一种基于图卷积和胶囊神经网络的行为识别方法.pdf
书錦****by
亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于图卷积和胶囊神经网络的行为识别方法.pdf
本发明提出了一种基于图卷积和胶囊神经网络的行为识别方法。本发明通过人工标记得到每帧人体连续动作图像中人体关节点的空间坐标,进一步构建人体关节点的空间坐标向量;通过多层感知机将空间坐标向量映射为高维度特征向量,并结合动作关联原则构建关节点邻接矩阵;根据空间坐标构建出关节点的速度空间向量,进一步构建出关节点的加速度空间向量;将卷积神经网络用于提取特征,将胶囊神经网络用于动作分类,通过卷积神经网络、胶囊神经网络的串联构建胶囊卷积神经网络;将训练集重复多代训练得到训练好的胶囊卷积神经网络。本发明符合实际运动的特点
一种基于反馈权重卷积神经网络和胶囊神经网络的步态识别方法.pdf
本发明公开了一种基于反馈权重卷积神经网络和胶囊神经网络的步态识别方法,具体包括以下步骤:将一对步态能量图作为网络的输入;从底层开始匹配输入图像的特征;用卷积神经网络提取输入图像的步态特征;通过像素级反馈权重更新输入图像;使用初级胶囊神经网络将数据形状进行重塑;使用改进的胶囊神经网络输出图像的相似性。该方法在数据集较小的情况下具有较强的鲁棒性,能有效地体现身体不同部位对步态识别准确率的重要性,采用向量的方式表示实体,保留了步态特征的等变性,有效提高了跨视角步态识别的准确率。
一种基于图卷积神经网络的人体行为识别方法.pdf
本发明公开了一种基于图卷积神经网络的人体行为识别方法,本发明使用图卷积神经网络进行人体行为识别技术,从而更好的捕捉骨骼点之间的显式关系;在具体的图卷积操作中,使用行为特异图卷积模块,使得模型也可以更好的捕捉骨骼点之间的隐式关系,以捕捉其中的重要信息;为了捕捉时序信息,本技术采用门控时序一维卷积操作,过滤掉冗余及无关信息,保留其中的有用信息,以更好的建模动作的时序信息;在图卷积操作和一维卷积操作之后,均加入通道注意力模块,以建立通道维度的卷积,为不同的通道分配不同的权值,实现通道维度的注意力机制;通过行为门
一种基于卷积神经网络的服装识别方法.pdf
本发明公开了一种基于卷积神经网络的服装识别方法,主要解决现有服装识别算法对服装属性识别结果单一、准确率低的问题。其方案是:(1)对公开的服装识别数据集进行筛选并补充,采用层级标签标注方法制作融合数据集;(2)将ResNet18网络模型与EfficentNet网络模型相结合,简化网络结构;(3)将不同网络模型输出的特征向量进行相加,得到融合特征向量,结合Sigmoid损失函数进行分类;(4)对改造后ResNet18+EfficentNet融合网络进行训练和测试。本发明提高了对具有多种属性标签的服装识别精度,
一种基于卷积神经网络的棉蚜识别方法.pdf
本发明公开了一种基于卷积神经网络的棉蚜识别方法,该方法包括:获取棉蚜危害图像;采用迁移学习和微调的方式,建立基于卷积神经网络的棉蚜识别模型;将棉蚜危害图像输入至基于卷积神经网络的棉蚜识别模型,确定棉蚜危害等级。本发明使用手机采集棉花蚜虫危害图像,通过前期大量的调查数据,结合数据挖掘、深度学习的深度卷积神经网络方法,建立植物病虫害的识别方法和模型,对棉花蚜虫危害等级进行识别与区分,减少目前植保调查中人为因素产生的差异,而且提高调查效率,降低了试验成本,即利用该方法可方便快捷采集图像,并快速进行分类,为病虫害