【摘 要】
：
手语识别可以使聋哑人与健全人之间的交流更加便捷,随着深度学习领域的快速发展,手语识别领域迎来了新的机遇.本文以孤立词手语识别为研究对象,针对手语数据冗余、信息多的问题,提出了一种基于3D卷积神经网络的手语识别新方法.通过提取手部区域和关键帧去除手语视频中的冗余信息,改进C3D网络模型结构并引入注意力机制,重点关注语义信息丰富的视频帧,使用余弦退火学习率下降算法提高模型的收敛速度.在DEVISIGN-D手语数据集上,与3种手语识别算法做了实验对比,实验结果表明,该方法能很好地识别孤立词手语,top-5准确率
【机 构】
：
湖南工程学院 计算机与通信学院,湘潭 411104
论文部分内容阅读
手语识别可以使聋哑人与健全人之间的交流更加便捷,随着深度学习领域的快速发展,手语识别领域迎来了新的机遇.本文以孤立词手语识别为研究对象,针对手语数据冗余、信息多的问题,提出了一种基于3D卷积神经网络的手语识别新方法.通过提取手部区域和关键帧去除手语视频中的冗余信息,改进C3D网络模型结构并引入注意力机制,重点关注语义信息丰富的视频帧,使用余弦退火学习率下降算法提高模型的收敛速度.在DEVISIGN-D手语数据集上,与3种手语识别算法做了实验对比,实验结果表明,该方法能很好地识别孤立词手语,top-5准确率达到了98.4％.
其他文献
针对采用最大转矩电流比控制策略的内置式永磁同步电机,由于受到电流谐波的影响,导致其径向电磁力成分复杂和越来越突出的电机振动噪声问题,从考虑电流谐波影响的径向电磁力产生机理出发,提出一种基于谐振调节器的电机噪声抑制的方法.该方法根据谐振调节器在特定谐振频率处的增益为无穷大,结合PI调节器可以较好地抑制电流谐波,削弱径向电磁力,降低内置式永磁同步电机的振动噪声.仿真实验结果表明,所提方法能够有效地削弱电磁径向力,降低电机振动噪声.
研究了一类具有Markovian跳变的不确定分布参数系统的随机稳定性问题.基于线性矩阵不等式方法,通过构造适当的随机Lyapunov泛函,计算弱无穷小算子,利用Green公式及Schur补引理,系统随机稳定的充分条件以一组线性矩阵不等式给出.线性矩阵不等式很容易通过MATLAB中的LMI工具箱进行求解.该充分条件便于工程实际应用.最后,构建仿真模型验证了该方法的有效性.
针对移动机器人动力学模型难以精确建立、运动过程中各种干扰对高精度轨迹跟踪造成偏航等问题,构造出一种快速终端滑模自抗扰控制器,实现了高速高精度轨迹跟踪控制目标.首先建立非完整移动机器人的干扰控制模型;然后运用扩张状态观测器实时监测系统未建模动态与各种干扰;同时将扩张状态量和系统反馈量作为快速终端滑模算法的系统变量;最后设计出一种快速终端滑模控制律,代替传统自抗扰算法中的非线性控制律,从而实现位姿的快速精确跟踪.该算法既克服了非线性误差控制律中参数繁杂不易整定的缺陷,又增强了系统鲁棒性和轨迹跟踪的动态品质.对
频率稳定是微网在孤岛模式下稳定运行的关键.由于传统下垂控制的转动惯量固定,当微网中接入时变负载时无法满足系统的频率稳定需求.针对传统控制方式的不足,提出虚拟同步发电机的转动惯量无模型自适应控制.首先,分析在孤岛模式下的传统虚拟同步发电机控制算法的角速度变化率的抑制效果和恢复时长;其次,设计无模型自适应控制器并证明控制算法的收敛性;最后,利用MATLAB/Simulink搭建虚拟同步发电机模型,通过对比几种转动惯量控制算法的实验波形,证明转动惯量无模型自适应控制算法能够有效改善微网的稳定性,并提高系统的动态
研究了一类受欺骗攻击的离散系统的分布式滤波器型迭代学习控制,对于欺骗攻击的描述采用满足Bernoulli分布的随机序列,通过构造Lyapunov函数,导出滤波误差系统均方指数稳定且满足l2-l∞性能指标的充分条件,设计受欺骗攻击的分布式l2-l∞滤波器,并通过线性矩阵不等式方法求解滤波器参数.给出分布式滤波器型迭代控制收敛的充分条件,通过仿真实例说明该设计方法的有效性.
