【摘 要】
：
为了解决步态信息冗余多、特征重要性分布不均匀以及步态的时空特征难以学习的问题,提出了基于频域注意力的时空卷积网络进行步态识别。该方法改进了三维卷积网络(C3D)学习时
【机 构】
：
东华大学信息科学与技术学院,数字化纺织服装技术教育部工程研究中心
论文部分内容阅读
为了解决步态信息冗余多、特征重要性分布不均匀以及步态的时空特征难以学习的问题,提出了基于频域注意力的时空卷积网络进行步态识别。该方法改进了三维卷积网络(C3D)学习时空特征,同时提出了一种频域注意力卷积操作,既减少了冗余计算,注意力的调整又提高了学习效果。网络首先将步态信息划分为五组,然后通过改进的卷积进行时空特征抽取,最后通过Softmax层进行分类。在中科大数据集CASIA dataset B中进行测试,在Bag状态与Coat状态下准确率分别为88.5%、92.8%,分别较传统深度卷积网络(Deep
其他文献
近年来,针对行人重识别问题的深度学习技术研究取得了很大的进展。然而,在解决实际数据的特征样本不平衡问题时,效果仍然不理想。为了解决这一问题,设计了一个更有效的模型,该模型很好地解决了目标的不同姿态的干扰以及数据集中的图片数量不足的问题。首先,通过迁移姿态生成对抗网络生成行人不同姿势的图片,解决姿态干扰及图片数量不足的问题。然后利用两种不同的独立卷积神经网络提取图像特征,并将其结合得到综合特征。最后
当前,随着中国深化改革和经济转型、扩大内需战略的进一步推进,旅游产品作为居民除了基本消费以外闲暇消费的龙头产品,为旅行社业的向前发展提供了广阔的市场。武汉市作为我
人眼定位是疲劳驾驶的研究关键。由粗到精,先后进行了人脸检测、瞳孔定位。针对现有方向梯度直方图人脸检测算法泛化能力不佳的问题,提出了一种基于信息熵加权的HOG特征提取算法,该算法将待分类的人脸特征进行信息熵阈值加权,形成新的HOG特征,然后通过支持向量机进行分类;针对现有瞳孔定位算法准确率不高的问题,提出了多算法协同工作的瞳孔定位方法,以自商图为基准寻找二值分割点,实现了眼部区域光照不变性,以灰度积
为有效降低城市交通干线的车均延误与停车次数,将深度Q网络引入干线协调控制,给出了一种干线动态协调控制的DDDQN(Dueling Double Deep Q Network)方法。该方法结合双重深度Q
针对深度学习在对外形类似物体的识别上存在着识别精度低、耗时长等问题,提出基于改进的LeNet-5的识别方法。在传统LeNet-5网络基础上,将卷积层变为双层非对称卷积使网络有更好的特征提取能力;通过批量归一化提高网络泛化能力;采用全局平均池化替代原Flatten层,用于克服传统全连接层参数多、耗时长的缺点;通过对训练集进行增广增加训练样本。实验结果表明,改进LeNet-5网络的训练精度达到91%,
伴随着网络技术和信息技术的发展，一些企事业单位为了促进内部资源的整合与共享，提高各部门的工作效率，开发了面向各自行业的应用系统。通过这些应用系统实现了单位内部业务的流
目的:本实验通过观察口服尼可地尔对急性ST段抬高心肌梗死患者直接PCI术后的心肌受损程度、冠脉微循环灌注水平、心律失常发生率及心脏功能的影响，探讨尼可地尔对减轻急性ST段
通过针对教师对"高职高专英语口语移动自主学习平台"介入教学质量问题进行调查,并开展相关教学实验。经过实验前后的调查,发现教师介入教学对"高职高专英语口语移动自主学习