论文部分内容阅读
融合显著运动和表观语义的骨架动作识别
【摘 要】
：
动作识别在计算机视觉领域一直是一个热门的研究方向,在自动驾驶、视频监控和体育分析等方面有广泛的应用。由于骨架数据不易受背景和视角的干扰再加上计算代价小,基于骨架的动作识别越来越受到研究者的注意。近年来,一些研究者提出采用图卷积的方法挖掘关节点之间的内在相关性作为骨架运动的特征表示,取得了不错的效果,但仍存在两个难点问题:(1)由于图卷积操作的局部属性,在区分具有相似运动片段的动作时往往会产生混淆;
【机 构】
：
中国科学技术大学
【出 处】
：
中国科学技术大学
【发表日期】
：
2021年08期
【基金项目】
：
其他文献
随着深度学习和计算机视觉技术的发展,使用农作物叶片图像进行病害识别的方法已经被广泛研究。大量的农作物病害叶片图像数据是保证病害识别模型性能的前提,而农业病害叶片数据往往是不易获取的,此时基于深度学习和卷积神经网络的病害识别模型十分容易受到过拟合现象的困扰。传统的数据增强是在原有少量样本数据的基础上,通过对其进行几何仿射变换或者颜色空间分布的变换扩充训练样本规模的方法。数据增强能够改善模型的泛化能力
学位
随着国民经济水平的提高,我国机动车保有量在快速增长,但机动车排放的尾气造成了严重的空气污染问题。机动车尾气中的污染物不仅会破坏生态环境,对人体健康也会造成极大危害。我国各地政府相继出台了多个空气污染防治文件,文件中均明确指出要加强机动车等移动源执法检查,依法处罚排放黑烟的车辆。目前环保部门对黑烟车的监管主要是利用烟度计从机动车尾气管采样检测,这种监管手段效率低下,而且长时间工作会对检测人员的身体健
学位
近几年来,随着计算机、微电子、芯片、传感器等软硬件技术的不断进步,无人机开始越来越多地在各个应用场景中扮演着重要的角色。旋翼无人机与常见的固定翼无人机相比具有许多优势:例如结构简单、可操作性强,机动性灵活、安全性较高等,被广泛应用在军事、植保、航空拍摄、物品运输等多个场景中。在电力系统中,绝缘子是重要的绝缘元件。因为其一直工作在大气环境中,其表面容易形成一层污秽层,造成污闪短路等现象。为了减少经济
学位
随着电商、快递行业的快速发展,电动货车因噪声小、无污染、运营成本低得到了广泛应用。在长续航里程、高载货量、长使用寿命的要求下,电动货车一般采用高能量密度、高功率密度、长服务寿命的锂离子电池作为动力来源。锂离子电池性能容易受到温度、充放电电流等影响,严重情况下甚至起火、爆炸,为保证锂离子电池性能和车辆安全,电动货车应装备电池管理系统(Battery Management System,BMS)。本文
学位
随着现代汽车不断推进智能化和电动化,传统的排放诊断协议OBD(On-Board Diagnostic,车载自动诊断系统)已经不能很好满足各种类汽车电控单元(Electronic Control Unit,ECU)的故障诊断需求。现如今,ISO 14229所制定的UDS(Unified Diagnostic Services,统一诊断服务)协议由于具备超越OBD的通用性,正在汽车行业迅速推广。另外,
学位
在智慧物流中,无人叉车这种自动化设备能够解决如今老龄化严重、劳动力不足的问题,同时能够在仓储、搬运等环节提高效率且降低这些环节的出错率,因而其在智能仓储中起着十分重要的作用。本文以叉车为研究对象,研究无人叉车在自然仓储环境下的导航以及托盘的精准定位方法。车道线是自然仓储环境中自然存在的一部分,且车道线检测也是无人驾驶中最重要的部分之一,因此使用车道线作为导航依据。由于车道线具有独特的结构,且容易受
学位
水是人类赖以生存的重要资源,在人类各项生产活动起着重要的作用,同时作为生态环境的基本有机组成部分,是任何其它资源都无法替代的。近些年随着中国经济获得巨大成功,我国工业化水平显著提升,但与此同时地表水所受工业污染也日益严重。水质预测是保护地表水资源的基础性工作,是解决水资源危机的重要手段。水质预测准确反映未来地表水体质量的变化趋势,对于加强水资源保护利用,改善水污染防治现状,推进生态环境修复具有重要
学位
车道线是代表道路规则的重要交通标志之一,随着交通数字化以及智能化不断深入普及,对车道线进行高效鲁棒地自动化检测是充分了解交通环境的前提之一,因此具有重大的研究意义。然而目前主流车道线检测方法通常把车道线检测任务看作是一个语义分割任务,但受限于类别数目有限,这些方法往往需要额外的后处理步骤进行聚类或者拟合才能检测可变数量的车道线,难以满足越来越复杂的道路环境与实时性要求。另外,虽然目前视频数据逐渐成
学位
作为人工智能领域的重要概念,深度学习的研究已经引发了国内外学者的广泛关注和热情。深度学习的发展目标是使机器拥有与人类似的感知和决策等能力,来帮助或代替人类解决很多工作和生活上的难题,如自动驾驶、AI医疗诊断、智能客服等。考虑到现实场景一般都是复杂多变的,因此将深度学习方法拓展到不稳定环境中,就具有重要的理论研究价值和实际应用意义。由于不稳定环境的制约,视频质量在传输中难以得到保证,目前对于该问题的
学位