排序方式: 共有15条查询结果,搜索用时 0 毫秒
1.
视频中的人体动作识别在计算机视觉领域得到广泛关注,基于人体骨架的动作识别方法可以明确地表现人体动作,因此已逐渐成为该领域的重要研究方向之一。针对多数主流人体动作识别方法网络参数量大、计算复杂度高等问题,设计一种融合多流数据的轻量级图卷积网络,并将其应用于人体骨架动作识别任务。在数据预处理阶段,利用多流数据融合方法对4种特征数据流进行融合,通过一次训练就可得到最优结果,从而降低网络参数量。设计基于图卷积网络的非局部网络模块,以捕获图像的全局信息从而提高动作识别准确率。在此基础上,设计空间Ghost图卷积模块和时间Ghost图卷积模块,从网络结构上进一步降低网络参数量。在动作识别数据集NTU60 RGB+D和NTU120 RGB+D上进行实验,结果表明,与近年主流动作识别方法ST-GCN、2s AS-GCN、2s AGCN等相比,基于该轻量级图卷积网络的人体骨架动作识别方法在保持较低网络参数量的情况下能够取得较高的识别准确率。 相似文献
2.
采用变密度法和折衷规划法建立了结构的多目标拓扑优化模型,并利用分析层级法确定了子目标权重。以"U"型结构为对象进行了多目标拓扑优化设计,得到了结构质量较轻的新结构形式。该方法可应用于结构的优化设计。 相似文献
3.
行人检测在无人驾驶环境感知领域具有重要应用。现有行人检测算法多数只关注普通大小的行人目标,忽略了小目标行人特征信息过少的问题,从而造成检测精度低、应用于嵌入式设备中实时性不高等情况。针对该问题,提出一种小目标行人检测算法YOLOv4-DBF。引用深度可分离卷积代替YOLOv4算法中的传统卷积,以降低模型的参数量和计算量,提升检测速度和算法实时性。在YOLOv4骨干网络中的特征融合部分引入scSE注意力模块,对输入行人特征图的重要通道和空间特征进行增强,促使网络学习更有意义的特征信息。对YOLOv4颈部中特征金字塔网络的特征融合部分进行改进,在增加少量计算量的情况下增强对图像中行人目标的多尺度特征学习,从而提高检测精度。在VOC07+12+COCO数据集上进行训练和验证,结果表明,相比原YOLOv4算法,YOLOv4-DBF算法的AP值提高4.16个百分点,速度提升27%,将该算法加速部署在无人车中的TX2设备上进行实时测试,其检测速度达到23FPS,能够有效提高小目标行人检测的精度及实时性。 相似文献
4.
人体关键点检测在智能视频监控、人机交互等领域具有重要应用。多数基于深度学习的人体关键点检测算法仅聚焦于增加多尺度特征或加深网络模型深度,忽略了在获取低分辨率特征图过程中因重复下采样操作而造成的信息丢失。针对该问题,提出一种高分辨率的人体关键点检测网络CASANet,以实现二维图像人体姿态估计。使用HRNet作为骨干网络,引入坐标注意力模块在1/16分辨率特征图分支上捕获位置信息和通道信息,利用自注意力模块在1/32分辨率特征图分支上捕获位置信息和通道信息的内部相关性,通过这2个模块克服网络在获取低分辨率特征图过程中的信息丢失问题。在MS COCOVAL 2017数据集上进行实验,结果表明, CASANet网络可以在参数量和计算量有少量提升的情况下获得更高的检测准确度,有效提升通道信息和位置信息的提取效果,相较基线方法,CASANet的AP值提高2.4个百分点。 相似文献
6.
建立了包含半可燃药筒燃烧以及其金属筒底剪断过程的某新型火炮的发射模型.利用Matlab编程进行了数值计算,验证了模型的可行性.分析了半可燃药筒金属筒底的厚度对发射性能的影响规律,确定了最佳剪断条件,且与同口径常规火炮进行了分析比较,结果表明该新型火炮能极大减小火药气体作用冲量,这对火炮武器系统具有重大意义. 相似文献
7.
8.
目的 研究硝酸腐蚀条件下公路桥梁板式氯丁橡胶支座受压性能的变化规律.方法 采用pH =4.5的硝酸溶液对公路桥梁板式氯丁橡胶支座进行20 d、40d、60 d、80 d、100 d的全浸泡处理,利用5 000 kN的压力试验机进行轴心受压试验,从承载力、极限抗压强度、抗压弹性模量、竖向刚度对腐蚀试件与标准件进行对比分析.结果 经硝酸腐蚀后,氯丁橡胶支座的抗压弹性阶段变短,且破坏更加严重;其承载力、极限抗压强度、抗压弹性模量随处理天数的增加而逐渐下降.结论 采用最小二乘法对使用0 ~50年后的橡胶支座的抗压强度和弹性模量进行分析,其衰减函数及衰减曲线大致符合指数函数的变化规律. 相似文献
9.
摘 要:针对传统方法在单目视觉图像深度估计时存在鲁棒性差、精度低等问题,提出一 种基于卷积神经网络(CNN)的单张图像深度估计方法。首先,提出层级融合编码器-解码器网络, 该网络是对端到端的编码器-解码器网络结构的一种改进。编码器端引入层级融合模块,并通过 对多层级特征进行融合,提升网络对多尺度信息的利用率。其次,提出多感受野残差模块,其 作为解码器的主要组成部分,负责从高级语义信息中估计深度信息。同时,多感受野残差模块 可灵活地调整网络感受野大小,提高网络对多尺度特征的提取能力。在 NYUD v2 数据集上完 成网络模型有效性验证。实验结果表明,与多尺度卷积神经网络相比,该方法在精度 δ<1.25 上 提高约 4.4%,在平均相对误差指标上降低约 8.2%。证明其在单张图像深度估计的可行性。 相似文献
10.