为 1 的卷积以及 2×2 步长为 2 的最大池化，使得网络可以更深，同时计算量也在可接受范围内。VGG - 16 有 16 层和 1.38 亿个参数，对于深度网络来说，这个参数数量算是比较少的。该网络的最大计算负载发生在第一层，因为池化层会显著减少后续层的计算负载。其架构如图 1 所示。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(Input):::process --> B(Conv 1 - 1):::process
    B --> C(Conv 1 - 2):::process
    C --> D(Pool):::process
    D --> E(Conv 2 - 1):::process