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 5 Padmanabar模型精度的对比 |
| Tab.5 Comparison of Padmanabar model accuracy |
|
| 模型 | $ P $/% | $ N $ | $ t $/h | | 外观流网络-无注意力机制 | 87.9 | 46 237 032 | 11. 2 | | 运动流网络-无注意力机制 | 79.3 | 46 237 032 | 11. 2 | | 无注意力机制的双流网络 | 91.5 | — | — | | 外观流网络-注意力机制 | 89.6 | 51 250 085 | 12. 0 | | 运动流网络-注意力机制 | 82.9 | 51 250 085 | 12. 0 | | 二分类SVM [24] | 81.8 | — | — | | 三分类SVM [24] | 58.0 | — | — | | 四分类ANN [25] | 90.0 | — | — | | 包含注意力机制的双流网络 | 93.7 | — | — |
|
|
|