【摘 要】
：
目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.
论文部分内容阅读
目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.
其他文献
图像自动标注是目前计算机视觉和自然语言处理交叉研究领域的一个研究热点。对图像自动标注领域中的深度学习方法进行综述;针对图像自动标注领域的国内外研究现状,按照基于多模态空间、基于多区域、基于编码-解码、基于强化学习和基于生成式对抗网络等五个分类标准进行详细综述;介绍图像自动标注领域相关的数据集和评价标准,对比不同图像自动标注方法的优缺点;通过分析图像自动标注领域的当前研究现状,提出该领域亟待解决的3
With the support by the National Natural Science Foundation of China,the National Key R&D Program of China and the Key Research Plan for the National Natural Science Foundation of China in Cultivation
微米级计算机断层扫描(Micro-CT)的应用领域很广泛,在生物医学、材料科学等都有研究,而且最近几年的发展很迅速。Micro-CT图像常因辐射剂量的限制而出现噪声,所以开发一种合适的算法来抑制Micro-CT图像中噪声变得很重要。Micro-CT图像的噪声水平与扫描样本、扫描参数等参数有关,合适的噪声抑制算法应该在不同噪声水平下都有不错的性能。过去Micro-CT图像的噪声抑制算法主要是迭代重建
1系统需求及概述1.1概述建立一个基于前端智能视频分析网关(边缘计算节点)的物联网系统,实现对安防、安全生产等领域大量前端已安装摄像机的图像智能分析与报警采集,实现跨网络(有线网、4G/5G无线网)的信息采集和远程管理系统,尽量减少对已投资的前端视频系统的干扰或重构,同时减少对后端(云平台)的存储和访问压力,可以通过软件分析算法模型的升级和快速分发不断适用各种智能分析应用要求的变化。
阐述将"互联网+"与数字媒体技术专业教学进行两者结合,开展教学实践。分析数字媒体技术的专业课程教学现状及人才的培养、就业发展等现状,教学内容改革的融合。
A "sign" on a lung CT image refers to a radiologic finding that suggests a pathological progression of some specific disease. Analysis of CT signs is helpful to understand the pathological origin of t
Person re-IDentification(re-ID) is an important research topic in the computer vision community, with significance for a range of applications. Pedestrians are well-structured objects that can be part
Skin lesions are in a category of disease that is both common in humans and a major cause of death. The classification accuracy of skin lesions is a crucial determinant of the success rate of curing l
为了实现X-射线图片的焊接缺陷检测,采用了基于目标检测领域的经典模型——Faster R-CNN的目标检测方法.WDXI数据集是从大量的X-射线图像整理和分类构建获得的,包括7种缺陷类型和无缺陷类型.为了有效地提取焊接区域,提出了一种根据平均灰度值和单位面积内平均对比度值的改进方法.经过实验验证,可采取自适应的直方图均衡化以及两次中值滤波的方法分别进行图像增强和降噪处理.最终,在焊接缺陷识别的多分
植物叶片电信号是一种低频(5 Hz)、微弱(μV级)、随机非平稳的时变信号,而且采集的植物电信号混有大量噪声,但传统的降噪处理方法很难去除植物电信号中的干扰信号,提出小波阈值降噪处理植物电信号。对采集到的鹅掌柴叶片电信号进行滤波把频段限制在100 Hz以下,然后利用小波变换进行降噪处理把混合在鹅掌柴电信号中的同频段的干扰信号分离。实验结果表明,该方法不但可以去除鹅掌柴叶片电信号中的干扰噪声信号,而