期刊文献+
共找到216篇文章
< 1 2 11 >
每页显示 20 50 100
MARKOV SKELETON PROCESS IN PERT NETWORKS 被引量:1
1
作者 孔祥星 张玄 候振挺 《Acta Mathematica Scientia》 SCIE CSCD 2010年第5期1440-1448,共9页
In this article, we investigate Programming Evaluation and Review Technique networks with independently and generally distributed activity durations. For any path in this network, we select all the activities related ... In this article, we investigate Programming Evaluation and Review Technique networks with independently and generally distributed activity durations. For any path in this network, we select all the activities related to this path such that the completion time of the sub-network (only consisting of all the related activities) is equal to the completion time of this path. We use the elapsed time as the supplementary variables and model this sub-network as a Markov skeleton process, the state space is related to the subnetwork structure. Then use the backward equation to compute the distribution of the sub-network's completion time, which is an important rule in project management and scheduling. 展开更多
关键词 PERT networks Markov skeleton process backward equation
在线阅读 下载PDF
融合时空注意力的改进ST-GCN人体动作识别方法研究 被引量:1
2
作者 雷建云 梁钧 +2 位作者 夏梦 张慧丽 田祚汉 《中南民族大学学报(自然科学版)》 2025年第4期526-535,共10页
针对现有的人体骨架动作识别算法不能充分发掘运动的时空特征问题,提出了一种基于融合时空注意力的改进图卷积网络模型.该模型包含空间注意力机制和时间注意力机制,利用时空注意力机制从时间和空间两个维度分别提取动作的全局时空特征.... 针对现有的人体骨架动作识别算法不能充分发掘运动的时空特征问题,提出了一种基于融合时空注意力的改进图卷积网络模型.该模型包含空间注意力机制和时间注意力机制,利用时空注意力机制从时间和空间两个维度分别提取动作的全局时空特征.将这二者融合到统一的时空图卷积网络(ST-GCN)框架中,实现了端到端的训练.在Kinetics和NTU RGB+D两个公开数据集的对比实验证明:改进模型在NTU-RGB+D数据集上的CS标准下取得了82.37%的Top-1精度,在CV标准下取得89.84%的Top-1精度,相比原来的ST-GCN算法,分别提升0.87%的Top-1精度和1.54%的Top-5精度.在Kinetics数据集上,改进模型取得了31.78%的精度,与ST-GCN相比提高了1.08%.由此验证了改进方法的有效性. 展开更多
关键词 图卷积网络 骨架数据 动作识别 时空注意力
在线阅读 下载PDF
基于超图卷积和多角度拓扑细化的骨骼行为识别方法
3
作者 黄倩 苏新凯 +1 位作者 李畅 巫义锐 《计算机科学》 北大核心 2025年第5期220-226,共7页
