基于AE-CNN的手势识别算法

在手势识别的过程中,手势的多样性和复杂程度会对手势识别率造成很大的影响。随着深度学习的快速发展,卷积神经网络在手势识别领域取得了突破性进展。但基于卷积神经网络的方法仍存在收敛速度慢、识别率低等问题,因此手势识别很难取得较好成果。为了解决卷积神经网络在手势识别中存在的收敛速度慢、识别率低问题,提出一种AE-CNN的手势识别算法。实验结果表明,该算法收敛速度快、识别准确率高,并且没有明显增加识别过程的耗时性。     

基于Python的小鸡快跑游戏设计与实现

Python在大数据、数据挖掘、人工智能等领域的使用越来越广泛,学习Python的人数也在逐年递增,而对于提高初学者编程兴趣最好的方法就是游戏开发。通过“小鸡快跑”游戏介绍了Python在游戏开发过程中规划以及代码的实现,简单易懂,便于python初学者学习借鉴。     

基于Python语言构建神经网络识别手写数字的研究

随着信息技术的快速发展,利用计算机识别手写数字节省了大量的人工识别成本,具有一定的现实意义.通过Python语言构建神经网络,以手写数字识别为研究对象,不仅对神经网络的原理和数学建模做了详细阐述,还用Python语言模拟实现神经网络模型,通过训练神经网络模型输出识别手写数字的准确度以及相关影响因子的分析,实现了对手写数...     

视觉情感识别系统的设计与实现

在现实生活中,人们具有丰富的情感,而情感会影响人的行为及认知等.为了获取并识别人类的情感,提出一种基于深度学习的"视觉情感识别系统"的设计方案.通过Python语言编写网络爬虫程序,爬取网络上带有情感标签的人脸图片,从而为神经网络的训练提供数据;采用Keras框架搭建卷积神经网络,对带有情感标签的人脸图片进行深度学习,...     

基于双通道测量的FMCW雷达手势识别方法

文章提出一种基于调频连续波雷达(FMCW)的双通道卷积神经网络(CNN)手势识别方法.首先利用FMCW雷达分别对不同手势动作进行探测,收集到回波数据,然后对原始回波数据进行预处理,获取两个接收通道手势动作的时频谱.最后将生成的图像输入到双通道CNN中,进行手势特征提取和特征融合.实验结果表明,基于一个发射通道二个接收通...     

基于Python的地震应急评估模型设计与实现

利用Python语言实现地震应急评估模型的自动化产出,整体框架包括数据叠加分析、震中、人员伤亡、经济损失等自动产出。当发生地震或模拟地震演练时﹐通过输入地震三要素,程序能够自动化产出地震造成的经济损失和人员伤亡,及时、快速地计算灾情相关信息,生成相应的地震应急快速评估报告,对于及时制定相应的救援策略,提高救援效率和救援质量,起着至关重要的作用。     

基于UGF-Net的指尖检测模型

在人机交互领域,精确的人手指尖检测对交互的丰富度、灵活度有很大影响.然而,由于指尖的尺寸较小,精确、鲁棒的指尖检测目前仍然是一项颇具挑战性的任务.为了提升指尖检测的准确率与实时性,提出一种基于深度卷积神经网络的指尖检测模型UGF-Net(unified-gesture-and-fingertip-network).该模...     

基于卷积神经网络的手势识别算法设计与实现

为了克服传统手势识别方法复杂的人工提取特征值操作,引入卷积神经网络进行手势识别,该算法可以直接对原始图像进行处理,具有局部感知域、权值共享和池化等特点,可以有效提取图像特征。使用Marcel手势识别数据集对框架进行训练,采用交叉验证的方法对系统进行评估,实验结果表明该方法可以识别经过训练的手势,且精确度高,鲁棒性强。     

基于Python和CNN的验证码识别

针对目前互联网上关于页面自动登录环节出现的难点,由于部分登录界面有验证码的存在,自动登录的时长被增加,并且有的验证码难以识别,这就提出了基于Python和卷积神经网络(CNN)相结合的验证码识别。首先本文对三千多张验证码的样本集进行图片预处理,分别有灰度化处理、二值化处理和去噪点处理三步操作。然后利用三个池化层和一个全连接层的结构设计卷积神经网络,随后训练样本集,并对随机的十个样本进行预测。     

