【摘 要】
:
针对现有的人体骨架动作识别方法对肢体信息挖掘不足以及时间特征提取不足的问题,提出了一种基于姿态校正模块与姿态融合模块的模型PTF-SGN,实现了对骨架图关键时空信息的充分利用。首先,对骨架图数据进行预处理,挖掘肢体和关节点的位移信息并提取特征。然后,姿态校正模块通过无监督学习的方式获取姿态调整因子,并对人体姿态进行自适应调整,增强了模型在不同环境下的鲁棒性。其次,提出一种基于时间注意力机制的姿态融
论文部分内容阅读
针对现有的人体骨架动作识别方法对肢体信息挖掘不足以及时间特征提取不足的问题,提出了一种基于姿态校正模块与姿态融合模块的模型PTF-SGN,实现了对骨架图关键时空信息的充分利用。首先,对骨架图数据进行预处理,挖掘肢体和关节点的位移信息并提取特征。然后,姿态校正模块通过无监督学习的方式获取姿态调整因子,并对人体姿态进行自适应调整,增强了模型在不同环境下的鲁棒性。其次,提出一种基于时间注意力机制的姿态融合模块,学习骨架图中的短时刻特征与长时刻特征,并融合长短时刻特征,加强了对时间特征的表征能力。最后,将骨
其他文献
为了解决实测场景下光照变换及弱纹理区域对三维重建效果的影响,提出一种双目测量系统的改进AD-Census立体匹配算法进行室内目标物体的定位及三维重建。方法基于双目视觉测量原理,首先采用直方图均衡化、自适应阈值Canny边缘提取及膨胀等操作进行图像预处理,其次利用张正友标定法完成相机标定,通过立体校正去除相机畸变,基于梯度划分弱纹理及边缘区域来改进AD-Census立体匹配算法,最后用所改进算法生成
为构建以房间为节点的语义拓扑地图,基于物体语义栅格地图,提出了一种利用虚拟门检测和房间物体包含关系的拓扑分割及房间概念生成方法。首先依据机器人轨迹和房间主方向,检测满足真实门宽度的占据栅格,然后采用几何和物体语义约束优化检测结果,最后利用每个拓扑区域包含的物体语义生成房间概念。通过在多个场景测试,验证了算法有效性。
PID控制器在四旋翼飞行控制系统中比较常见,其核心问题之一就是PID参数的整定。常见的调参方法有模糊控制、神经网络及手动调参。针对四旋翼飞行器的PID控制器参数整定困难,本文提出一种基于混沌粒子群算法的PID参数整定方法:第一,利用粒子群算法的收敛速度较快及混沌序列的遍历性、随机性以及对初值的敏感性等特性,使得调节PID参数更加快速和准确;第二,结合自适应惯性权重法,平衡粒子群算法的全局搜索能力和
为了尽量节省深空光网络节点的能量,结合深空光通信对角度和方位的敏感特性,基于多接口的深空节点模型设计,将空分复用和频分复用充分结合,提出定向洪泛路由算法(DFRA),该算法支持定向的多跳路由传输,路由寻路的过程中只有部分节点参与的方法进行了仿真实验。仿真分析结果表明:相比TFRA方法,文中提出的DFRA方法能够避免TFRA方法的无方向性和盲目性,更加节能。另外,网络传输时延和时延抖动等性能都优于T
为了实现基于语义的密文检索,提高密文检索的准确率和效率,本文提出了一种基于Biterm主题模型(biterm topic model, BTM)的多关键词可排序对称可搜索加密方案(BTM-MRSE).通过主题模型对关键词和文档之间的潜在语义进行建模,用户利用查询关键词的概率分布作为检索陷门,根据查询关键词与文档之间的语义相关性得分来获得最相关的文档.本方案将密文检索中的特定关键词替换为基于语义的主
基于深圳市某污水厂A~(2)/O工艺与进出水在线监测数据,使用GPS-X软件建立、校正A~(2)/O仿真模型并论证了模型的可靠性。提出持续冲击模拟和随机冲击模拟两种冲击模拟方案,模拟了两种因总COD溶解惰性组分占比(frsi)升高导致的低B/C污水冲击A~(2)/O工艺的方式。模拟结果表明:A~(2)/O工艺受到低B/C污水冲击时,TN、TP、COD依次超标,投加碳源可降低TN、TP的超标率,降低
湘渝黔交界处红色岩溶地貌为新发现的特殊岩溶地貌, 以地层凹凸相间排列以及单层蜂窝状形态为明显特征。古生代–新生代研究区处于黔中隆起和雪峰隆起北缘, 地层沉积岩相和构造变形受到隆起的影响。目前, 关于红色岩溶地貌与隆起的关系未见深入研究。针对这一问题, 本文基于野外露头观测、显微结构分析以及元素地球化学分析, 从构造变形的角度探讨了隆起与红色岩溶地貌之间的成因关系。结果表明, 加里东期牯牛潭组形成于
面部局部细节信息在面部表情识别中扮演重要角色,然而现有的方法大多只关注面部表情的高层语义信息,而忽略了局部面部区域的细粒度信息。针对这一问题,提出一种融合局部特征与两阶段注意力权重学习的深度卷积神经网络FLF-TAWL(Deep Convolutional Neural Network Fusing Local Feature and Two-stage Attention Weight Lear
深度卷积神经网络在医学图像分割领域运用广泛,目前的网络改进普遍是引入多尺度融合结构,增加了模型的复杂度,在提升精度的同时降低了训练效率。针对上述问题,提出一种新型的WU-Net肺结节图像分割方法。该方法对U-Net网络进行改进,在原下采样编码通路引入改进的残余连接模块,同时利用新提出的Dep模块改进的信息通路完成特征提取和特征融合。实验利用LUNA16的数据集对WU-Net和其他模型进行训练和验证
针对互联网上日渐丰富的多语言文本和匮乏大规模标注平行语料库的问题,为了从多语言的信息源挖掘语言间的关联性与扩展知识图谱,提出了基于注意力迁移的跨语言关系提取方法。首先针对语言间的实际平行语料情况,分类进行跨语言平行语料映射,并针对缺乏种子词典的低资源语言对,提出神经网络翻译模型获取目标语言数据集并保存多语言间的对应注意力权重关系,然后利用BERT端对端的联合抽取模型抽取训练数据实体关系特征,反向迁