由于人体骨架是一个天然存在的拓扑结构,因此图卷积网络(GCNs)被广泛地应用于基于骨骼的人体行为识别。然而,目前的基于GCN的方法只关注关节点对之间的低阶关系,而忽略了潜在的关节点在关节点群中的高阶关系。同时,现有的方法忽略了空... 由于人体骨架是一个天然存在的拓扑结构,因此图卷积网络(GCNs)被广泛地应用于基于骨骼的人体行为识别。然而,目前的基于GCN的方法只关注关节点对之间的低阶关系,而忽略了潜在的关节点在关节点群中的高阶关系。同时,现有的方法忽略了空间拓扑随时间的动态变化。这些不足影响了模型的表现。为此,利用K-NN计算出相关性高的关节点构成超边,提出了超图构建方法和超边图卷积来动态地学习关节点间的高阶关系。此外,设计了一个从时间和通道角度细化的拓扑图来学习帧级的和通道级的关节点对之间的相关性。最后,开发了一个多角度拓扑细化的超图卷积网络(HyperMTR-GCN)用于骨骼行为识别,其在NTU RGB+D和NTU RGB+D 120数据集上具有显著优势。具体地,所提方法在NTU RGB+D的X-sub基准上比2s-AGCN提高了3.7%,在NTU RGB+D 120的X-sub基准上比2s-AGCN提高了5.7%。 展开更多
关键词 行为识别 图卷积网络 超图神经网络 骨架建模 拓扑细化
在线阅读 下载PDF
基于DC-HED网络和骨架提取的岩心图像边缘检测
4
作者 潘少伟 杨怡婷 +2 位作者 尚娅敏 郭智 蔡文斌 《中国石油大学学报(自然科学版)》 北大核心 2025年第3期97-107,共11页
整体嵌套边缘检测(holistically-nested edge detection,HED)网络是目前图像边缘检测领域内一种应用广泛且性能良好的深度网络模型,但存在图像检测边缘缺失、冗余和模糊不清等不足。针对此问题,提出一种扩张卷积(dilated convolution,DC... 整体嵌套边缘检测(holistically-nested edge detection,HED)网络是目前图像边缘检测领域内一种应用广泛且性能良好的深度网络模型,但存在图像检测边缘缺失、冗余和模糊不清等不足。针对此问题,提出一种扩张卷积(dilated convolution,DC)结合HED网络的深度网络模型DC-HED。首先,去除原HED网络最后两层的池化层以进一步保留图像边缘信息;再加入扩张卷积来扩大感受野,更好地还原图像边缘细节,重新设计DC-HED网络。之后利用Zhang-Suen算法对其图像边缘检测结果进行骨架提取。把DC-HED网络和骨架提取应用于中国陕北地区S油田不同岩心铸体薄片图像(简称岩心图像)的边缘检测中,获得较好的试验效果。结果表明:相比已有文献中方法、传统Canny算子、传统Sobel算子和原HED网络,DC-HED网络检测获得的图像边缘更完整,连通性更好;DC-HED网络测试得到的均方误差、结构相似性和峰值信噪比分别为0.1106、0.7997和9.5611,与前面几种方法相比,均有较大幅度的改善。最后将图像骨架提取方法应用于已获得的图像边缘中,剔除了杂乱的图像边缘信息,可得到清晰连续的图像边缘中心轮廓线条。 展开更多
关键词 岩心铸体薄片图像 边缘检测 岩心数字化 HED网络 扩张卷积 骨架提取
在线阅读 下载PDF
基于通道注意力机制增强DGNN的外骨骼机器人步态相位预测 被引量:1
5
作者 颜建军 许赢家 +2 位作者 林越 金理 江金林 《华东理工大学学报(自然科学版)》 北大核心 2025年第1期110-118,共9页
利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,... 利用一种基于通道注意力机制增强的有向图神经网络(Channel Attention Enhanced Directed Graph Neural Network,CA-DGNN)的外骨骼机器人步态相位预测方法,提高了步态相位预测的准确性和可靠性。首先,研制了人体下肢姿态信息采集装置,采集人体下肢的行走步态数据并构建人体下肢的骨架模型;之后,建立了基于CA-DGNN步态相位的预测模型,提取人体步态相位的运动特征,并基于当前时刻数据预测未来时刻的步态相位;最后,探讨了滑动窗口大小对算法性能的影响。本文提高了外骨骼机器人步态相位预测的准确性和鲁棒性,为此方向研究提供了一种新的思路和方法。 展开更多
