基于分布式深度學(xué)習(xí)系統(tǒng)的視頻動(dòng)作識(shí)別.pdf

1、視頻動(dòng)作識(shí)別是指視頻中人物動(dòng)作的識(shí)別，它是解決視頻監(jiān)控、人機(jī)交互、視頻情感分析等問題的基礎(chǔ)，也是深度學(xué)習(xí)研究的熱門領(lǐng)域。隨著視頻動(dòng)作識(shí)別需求的日益增長(zhǎng)，如何構(gòu)建一個(gè)高效快捷的大規(guī)模視頻動(dòng)作識(shí)別框架、設(shè)計(jì)一個(gè)具有更好效果的視頻動(dòng)作識(shí)別模型在現(xiàn)階段顯得尤為重要，而且這兩種情況至今都沒有統(tǒng)一的解決方案。針對(duì)以上的兩種問題，本文進(jìn)行了深入的研究，實(shí)現(xiàn)了基于遠(yuǎn)程GPU調(diào)用的分布式深度學(xué)習(xí)系統(tǒng)，提出了改進(jìn)的視頻動(dòng)作識(shí)別模型。最終利用分布式深度學(xué)習(xí)系

2、統(tǒng)訓(xùn)練改進(jìn)的視頻動(dòng)作識(shí)別模型分別驗(yàn)證兩者的可行性和有效性。本文的主要研究?jī)?nèi)容如下:
　　1.利用API重定向的虛擬化方法構(gòu)建遠(yuǎn)程GPU調(diào)用，并在此基礎(chǔ)上實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)的加速訓(xùn)練。在ZeroMQ構(gòu)建的分布式系統(tǒng)上實(shí)現(xiàn)多個(gè)GPU遠(yuǎn)程調(diào)用，形成基于多個(gè)GPU遠(yuǎn)程調(diào)用的分布式深度學(xué)習(xí)系統(tǒng)，并在深度學(xué)習(xí)庫(kù)cuDNN、P2P、網(wǎng)絡(luò)通信等方面實(shí)現(xiàn)改進(jìn)。這種方法構(gòu)建的分布式深度學(xué)習(xí)系統(tǒng)可以用來做大規(guī)模視頻動(dòng)作識(shí)別框架，其最大的好處為單機(jī)多GPU

3、的代碼不需要修改或者只需要少量修改就可以實(shí)現(xiàn)快速的分布式拓展。
　　2.改進(jìn)傳統(tǒng)的視頻動(dòng)作方法，設(shè)計(jì)不需要手動(dòng)設(shè)計(jì)特征的新模型iRCN。該模型利用全局的采樣特征，將視頻分成不同的時(shí)間階段進(jìn)行圖片采樣。利用3D_CNN提取視頻每個(gè)階段的運(yùn)動(dòng)特征。然后利用biLSTM獲得所有運(yùn)動(dòng)特征在時(shí)間域上的相關(guān)性，最后把Softmax作為損失函數(shù)。最終iRCN模型在數(shù)據(jù)集UCF-101和HDMB-51上分別獲得85.6％和56.6％的正確率。這是

4、目前為止，在所有不借助手動(dòng)設(shè)計(jì)特征的視頻動(dòng)作識(shí)別方法中最高的正確率。
　　3.在分布式深度學(xué)習(xí)系統(tǒng)上可以實(shí)現(xiàn)數(shù)據(jù)并行和模型并行的快速分布式拓展。利用分布式深度學(xué)習(xí)系統(tǒng)對(duì)改進(jìn)的視頻動(dòng)作識(shí)別模型進(jìn)行有效的訓(xùn)練，訓(xùn)練內(nèi)容主要包括兩個(gè)方面，分別為基于改進(jìn)MapReduce的視頻特征提取和完整模型的分布式訓(xùn)練。分布式深度學(xué)習(xí)系統(tǒng)可以有效的提高視頻特征的提取速度，實(shí)驗(yàn)同時(shí)可以驗(yàn)證分布式深度學(xué)習(xí)系統(tǒng)和改進(jìn)視頻動(dòng)作識(shí)別模型的可行性和有效性。最后利