【摘 要】
：
手势加速度识别是基于惯性传感器手势交互的重要研究内容。针对已有的手势识别方法严重依赖于人工选取特征或不能有效融合手势动作的时空特征等局限性较大的问题,提出了基于卷积神经网络和长短时记忆网络结合的加速度手势识别算法。该算法通过构造三层卷积神经网络提取手势加速度数据的空间特征,并经过Droupout正则化操作,避免了特征过拟合的问题,再通过构造两层长短时记忆网络学习手势加速度数据的时序特征,融合手势动
论文部分内容阅读
手势加速度识别是基于惯性传感器手势交互的重要研究内容。针对已有的手势识别方法严重依赖于人工选取特征或不能有效融合手势动作的时空特征等局限性较大的问题,提出了基于卷积神经网络和长短时记忆网络结合的加速度手势识别算法。该算法通过构造三层卷积神经网络提取手势加速度数据的空间特征,并经过Droupout正则化操作,避免了特征过拟合的问题,再通过构造两层长短时记忆网络学习手势加速度数据的时序特征,融合手势动作的时空特征进行手势识别分类。实验表明,该方法能够有效识别加速度手势动作。
其他文献
桥梁裂缝对桥梁危害很大,对其进行识别检测对桥梁安全至关重要。但桥梁环境复杂,含有大量噪声和干扰信息,很难准确的自动识别出裂缝。本文提出一种半自动检测桥梁裂缝的方法,通过用户在裂缝上选取多个种子点,实现裂缝的自动跟踪,然后用区域连通的方法对多个种子点填充出的区域进行连接,从而提取出完整的桥梁裂缝。实验结果表明,该方法通过人机交互,降低了对算法的要求,裂缝识别更有针对性,能够快捷准确地提取出隧道裂缝。
在蝴蝶兰(Phalaenopsisaphrodite)产业中,种苗在达到最短营养栽培时长时的生长势在其后续的栽培链和最终的经济利润中起着重要的作用。当前在商业大型温室中主要采取人工方式对每株种苗进行评估,既费时又费力。基于RGB图像进行植物生长评估的相关研究依赖于从图像中手动提取人工定义的特征,从而影响了机器学习模型的有效性和泛化能力。该研究使用卷积神经网络(Convolutional Neura
当前主流的眼底视网膜血管分割方法存在细微血管细粒度特征很难采集和细节容易丢失的问题。为解决这一问题,设计了一种改进U-Net模型算法,该算法将U-Net上下采样中的原始卷积层改为二次循环残差卷积层,提升了特征的使用效率;在解码部分引入多通道注意力模型,改善了低对比度下细小血管的分割效果。该算法在DRIVE (Digital Retinal Images for Vessel Extraction)
为了延长阴极保护在电池供电下的使用时间,需要对管道阴极保护终端进行低功耗设计。结合当前低功耗窄带物联网通信技术,采用了分时供电和定时休眠唤醒的方法来降低系统整体功耗。整个终端由STM32超低功耗微处理器、NB-IoT无线通信芯片、时钟定时芯片、 AD7794采样芯片和电源模块构成。通过以上设计,再经过理论计算,并对样机进行测试,验证了阴极保护终端低功耗系统设计的可行性。
针对众多监测方法中存在的数据信息重复率高、监测精度较低的问题,很难获得准确的物联网数据监测结果。为此,提出一种基于光纤传感技术的物联网感知数据监测方法。通过光纤传感技术对光波相位信息合理解调,获得环境参数的具体变化;为了降低数据之间信息的冗余度,对海量数据实施降维;运用支持向量机方法对数据实施分类并识别;根据标签约束条件,从而获取到物联网中的数据特征;采用构建出数据模糊矩阵来判断数据的一致性,根据
传统的物联网数据监测技术对数据分类不够准确,导致监测过程中出现异常数据不收敛和无穷计算的问题。在此基础上提出基于光纤复用技术的物联网数据监测研究。首先分析光纤空分复用技术原理,获得有效数据的排列曲线公式;其次构建物联网数据监测系统,确定调节时间、调节强度、系统电压以及系统规模,并提出数据信息采集参数的概念;最后利用排列曲线公式搜索物联网中的异常数据与节点数据,并通过光纤复用的特征模糊概率算法确定异
深入探讨光纤网络通信中物联网数据访问控制与加密存储问题,提出基于光纤网络通信的物联网数据访问控制与加密存储方法,构建基于光纤网络通信的物联网应用模型,该模型由感知层、网络层、应用层构成,其中网络层是通过光纤通信网络把感知层中光纤传感器采集的信息传输至应用层进行处理。且模型感知层采用于属性分解的动态变换加密方法、基于密钥管理的物联网数据访问控制策略,实现基于光纤网络通信的物联网应用模型的物联网数据访
本文介绍一种特殊物联网系统,这种系统同时也是实时系统。我们称之为"实时物联网系统"。实时物联网系统需满足系统延迟、时钟同步、截止时间等时间约束。系统中越接近物理世界的部分,其时间限制越严格。基于物联网参考体系结构(ISO/IEC30141)建立实时物联网概念模型,并引入"边缘子系统"概念。感知控制域是边缘子系统的基础。边缘子系统通常需满足硬实时约束。该模型包含4种视图,即时间视图、计算视图、通信视
显著性目标检测作为图像的预处理模块,可用于目标检测,目标跟踪及目标分割等各种方面。针对目前显著性目标检测算法精度不高,目标边缘模糊等问题,本文提出深度网络的显著性目标检测算法。算法包括两个互补部分,多尺度全卷积神经网络与背景先验,全卷积神经网络能生成像素级的显著图,解决图像边缘模糊的问题,而背景先验可有效抑制背景冗余信息,最后利用条件随机场将两者进行最优权重的结合。实验表明,通过定性和定量的比较,
早期认知视觉是连接早期视觉和认知视觉的中间平台。与像素携带的弱的语义信息相比,提出了一种基于视觉基元的图像轮廓的表示方法。首先由早期认知视觉系统提取出图像的基元,基元是图片小块,有丰富的语义信息包括位置、方向、相位和三色值;通过基元的共色性和共线性得到图像的轮廓。实验结果表明,此方法能将图像的轮廓完好地提取出来,有效地保留了图像的必要信息并具有强抗噪性。由此得到的轮廓所具有的几何信息和表面信息能很