关键词 步态相位预测 惯性传感器 骨架 时空图卷积网络 通道注意力机制
在线阅读 下载PDF
顾及人体骨架区域特征的行为识别研究
6
作者 李雯静 刘鑫 《武汉大学学报(信息科学版)》 北大核心 2025年第3期571-578,共8页
基于人体骨架数据的行为识别研究目前已经取得较好的进展,然而现有方法大多仅考虑关节点的空间位置信息,忽视了关节点的区域变化特征。提出一种顾及人体骨架区域特征的行为识别方法,使用人体骨架数据表征人体行为特征,按照人体运动规律... 基于人体骨架数据的行为识别研究目前已经取得较好的进展,然而现有方法大多仅考虑关节点的空间位置信息,忽视了关节点的区域变化特征。提出一种顾及人体骨架区域特征的行为识别方法,使用人体骨架数据表征人体行为特征,按照人体运动规律对骨架图进行区域划分,在关节坐标数据的基础上考虑区域内关节的角度变化情况,并将两种数据分别作为时空图卷积网络的输入,对两种数据流的预测结果进行融合。实验结果表明,所提方法较单个数据流的检测结果提高了1.9%;与几种经典模型比较,其Top-1和Top-5准确率分别达到了32.4%和54.2%,相较其他模型有更好的检测结果。 展开更多
关键词 行为识别 区域特征 骨架图 时空图卷积网络
原文传递
基于引导图卷积网络的人体动作轮廓动态识别
7
作者 鲁光男 李柯景 岳莉 《现代电子技术》 北大核心 2025年第21期101-104,共4页
为捕捉节点信号随时间的演变规律,准确预测人体动作,提升人员安全性,文中提出基于引导图卷积网络的人体动作轮廓动态识别方法,全面地理解人体动作的动态变化。利用OpenPose模型获取动作视频中人体各个关节点的位置,构建人体动作骨架图;... 为捕捉节点信号随时间的演变规律,准确预测人体动作,提升人员安全性,文中提出基于引导图卷积网络的人体动作轮廓动态识别方法,全面地理解人体动作的动态变化。利用OpenPose模型获取动作视频中人体各个关节点的位置,构建人体动作骨架图;建立跨时空图结构,描述不同视频帧人体关键点之间的时间依赖关系,设计多尺度邻接矩阵,捕捉人体动作的跨时空相关性;引入注意力机制对不同尺度的邻接矩阵进行权重分配,确定关键关节点间的关系;基于频谱图理论对人体骨架时空图进行时空卷积操作,深入挖掘空间维度上的信号关联性,并捕捉节点信号随时间的演变,通过全连接层进行降维和激活函数处理,输出人体动作轮廓动态识别结果。结果表明:文中方法能够有效地捕捉人体动作的时空特征,对于不同场景下和不同复杂程度的动作类型,该方法的人体动作轮廓动态识别准确性均在90%以上,证明所提方法具有较高的准确性和鲁棒性。 展开更多
关键词 OpenPose模型 图卷积网络 注意力机制 频谱图理论 人体骨架时空图 时空特性
在线阅读 下载PDF
基于运动感知和时间增强的人体跌倒检测方法
8
作者 闵晨宇 罗小龙 +1 位作者 相龙伟 彭真 《传感器与微系统》 北大核心 2025年第11期38-41,46,共5页
跌倒是全球意外死亡的重要原因之一,尤其对老年人构成严重威胁。提出了一种基于视频的人体姿态跌倒检测方法,旨在解决现有技术跨场景鲁棒性及实时性方面的不足。主要创新点包括:设计了行为特征提取(BFE)模块,能够有效地捕捉相邻骨骼节... 跌倒是全球意外死亡的重要原因之一,尤其对老年人构成严重威胁。提出了一种基于视频的人体姿态跌倒检测方法,旨在解决现有技术跨场景鲁棒性及实时性方面的不足。主要创新点包括:设计了行为特征提取(BFE)模块,能够有效地捕捉相邻骨骼节点的动态变化和关系;并改进了时空图卷积网络(ST-GCN)框架,引入了动态图卷积网络(D-GCN)模块和多尺度时序卷积网络(MS-TCN)模块,能够有效地利用骨架特征捕捉运动信息和时间维度上长距离依赖。实验表明,该方法在多个公开数据集上均能保持高准确率(最高达99.45%),并展现出良好的跨场景泛化能力。此外,模型在非GPU平台上达到了56 fps的实时性能,在GPU平台上达到92 fps的实时性能。 展开更多
关键词 人体跌倒检测 图神经网络 基于骨架的行为识别
在线阅读 下载PDF
基于人体骨架的动作识别:综述与展望 被引量:1
9
作者 孟祥璞 李硕 +4 位作者 苑明哲 王文洪 张志佳 宋纯贺 曹飞道 《信息与控制》 北大核心 2025年第1期1-27,共27页
