【摘 要】
：
人类动作识别是一个极具挑战性的研究课题，广泛应用于安全监控、人机交互和自动驾驶等领域。近年来，图卷积网络在建模非欧几里德结构数据上取得了巨大成功，为骨架模态动作识别提供了新思路。由于骨架预定义图包含大量噪声，现有方法多使用高阶空域特征对空间依赖性进行建模。然而，仅关注高阶子集并不能在全局上反映顶点之间的动态相关性。此外，主流方法中模拟时间依赖性使用的卷积神经网络或循环神经网络也无法捕获多范围的时序
论文部分内容阅读
人类动作识别是一个极具挑战性的研究课题，广泛应用于安全监控、人机交互和自动驾驶等领域。近年来，图卷积网络在建模非欧几里德结构数据上取得了巨大成功，为骨架模态动作识别提供了新思路。由于骨架预定义图包含大量噪声，现有方法多使用高阶空域特征对空间依赖性进行建模。然而，仅关注高阶子集并不能在全局上反映顶点之间的动态相关性。此外，主流方法中模拟时间依赖性使用的卷积神经网络或循环神经网络也无法捕获多范围的时序关系。为了解决这些问题，文中提出了一种基于骨架模态的多级门控图卷积动作识别网络框架。具体地，提出了门控时
其他文献
人工智能对抗环境下，深度神经网络对于对抗样本有明显的脆弱性，为提高对抗环境下的模型鲁棒性提出一种深度神经网络模型鲁棒性优化方法AdvRob。首先将目标模型改造为特征金字塔结构，然后利用潜在特征先验知识生成攻击力更强的对抗样本进行对抗训练。在MNIST和CIFAR-10数据集上进行实验表明，利用潜在特征生成的对抗样本相较于AdvGAN方法攻击成功率高，更具多样性且可迁移性强;在高扰动下，MNIST数
为了提高医用内窥镜图像的血管和组织对比度，本文提出一种融合技术。该方法分为两部分，第一部分基于剪裁直方图的加权分布伽玛校正（AGCWHD），利用负像策略实现亮图像增强，采用截断伽玛值的方法增强暗图像，基于对比度强弱增强中等亮度图像。之后采用改进的离散小波变换的奇异值分解（DWT-SVD）技术实现亮度增强。第二部分基于Lab颜色空间对奇异值均衡图像的L分量执行对比度受限的自适应直方图均衡（CLAHE
异物侵入铁路限界对高速铁路运营安全危害极大，针对当前基于计算机视觉的铁路异物侵限算法存在错误预警、检测效率低、无法满足轻量级部署等问题，提出了一种基于轻量级网络的铁路感兴趣区域异物侵限检测方法。首先，采用透视变换和三次函数拟合的方法检测铁轨线，通过找到铁轨所在区域，扩展划分出危险区域和安全区域，得到铁路异物侵限检测的感兴趣区域。然后，利用稀疏化和通道剪枝方法对YOLOv3模型进行压缩，构建了轻量级
针对糖尿病性视网膜图像数据集的不均衡、组织形态的特征提取不充分、分级准确率不高等问题，本文提出一种基于DR-Net模型的改进识别算法，Improved DR-Net。本文选用Kaggle失明检测竞赛数据集APTOS2019Dataset，采用多种数据增强策略扩充数据集，并引入Eye-PACS数据集进行无偏修正，同时采用高斯滤波等形态学方法增强眼底图像特征；对ResNext50聚合残差结构进行预训练
近年来，深度学习方法因其学习能力强、准确率高等优势被广泛应用于生物特征识别中，虹膜识别中的相关研究也不断涌现。本文提出了一种改进的深度虹膜分类模型EnhanceDeepIris，在生成网络的辅助下，对深度学习虹膜分类网络进行二次训练，使已经在原始训练集上收敛的分类网络继续训练，得到在测试集上泛化能力更好的网络。本文使用三个最先进的图像分类网络VGG16，ResNet101和DenseNet121，
基于反向传播神经网络（back propagation neural network,BPNN）构建了一种路径损耗预测模型.通过卫星图像的红、绿、蓝（red, green and blue,RGB）通道的颜色信息来表征无线通信电波传播路径的环境特征，结合路测点与基站的距离特征构建数据集，迭代训练网络参数，以预测传播路径损耗.结果表明，对跨基站路测点的预测结果与实测数据之间的相关系数达到0.83，绝
We present crustal models for seismic P-waves (Vp)， S-waves (Vs) and the Vp/Vs ratio across the southern North China Craton along lat. 36°N. Our results are based on inverse and forward modeling of lo
人-物体交互检测(Human-Object Interaction， HOI)，就是把图像作为输入，检测出图像中存在交互行为的人和物体以及他们之间的交互动词。它是计算机视觉范畴里继目标检测、图像分割和目标跟踪之后又一新任务，旨在对图像进行更深层的理解。针对目前基于深度学习的HOI检测综述性文章的空白，本文以HOI检测方法的发展历程为主线，对基于深度学习的HOI检测方法进行了分类与分析。首先简要总结
在大雾条件下，密度不均匀的介质使得光在传输过程中形成散射、反射和衰减，图像出现严重的退化现象，导致无人机航拍获取图像信息存在困难。为了解决该问题，本文提出了一种基于边界约束的双滤波透射率优化图像去雾算法。首先，对图像进行颜色校正，增强图像的色彩鲜艳度；其次，根据传输函数的固有边界约束，进行边界约束构造，该约束与上下文正则化相结合，求解图像的初始化透射率，并对其反复求解进行细化；然后，将求解细化后的
卷积神经网络进行实时图像语义分割时，处理大片色彩变化较小的像素区域会存在计算的空间冗余，同时利用轻量级网络进行特征提取的精度较低。针对上述两个问题，本文利用改进后MobileNet v3和OTCH-L模块设计了一种实时语义分割网络。首先利用hardswish激活函数对轻量级网络MobileNet v3进行精度补偿，提出改进后的MobileNet v3特征提取网络；其次基于八度卷积设计轻型高频采样模