基于语义分割与迁移学习的手势识别

针对复杂场景下深度相机环境要求高,可穿戴设备不自然,基于深度学习模型数据集样本少导致识别能力、鲁棒性欠佳的问题,提出了一种基于语义分割的深度学习模型进行手势分割结合迁移学习的神经网络识别的手势识别方法。通过对采集到的图像数据集首进行不同角度旋转,翻转等操作进行数据集样本增强,训练分割模型进行手势区域的分割,通过迁移学习卷积神经网络更好的提取手势特征向量,通过Softmax函数进行手势分类识别。通过4个人在不同背景下做的10个手势,实验结果表明: 针对复杂背景环境下能够正确的识别手势。     

基于Python的sigmoid函数FPGA实现

sigmoid函数是人工神经网络中通常采用的传递函数,采用基于Python的软硬件协同设计方法,在FPGA上实现了定点sigmoid函数。实验结果表明采用基于Python的软硬件协同设计方法,可以利用Python上大量的包和模块从而大幅度提高系统设计、仿真和校验的效率,并且能将软件算法快速有效地转换为硬件实现,在整个软硬件设计过程中仅采用Python语言,解决了当前系统设计中软硬件设计者分别采用不同设计语言存在的沟通问题。     

基于Python的行人重识别系统设计与实现

借助人工检测目标行人的方法不仅效率低下,而且易受非目标行人和环境等因素的干扰,无法达到快速识别的目的,与现代社会需求相悖。为此,基于Python设计了行人重识别系统。在该系统中输入待检测行人图像,可立即显示识别结果,不仅可满足实际应用场景的需求,而且使得行人重识别更加便捷和智能。     

基于PoseNet模型实现人体姿态识别

介绍了一种基于深度学习的计算机视觉应用方向——姿态识别,是基于PoseNet模型开发的一款实现人体姿态识别的Android应用.基于PoseNet模型实现的人体姿态识别更加轻量高效,具有很高的应用价值.讲解了姿态识别开发过程中关键技术的实现,包括姿态识别的基本处理过程与整体架构、PoseNet的网络模型结构、利用模型输...     

基于骨架的快速手势识别模型

对于手势识别来说,骨架数据是一种紧凑且对环境条件稳健的数据模态.最近基于骨架的手势识别研究多使用深度神经网络去提取空间和时间的信息,然而这些方法可能存在复杂的计算和大量的模型参数的问题.为了解决这个问题,我们提出一种轻量高效的手势识别模型.该模型使用从骨架序列上计算出的两种空间几何特征,以及自动学习的运动轨迹特征,然后只使用卷积网络作为骨干网络实现手势分类.最终我们的模型参数量最少情况下仅为0.16 M,计算复杂度最大情况为0.03 GFLOPs.我们在公开的两个数据集上评估了我们的方法,与其他输入为骨架模态的方法相比,我们的方法取得了相应数据集上最好的结果.     

基于Python Flask的运维信息管理系统设计与实现

使用Python Flask框架开发一套基于B/S架构的运维信息管理系统.该系统分为终端管理模块、设备管理模块、仓库管理模块及用户管理模块.终端管理模块实现终端运维信息台账管理,设备管理模块实现运维设备台账信息管理,仓库管理模块实现运维工作中备品备件台账信息管理,用户管理模块实现系统用户账号、权限等管理.     

基于Python语言的Excel函数学习系统的设计与实现

在Excel函数学习和使用中,普遍存在函数种类繁多、分类复杂、功能不清诸多问题,既容易出现混淆,又不能使学员迅速完成任务.鉴于这样问题的存在,该文设计了基于Python语言下函数学习系统来解决上述问题,为学员提供一种简单、便捷、科学的学习平台.     

基于3D卷积神经网络的动态手势识别

传统的2D卷积神经网络在进行视频识别时容易丢失目标在时间维度上的相关特征信息,导致识别准确率降低。针对该问题,本文采用3D卷积网络作为基本的网络框架,使用3D卷积核进行卷积操作提取视频中的时空特征,同时集成多个3D卷积神经网络模型对动态手势进行识别。为了提高模型的收敛速度和训练的稳定性,运用批量归一化（BN）技术优化网络,使优化后的网络训练时间缩短。实验结果表明,本文方法对于动态手势的识别具有较好的识别结果,在Sheffield Kinect Gesture (SKIG)数据集上识别准确率达到98.06%。与单独使用RGB信息、深度信息以及传统2D CNN相比,手势识别率均有所提高,验证了本文方法的可行性和有效性。