人体动作识别在多场景、多任务下具有多样的研究价值,在智能安防、自动驾驶、人机交互等领域存在广泛的应用前景。基于人体骨架的动作识别已进行了广泛研究,但还没有文献系统地整理其发展历程,并剖析更深层次的内在逻辑。本文整理了基... 人体动作识别在多场景、多任务下具有多样的研究价值,在智能安防、自动驾驶、人机交互等领域存在广泛的应用前景。基于人体骨架的动作识别已进行了广泛研究,但还没有文献系统地整理其发展历程,并剖析更深层次的内在逻辑。本文整理了基于人体骨架的动作识别的主要发展历程,按照技术方法将其整理归纳为循环神经网络、卷积神经网络、图卷积神经网络、Transformer四大技术路线,并梳理了其不同的发展脉络,分析了两大关键技术点:空间建模与时间建模,指出了构建丰富表征输入信息的方法论;同时讨论了人体骨架模态在多模态融合中对动作识别的重要意义;最后,对人体骨架动作识别技术方法和实际应用进行了展望。 展开更多
关键词 动作识别 人体骨架 深度学习 图卷积神经网络 TRANSFORMER
原文传递
基于L_(1)中轴提取和柔性约束的三维点云场景路网提取
10
作者 马雪奇 黄鹏頔 黄惠 《计算机辅助设计与图形学学报》 北大核心 2025年第3期427-438,共12页
针对大规模点云场景立体路网结构提取困难的问题,通过对全局场景连通域进行拓扑分析,提出了一种基于L_(1)中轴提取和柔性约束的三维点云场景路网提取方法.首先采用L_(1)骨架提取算法提取初始的三维骨架;接着采用对称性方法构建质心距离... 针对大规模点云场景立体路网结构提取困难的问题,通过对全局场景连通域进行拓扑分析,提出了一种基于L_(1)中轴提取和柔性约束的三维点云场景路网提取方法.首先采用L_(1)骨架提取算法提取初始的三维骨架;接着采用对称性方法构建质心距离场,并对地面点云进行腐蚀,以约束道路的中轴区域;然后对初始路网骨架的断尾点进行判断,并对路网进行补全;最后通过柔性投影获得三维道路点云的最佳中轴位置.在大规模场景数据集Campus3D,UrbanScene3D,UrbanBIS上的实验结果表明,所提方法完整度在0.4 m范围内可达到95.99%,误差在前88%数据上小于0.2 m.相比于二维路网提取方法MTH,可以有效获取路网的三维结构. 展开更多
关键词 路网提取 骨架提取 三维点云 L_(1)中轴提取
在线阅读 下载PDF
基于时空图注意力状态空间模型的人体姿态异常检测研究
11
作者 李航 陈志刚 +3 位作者 王易杰 张心宇 雷惊鸿 刘凌枫 《计算机工程与科学》 北大核心 2025年第10期1830-1840,共11页
视频异常检测在公共安防、交通和医疗等领域应用广泛,人体姿态异常检测存在易受环境影响、骨架时序难处理、计算复杂度高和运动区域的局部重要特征易忽略等问题。为解决上述问题,提出了一种新的基于人体骨架的时空图正则化流混合注意力... 视频异常检测在公共安防、交通和医疗等领域应用广泛,人体姿态异常检测存在易受环境影响、骨架时序难处理、计算复杂度高和运动区域的局部重要特征易忽略等问题。为解决上述问题,提出了一种新的基于人体骨架的时空图正则化流混合注意力状态空间模型STG-FAM。该模型通过在时空图卷积网络中引入选择性状态空间模型和正则化流,有效捕获骨架时序中的时间动态特征,利用混合注意力机制学习跨通道域和空间域的注意力权重,增强模型对时序骨架关键节点与时空边的关注,提升模型表征能力和异常检测能力。通过在2个视频异常检测数据集ShanghaiTech Campus和UBnormal上进行验证,表明了所提模型的有效性。 展开更多
关键词 视频异常检测 人体骨架 图神经网络 状态空间模型 注意力机制
在线阅读 下载PDF
多分支骨架特征输入下的歧义行为识别
12
作者 王超亚 韩华 +1 位作者 王春媛 田瑾 《计算机应用研究》 北大核心 2025年第11期3497-3505,共9页
