基于3D-ResNet双流网络的VR病评估模型

权巍,蔡永青,王超,宋佳,孙鸿凯,李林轩

VR sickness estimation model based on 3D-ResNet two-stream network

Wei QUAN,Yong-qing CAI,Chao WANG,Jia SONG,Hong-kai SUN,Lin-xuan LI

表 1 子网络结构

Tab.1 Sub-network structure

网络层 输出大小 3D-ResNet50 Conv1 $ L \times 112 \times 112 $ $ 7 \times 7 \times 7 $，64，stride 2 Conv2_x $ L \times 56 \times 56 $ $ \left[\begin{array}{c}1\times 1\times 1，64\\ 3\times 3\times 3，64\\ 1\times 1\times 1，256\end{array}\right]\times 3 $ Conv3_x $ \dfrac{L}{2} \times 28 \times 28 $ $ \left[\begin{array}{c}1\times 1\times 1，128\\ 3\times 3\times 3，128\\ 1\times 1\times 1，512\end{array}\right]\times 4 $ Conv4_x $ \dfrac{L}{4} \times 14 \times 14 $ $\left[\begin{array}{c}1\times 1\times 1，256\\ 3\times 3\times 3，256\\ 1\times 1\times 1，1\;024\end{array}\right]\times 6$ Conv5_x $ \dfrac{L}{8} \times 7 \times 7 $ $\left[\begin{array}{c}1\times 1\times 1，512\\ 3\times 3\times 3，512\\ 1\times 1\times 1，2\;048\end{array}\right]\times 3$ — $ 1 \times 1 \times 1 $ 3D-Average Pool，Fc Layer with Softmax