针对间歇过程的非线性和时变性特点以及故障易误报的问题,提出了一种将移动窗-核熵成分分析(MW-KECA)故障监测与基于变量贡献的支持向量数据描述(SVDD)故障诊断集合而成的故障检测系统.MW-KECA方法构建局部模型能有效处理数据的时变性,同时保留KECA优秀的非线性处理能力.故障诊断中以各变量对CS统计量-向量间角度关系指标的贡献作为输入数据来构建SVDD分类器,相较于原始数据,故障贡献能够突出同类相似信息和异类差异信息.通过青霉素发酵仿真实验,验证了检测系统在监测准确性与故障识别率上都有良好效果,证
针对工业过程中较难控制的大滞后系统,提出了一种改进内模控制方法.该方法首先引入滞后时间削弱环节来降低滞后对系统的影响,然后在设定值之后增加导引过渡过程解决系统快速性与超调之间的矛盾,最后再基于内模控制的原理设计控制器.该方法解决了传统Smith预估控制等方法在被控对象模型预估不准确的情况下很难取得较好控制效果的问题,并且在大时滞过程下较双口内模控制等改进内模具有更好的控制效果.最后将该方法与PID-Smith预估控制以及双口内模控制的控制效果进行对比.仿真结果表明,该控制方法可以有效地改善大滞后对象的控制
针对磁耦合谐振式(MCR)无线传能系统中负载变化引起输出电压实时调节的需求,以全桥LCCL系统为研究对象,提出了一种基于状态方程的模型预测控制器(GGSA-MPC).通过广义状态空间平均法(GSSA)对全桥LCCL系统建立等效电路方程并将原副边电压电流进行傅里叶变换,建立了 MCR系统的动态状态空间模型;为了加快求解速度,将控制器中的最优化问题转化为求解极小值的二次规划问题,利用有效集法求解有约束问题的二次规划.通过搭建仿真电路,在80 kHz频率下将负载值从50Ω变为25Ω,将GSSA-MPC控制器与经
针对全桥三电平LLC谐振变换器(FBTL-LLC)在运行启动时负载容易发生跳变,而传统控制方法对该情况反应能力不足的问题,提出了简化最优轨迹控制(SOTC)与PI控制相结合的复合策略.即在负载突变时根据输出电流跳变量,调节开关管脉宽大小,使各状态变量值到达系统预期轨迹上,同时通过PI调节消除稳态误差,使系统快速达到新的稳态.在启动阶段基于简化最优轨迹控制,对输出电压进行检测及控制,优化变换器的启动性能.在MATLAB/Simulink仿真平台上搭建仿真模型,仿真结果表明,所提控制策略能有效减少系统的响应时
针对传统方法难以利用大量时序数据和无标签数据对电网进行故障诊断的问题,提出了基于深度特征聚类和循环神经网络(RNN)的电网智能故障诊断方法.该方法首先利用卷积神经网络搭建起特征提取器来提取时序数据的高层特征,然后对提取的特征进行半监督聚类,为无标签样本获得对应的标签,从而可以确定无标签样本所属的故障类别并加以利用;然后将不同类型的故障样本经过采样算法采样后,使用循环神经网络搭建的分类器进行分类识别;最后通过数据仿真,验证了所提方法可以准确地对无标签样本赋予正确的类别标签,对多种故障类型具有良好的故障诊断效