基于骨架的人体动作识别是计算机视觉中的一个重要研究课题,其核心在于提取和学习具有区分度的骨架特征,以实现高精度的动作分类。但是由于歧义行为的存在,严重影响了分类识别的准确性,为此,围绕数据优化与计算复杂度降低,以及时空特征... 基于骨架的人体动作识别是计算机视觉中的一个重要研究课题,其核心在于提取和学习具有区分度的骨架特征,以实现高精度的动作分类。但是由于歧义行为的存在,严重影响了分类识别的准确性,为此,围绕数据优化与计算复杂度降低,以及时空特征精细化建模两个核心方向提出两项关键创新。首先在数据输入的初期阶段,采用多分支输入结构,实现早期特征融合,使模型能够更高效地学习不同模态间的互补信息,从而提升计算效率并增强模型的泛化能力;其次,提出模糊特征细化模型,该模型有助于提取独特的时空特征,增强了对动作细节的敏感性以帮助区分高相似度行为,从而实现更精细的时空特征建模。将所提多分支骨架特征输入下的歧义行为识别(GCN+)模型在D60和D120两个大规模公共数据集上进行实验证。实验范围涵盖四种单一模态及其融合模态。在单一模态下相较于基线模型,GCN+在D120的X-Sub下提升了2.6个百分点,表明其在复杂环境下对不同主体的识别能力更强;在融合模态下,GCN+在D120数据集的X-Sub评估下提升了3.2个百分点,在X-Set评估下提升了3.0个百分点。进一步验证了该模型在大规模数据场景下的适用性,和在跨主体和跨视角识别任务方面展现的卓越性能。 展开更多
关键词 骨架识别 图卷积神经网络 多分支输入 歧义行为 模糊特征细化
在线阅读 下载PDF
基于骨架和3D热图的注意缺陷多动障碍患者动作识别算法
13
作者 石超 周昱昕 +3 位作者 扶倩 唐万宇 何凌 李元媛 《计算机应用》 北大核心 2025年第9期3036-3044,共9页
注意缺陷多动障碍(ADHD)是一种常见于儿童期的神经发育障碍,以注意力不集中、多动和冲动为主要特征,常表现出特定的动作模式。传统的动作识别算法在处理这些特定动作时存在识别准确率低和响应慢等问题。为解决这些问题,提出基于骨架和3... 注意缺陷多动障碍(ADHD)是一种常见于儿童期的神经发育障碍,以注意力不集中、多动和冲动为主要特征,常表现出特定的动作模式。传统的动作识别算法在处理这些特定动作时存在识别准确率低和响应慢等问题。为解决这些问题,提出基于骨架和3D热图的注意缺陷多动障碍患者动作识别算法,并通过高斯分布精确地表示关节点间的空间关系,以有效地保留时空信息。针对单一模态数据的限制,引入基于骨架和3D热图的多模态集成方法。同时,通过融合Short 3D-CNN(3D Convolutional Neural Network)和自适应图卷积网络(AGCN)的输出特征,充分利用两种模态数据的优势,从而提升动作识别性能。在四川大学华西医院心理卫生中心采集的ADHD患者数据集上的实验结果表明,对于8种不同类型的动作,所提算法的Top-1识别准确率为0.8604,Top-5识别准确率为0.9873。此外,提出基于动作类型的ADHD自动分型算法,该算法将ADHD分型为头面部体动型、躯干体动型和四肢体动型,它的识别准确率为75%,响应时间为5 s。与2s-AGCN(two-stream AGCN)和PoseConv3D相比,所提算法在复杂动作场景下具有更高的识别精度,为ADHD的个性化干预提供了新的技术手段。 展开更多
关键词 注意缺陷多动障碍 动作识别 骨架数据 图卷积网络 3D卷积神经网络
在线阅读 下载PDF
基于栅格的室内平面路网自动构建方法
14
作者 毛宏宇 效朝阳 +2 位作者 蒋友龙 田仁涛 陈团 《地理空间信息》 2025年第6期47-50,共4页
随着自动泊车、机器人服务等智能化行业的发展,以及室内服务需求的增加,传统手动方法与三角剖分法构建的路网模型难以满足高新技术作业的要求。因此,提出一种基于栅格的室内平面路网自动构建方法,该方法首先基于语义信息提取构建室内平... 随着自动泊车、机器人服务等智能化行业的发展,以及室内服务需求的增加,传统手动方法与三角剖分法构建的路网模型难以满足高新技术作业的要求。因此,提出一种基于栅格的室内平面路网自动构建方法,该方法首先基于语义信息提取构建室内平面地图的必要要素,并将其转化为栅格;然后将栅格划分为可通行区域与不可通行区域,再通过深度优先搜索算法将室外区域障碍化;最后利用细化算法提取可通行区域的中心线,从而构建室内平面路网模型。通过对不同方法构建的路网进行对比分析,结果表明,该方法在完整度、相似度和构建时间成本上表现更佳。 展开更多
关键词 栅格地图 室内路网 细化算法 骨架提取
在线阅读 下载PDF
神经网络Skeletonization算法在优化锅炉运行参数中的应用 被引量:6
15
