首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1篇
  免费   2篇
自动化技术   3篇
  2022年   2篇
  2021年   1篇
排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
目的 人体骨架的动态变化对于动作识别具有重要意义。从关节轨迹的角度出发,部分对动作类别判定具有价值的关节轨迹传达了最重要的信息。在同一动作的每次尝试中,相应关节的轨迹一般具有相似的基本形状,但其具体形式会受到一定的畸变影响。基于对畸变因素的分析,将人体运动中关节轨迹的常见变换建模为时空双仿射变换。方法 首先用一个统一的表达式以内外变换的形式将时空双仿射变换进行描述。基于变换前后轨迹曲线的微分关系推导设计了双仿射微分不变量,用于描述关节轨迹的局部属性。基于微分不变量和关节坐标在数据结构上的同构特点,提出了一种通道增强方法,使用微分不变量将输入数据沿通道维度扩展后,输入神经网络进行训练与评估,用于提高神经网络的泛化能力。结果 实验在两个大型动作识别数据集NTU(Nanyang Technological University)RGB+D(NTU 60)和NTU RGB+D 120(NTU 120)上与若干最新方法及两种基线方法进行比较,在两种实验设置(跨参与者识别与跨视角识别)中均取得了明显的改进结果。相比于使用原始数据的时空图神经卷积网络(spatio-temporal graph convolutional networks,ST-GCN),在NTU 60数据集中,跨参与者与跨视角的识别准确率分别提高了1.9%和3.0%;在NTU 120数据集中,跨参与者与跨环境的识别准确率分别提高了5.6%和4.5%。同时对比于数据增强,基于不变特征的通道增强方法在两种实验设置下都能有明显改善,更为有效地提升了网络的泛化能力。结论 本文提出的不变特征与通道增强,直观有效地综合了传统特征和深度学习的优点,有效提高了骨架动作识别的准确性,改善了神经网络的泛化能力。  相似文献   
2.
目的 模糊图像的分析与识别是图像分析与识别领域的重要方向。有些图像形成过程中成像系统与物体之间存在相对旋转运动,如因导弹高速自旋转造成的制导图像的旋转运动模糊。大多数对于这类图像的识别都需要先对模糊图像进行“去模糊”的预处理,且该类方法存在计算时间复杂度较高及不适定的问题。对此,提出一种直接提取旋转运动模糊图像中的不变特征,用于旋转运动模糊图像目标检索和识别。方法 本文以旋转运动模糊的退化模型为出发点,提出了旋转运动模糊Gaussian-Hermite(GH)矩,构造了一组由5个对旋转变换和旋转运动模糊保持不变性的GH矩不变量组成的特征向量(rotational motion blur Gaussian-Hermite moment invariants, RMB_GHMI-5),可从旋转变换和旋转运动模糊的图像中直接进行目标检索和识别,无需前置复杂的“去模糊”预处理过程。结果 在USC-SIPI(University of Southern California—Signal and Image Processing Institute)数据集上进行不变性实验,对原图进行不同程度的旋...  相似文献   
3.
墨瀚林  郝优  郭锐  郝宏翔  张贺  李琪  李华 《图学学报》2022,(6):1182-1192
作为图形图像数据的常用特征,微分不变量和以矩不变量为代表的积分不变量在计算机视觉、模式识别和计算机图形学等领域扮演了重要角色。在过去二十年中,本研究团队利用基本生成函数构造了灰度图像、彩色图像、向量场、点云、曲线和网格曲面等图形图像数据在几何变换、颜色变换、图像模糊和全变换下的矩不变量;证明了仿射变换下几何矩不变量与微分不变量之间满足同构关系,提出了一种获取仿射微分不变量的简单方法,并进一步得到了射影变换和莫比乌斯变换下图形图像的微分不变量;为了增强深度神经网络对常见图形图像变换的不变性,探索了如何将图形图像不变量引入深度神经网络模型。系统回顾与总结了上述工作,简要介绍了如何使用基本生成函数构造图形图像在仿射变换下的几何矩不变量与微分不变量,分析了图形图像不变量的典型应用场景及优缺点,并对未来的研究进行了展望。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号