【摘 要】
：
当前运动视频的图像分类和识别方法存在图像识别率低、识别不清晰图像较难的问题,为解决上述问题,文中提出基于神经网络的运动视频图像分类和识别研究。采用目标轮廓周长平方比轮廓面积的方法,提取运动目标图像特征,通过提取图像特征结果设计图像分类流程,建立神经网络图像分类模型完成图像识别。针对同一元素的不同角度进行拍摄获取,采用误差反向传播算法完成神经网络下的运动视频图像分类和识别。通过仿真实验验证设计方法的
【基金项目】
：
河北省自然科学基金项目(E2018203140)。
论文部分内容阅读
当前运动视频的图像分类和识别方法存在图像识别率低、识别不清晰图像较难的问题,为解决上述问题,文中提出基于神经网络的运动视频图像分类和识别研究。采用目标轮廓周长平方比轮廓面积的方法,提取运动目标图像特征,通过提取图像特征结果设计图像分类流程,建立神经网络图像分类模型完成图像识别。针对同一元素的不同角度进行拍摄获取,采用误差反向传播算法完成神经网络下的运动视频图像分类和识别。通过仿真实验验证设计方法的性能,实验结果表明,所提方法对运动视频图像的识别率较高,正确率在98%以上,且图像识别分类较全面。所提方
其他文献
由于网络数据爆发式增长,目前数据处理面临网络带宽要求高、服务器处理负担大、冗余视频数据多、实时性得不到保证等问题。解决这些问题不仅需要准确和高效的算法,还需要高性能和低功耗的硬件体系结构。本文梳理了轻量化神经网络国内外研究现状,介绍了神经网络硬件加速,探索在边缘计算环境下,卷积神经网络在移动和嵌入式设备的发展趋势。
通过将相同事务压缩成一行,对原始事务矩阵进行约简,利用事务矩阵与候选项集-项集矩阵相乘得到候选项集-事务矩阵,从而得到候选项集的支持度数;在连接步时采用事先剪枝的策略,减少参与连接的频繁项集;设计实现改进的基于布尔映射矩阵的Apriori算法,并将其应用于医院诊疗数据的挖掘分析。实验结果表明,算法挖掘获得妊娠期糖尿病的危险因素有:年龄≥35岁、身体质量指数(BMI)≥30、孕次≥3、引产次数≥3以及产次≥3。
为了解决传统网络教学系统存在的数据传输能耗高以及信噪比低的问题,文中提出基于虚拟仿真的网络教学系统设计与应用。根据教学需求,设计系统的框架结构,在此基础上分别设计系统的硬件与软件。硬件部分设计用户登录管理模块、教学资源管理模块、教学系统管理模块,以及通过虚拟仿真技术设计的虚拟教学模块。软件部分对网络教学系统中的资源数据进行分配,以提高教学资源数据传输的质量。对比实验结果表明,与现有的网络教学系统相比,所提系统的教学资源数据传输能耗低、信噪比高,有效提高了系统的应用性能。
针对动态环境下移动机器人路径规划问题,提出一种全局路径规划与局部路径规划相结合的二次规划方法。首先基于静态环境先验知识提出一种改进蚁群算法。在基本蚁群算法的基础上,修改蚂蚁路径搜索策略来跳出部分特殊形状障碍物;修改基本蚁群算法概率选择公式中的启发函数,将目标节点信息加入启发函数中,加速算法收敛;修改基本蚁群算法概率选择公式中的挥发系数,将时间和空间信息加入挥发系数中,提高算法的自适应性。在规划过程中,通过分析动态障碍物运动情况,针对障碍物不同运动状态提出相应的避碰策略。仿真实验表明,所提算法优于基本蚁群算
软件产品线的规模较大时,由人工从领域特征模型演化出满足多个目标的有效应用特征模型,不仅需要判断领域特征模型的约束条件找出所有的有效应用特征模型,还需要对比所有的有效应用特征模型对多个演化目标的满足度,工作效率低且极易出错。为了解决这个问题,通过描述逻辑形式化方法将领域特征模型到应用特征模型的演化问题转化为多目标优化问题并使用多目标优化算法自动化求解,最后通过实验验证了方法的有效性。
随着社交媒体的快速发展,挖掘社交媒体上海量文本的情感信息已经成为人们共同关注的课题。分析社交媒体文本情感信息不仅可以指导消费,还可以为商家改进商品提供建议。方面级别文本情感分析分为两个子任务:方面级别提取和方面情感判定。本文以汽车行业评论文本为研究对象,提出了一种基于联合学习的方面级别情感分析方法,通过端到端的模型实现方面级别文本情感分析。实验结果表明,基于联合学习的方法在方面级别情感分析中的表现优于流水线式方法,能有效解决流水线式方法产生的误差传递问题且减少模型训练时间。
室内家居设计为人们进行更好的家居设计提供了具体设计思路,但往往由于家居设计不够逼真而导致与实际效果不符。如何做出更好的室内家居效果,减少家居设计与实际设计当中的偏差,成为极具研究意义的课题。基于计算机动画的虚拟现实技术为室内家居设计提供了新思路,帮助人们能够更好的进行对应的室内家居设计,更为直观的查看室内家居设计的预期效果,减小设计效果与实际效果之间的差异。文中主要通过虚拟现实建模语言(VRML)
糖尿病视网膜病变(DR)是目前公认的主要致盲疾病之一,目前传统的视网膜图像处理步骤复杂且需要大量的人力物力,缺少一种完整的自动识别系统。针对这一问题,提出一种基于改进CNN的糖尿病视网膜病变图像分类模型,即SupplementNet。该模型在原有深度学习模型的基础上,改进卷积层中激活函数来使模型尽可能多地学习图像的特征,并在相应的卷积层后对图像数据进行批量正则化处理来提高模型的泛化性能。对比实验结
色彩搭配直接关系到文创产品的文化表达是否准确。针对以往色彩搭配系统存在的色彩搭配误差较大的问题,文中基于虚拟现实技术设计提出一种专门针对文创产品色彩自动搭配的系统。将虚拟现实技术(VR技术)应用到所提系统设计中,基于B/S三层架构,设计系统框架,构架包括数据访问层、业务逻辑层和表现层。硬件选择了分光测色仪、中央处理器、存储设备、虚拟现实体感交互装置,并对4种关键设备进行详细介绍。软件部分以BP神经网络算法为核心,对RGB三色值进行训练处理,根据训练结果构建文创产品色彩自动搭配模型,实现系统软件逻辑运算分析
传统卷积神经网络(CNN)提取人脸面部年龄特征信息时受限于感受野,易导致年龄识别准确率较低,本文建立了一种基于自校准卷积残差网络(SC-ResNet)的年龄识别方法。首先对输入图片进行裁剪和归一化预处理;然后在残差网络中用3×3卷积提取局部表观特征,再通过自校准SC-block模块进一步扩大局部特征提取范围,并将两者校准融合,获得更丰富的面部语义信息;最后采用Softmax结合交叉熵损失函数进行更