作者 崔育奎 陶丽 崇培安 《锅炉技术》 北大核心 2016年第2期21-26,共6页
对将神经网络Skeletonization算法进行改进,运用到优化调整锅炉性能参数的方法,用神经网络模型预测锅炉运行中需要优化的性能参数。通过神经网络的学习,模拟性能参数的影响因素与性能参数之间的映射函数,再通过改进Skeletonization算法... 对将神经网络Skeletonization算法进行改进,运用到优化调整锅炉性能参数的方法,用神经网络模型预测锅炉运行中需要优化的性能参数。通过神经网络的学习,模拟性能参数的影响因素与性能参数之间的映射函数,再通过改进Skeletonization算法对网络模型进一步计算,找出哪些影响因素对性能参数的影响较大,为快速有效准确的机组运行优化提供指导依据和方向。这种方法不仅能为机组运行优化提供直观的理论根据,同时对锅炉的运行不产生负面影响,可以实现在线优化运行。通过计算影响因素的权重值,对性能参数准确预报,为锅炉机组的性能优化调整提供便捷、准确、全面的方案。 展开更多
关键词 超临界锅炉 性能优化 神经网络 skeletonization算法
在线阅读 下载PDF
基于扩展时间和时空特征融合图卷积网络的骨架行为识别
16
作者 徐永刚 孙琦烜 +2 位作者 李凡甲 程健维 戴佳俊 《计算机工程》 北大核心 2025年第4期281-292,共12页
在基于骨架的人体行为识别领域,图卷积网络(GCN)在近年来取得了很大的进展,但现有GCN大多将时间卷积和空间卷积简单串联,导致时空特征融合效果不佳。另外,现有模型还存在无法高效提取时间特征的问题。为此,提出扩展时间和时空特征融合... 在基于骨架的人体行为识别领域,图卷积网络(GCN)在近年来取得了很大的进展,但现有GCN大多将时间卷积和空间卷积简单串联,导致时空特征融合效果不佳。另外,现有模型还存在无法高效提取时间特征的问题。为此,提出扩展时间和时空特征融合图卷积网络(ETFF-GCN)。该网络采用通道聚合的方法对动态空间拓扑和时序特征进行一次融合,然后运用注意力机制进行二次融合,进一步增强融合效果。在此基础上,为了全面提取时序特征,采用多个不同大小的卷积核构建时域图卷积,以提取多尺度和多粒度的时间特征,并引入有效压缩激励模块进行特征增强,提升特征表达能力。在3个大型数据集上对所提出的方法进行评估,实验结果表明,该方法的性能优于现有的方法。 展开更多
关键词 人体骨架行为识别 图卷积网络 时空特征融合 注意力机制 扩展时间
在线阅读 下载PDF
PixCLIP:多层次特征融合的手写汉字骨架提取
17
作者 梁晓中 王涛 《计算机技术与发展》 2025年第1期21-29,共9页
针对现有的手写汉字骨架提取算法存在的汉字骨架提取不完全、笔画交叉处畸变、笔画断裂等问题,提出一种多层次特征融合与多维度上下文信息增强的手写汉字骨架提取算法,记为PixCLIP。该算法将多模态预训练模型CLIP(Contrastive Language-... 针对现有的手写汉字骨架提取算法存在的汉字骨架提取不完全、笔画交叉处畸变、笔画断裂等问题,提出一种多层次特征融合与多维度上下文信息增强的手写汉字骨架提取算法,记为PixCLIP。该算法将多模态预训练模型CLIP(Contrastive Language-Image Pre-training)的视觉Transformer分支与Pix2Pix条件生成对抗网络进行多层次特征融合,增强模型整体的全局上下文信息提取能力。对CLIP使用视觉提示微调技术(VPT),仅需微调极少数额外参数即可增强其在骨架提取任务的表现。提出多维度特征聚合(MDFA)模块,充分促进CLIP的全局特征与Pix2Pix局部特征之间多维度特征的自适应融合。引入多头注意力机制与卷积块注意力模块(CBAM),在通道和空间维度上抑制冗余信息。基于在线手写汉字数据集,构建手写汉字图像数据集用于实验。实验表明,与现有最优的骨架提取算法相比,该算法在测试数据集与真实手写汉字图像中均能更好地提取出流畅、完整的汉字骨架;在测试数据集上,此模型F1值与联合交并比(IoU)分别达到了85.62%和75.45%。 展开更多
关键词 骨架提取 条件生成对抗网络 多模态 CLIP模型 视觉提示微调
在线阅读 下载PDF
融合时空领域知识与数据驱动的骨架行为识别 被引量:1
18
作者 梁成武 胡伟 +2 位作者 杨杰 蒋松琪 侯宁 《计算机工程与应用》 北大核心 2025年第5期165-176,共12页
基于骨架数据的行为识别由于其数据紧凑性和抗背景干扰性,逐渐引起研究者的关注。现有数据驱动方法对融合骨架行为的时空领域知识尚未充分研究。基于此,提出一种融合人体行为时空领域先验知识与CNN改进网络结构的骨架行为识别方法。基... 基于骨架数据的行为识别由于其数据紧凑性和抗背景干扰性,逐渐引起研究者的关注。现有数据驱动方法对融合骨架行为的时空领域知识尚未充分研究。基于此,提出一种融合人体行为时空领域先验知识与CNN改进网络结构的骨架行为识别方法。基于关键时空特征领域知识提出时通聚焦模块,通过产生聚集系数矩阵引导模型关注鉴别性特征表达。融合长时空跨度领域知识提出多尺度卷积融合模块,沿通道采用分组残差连接方式灵活扩大卷积的时间感受野,在不引入大量参数情况下可获得长时空跨度特征表达能力。该方法在NTU RGB+D、NTU RGB+D 120及FineGYM三个大型数据集上进行性能评估与验证,分别取得96.6%、89.6%、94.1%的识别准确率。实验结果表明,融合时空领域知识与数据驱动可充分挖掘骨架行为时空特征,能够提升骨架行为识别性能并具有跨数据集泛化性。 展开更多
关键词 时空领域知识 数据驱动 骨架行为识别 卷积神经网络 长时空建模
在线阅读 下载PDF
基于动静态图结合的骨架动作识别方法
19
作者 束阳 李汪根 +2 位作者 高坤 王志格 葛英奎 《计算机与数字工程》 2025年第6期1585-1590,共6页
随着图卷积神经网络的深入发展,基于图卷积网络的人类骨架动作识别的方法也逐渐流行起来。然而,目前大多数的图卷积方法过多依赖于骨架上固定的关节连接关系,而忽略了非相邻关节之间在时空上存在的潜在联系,且占用了大量的计算成本。针... 随着图卷积神经网络的深入发展,基于图卷积网络的人类骨架动作识别的方法也逐渐流行起来。然而,目前大多数的图卷积方法过多依赖于骨架上固定的关节连接关系,而忽略了非相邻关节之间在时空上存在的潜在联系,且占用了大量的计算成本。针对以上问题,论文提出了一种基于动静态图结合的骨架动作识别方法(DS-GCN)。论文通过将由语义信息变换的动态通道图和人体静态骨架图相结合的方式,在低参数负载下,实现了良好的性能。 展开更多
关键词 图卷积神经网络 动作识别 动态通道图 静态骨架图 低参数
在线阅读 下载PDF
利用可选择多尺度图卷积网络的骨架行为识别
20
作者 曹毅 李杰 +2 位作者 叶培涛 王彦雯 吕贤海 《电子与信息学报》 北大核心 2025年第3期839-849,共11页
针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题,该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先,介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构;其... 针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题,该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先,介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构;其次,构建成对关节邻接矩阵和多关节邻接矩阵以生成多尺度通道拓扑细化邻接矩阵,并引入图卷积网络,进一步提出多尺度图卷积(MS-GC)模块,以期实现对骨架关节点的多尺度依赖关系的建模;然后,基于多尺度时序卷积和可选择大核网络,提出可选择多尺度时序卷积(SMS-TC)模块,以期实现对有用的时间上下文特征的充分提取,同时结合MS-GC和SMS-TC模块,进而提出可选择多尺度图卷积网络模型并在多支流数据输入下进行训练;最后,在NTU-RGB+D和NTU-RGB+D 120数据集上进行大量实验,实验结果表明,该模型能够捕获更多的关节特征和学习有用的时间信息,具有优异的准确率和泛化能力。 展开更多
关键词 骨架行为识别 图卷积网络 多尺度通道拓扑细化邻接矩阵 可选择多尺度时序卷积 可选择多尺度图卷积网络
在线阅读 下载PDF
上一页 1 2 11 下一页 到第
使用帮助 返回顶部