为实现脑卒中患者手功能康复情况的自动、精准定量评估,本文提出一种基于手部骨骼的手势识别与功能评估方法。首先,利用MediaPipe框架提取手部关键点并连接形成手骨骼模型,将传统的RGB视频数据集转化为手骨骼数据集。然后,通过C3D模型...为实现脑卒中患者手功能康复情况的自动、精准定量评估,本文提出一种基于手部骨骼的手势识别与功能评估方法。首先,利用MediaPipe框架提取手部关键点并连接形成手骨骼模型,将传统的RGB视频数据集转化为手骨骼数据集。然后,通过C3D模型进行训练,实现手功能动作的识别。最后,在正确识别的基础上进一步评估,采用动态时间规整(dynamic time warping,DTW)算法,在实现时序对齐的同时引入空间对齐机制,通过计算患者健侧手与患侧手完成同一动作的DTW距离,量化动作执行的相似度,为每个动作找到最佳阈值作为定量评估的标准。实验结果表明,用骨骼数据代替传统视频数据,使手势识别的准确率提升至99.01%,缩短了训练时间,并结合DTW算法,实现了手功能康复情况的自动评估。展开更多
为提高基于卷积神经网络(CNN)目标检测算法的检测速度,提出一种基于混合结构CNN的目标快速检测算法。采用基于CNN的Faster R-CNN目标检测框架,对其CNN进行优化。基于多层感知器结构,提出CR-mlpconv卷积层结构。在网络浅层采用C. Re LU策...为提高基于卷积神经网络(CNN)目标检测算法的检测速度,提出一种基于混合结构CNN的目标快速检测算法。采用基于CNN的Faster R-CNN目标检测框架,对其CNN进行优化。基于多层感知器结构,提出CR-mlpconv卷积层结构。在网络浅层采用C. Re LU策略,同时结合CR-mlpconv层结构和C. Re LU策略,合理设计层参数,构成卷积神经网络。将该卷积神经网络融合到Faster R-CNN检测框架中,实现目标快速检测。实验结果表明,在检测精度的适当影响范围内,该算法能够减少网络模型参数并降低网络模型的内存消耗,提高网络的实时性。展开更多
提出了融合深度图像先验的全变差(total variation,TV)图像着色模型,在即插即用(plug-and-play,PnP)框架下,结合交替方向乘子法(alternating direction method of multipliers,ADMM),设计出相应的数值求解算法,并给出该算法的收敛性结...提出了融合深度图像先验的全变差(total variation,TV)图像着色模型,在即插即用(plug-and-play,PnP)框架下,结合交替方向乘子法(alternating direction method of multipliers,ADMM),设计出相应的数值求解算法,并给出该算法的收敛性结果。数值实验结果表明,该模型能有效整合耦合TV边缘捕获和卷积神经网络(convolutional neural network,CNN)细节捕捉的功能,对结构图像和纹理等细节丰富的图像,均能实现较大范围的有效着色。展开更多
小麦麦穗智能识别在产量预估、种子筛选、农田密度估计等方面具有一定的科研价值和应用价值。传统的麦穗识别方法效率低且浪费人力,因此提出以无人机高清图像为数据源,基于卷积神经网络建立Mask-RCNN深度神经网络的小麦麦穗自动识别模型...小麦麦穗智能识别在产量预估、种子筛选、农田密度估计等方面具有一定的科研价值和应用价值。传统的麦穗识别方法效率低且浪费人力,因此提出以无人机高清图像为数据源,基于卷积神经网络建立Mask-RCNN深度神经网络的小麦麦穗自动识别模型,以平均精准均值(Mean Average Precision,MAP)和预测准确率(Precision)作为模型的评价指标。实验结果表明,Mask-RCNN麦穗识别模型的MAP达到72.32%,准确率达到95.2%,说明基于Mask-RCNN的麦穗识别模型是一种高效准确的识别方法,具有一定的实用价值。展开更多
文摘为实现脑卒中患者手功能康复情况的自动、精准定量评估,本文提出一种基于手部骨骼的手势识别与功能评估方法。首先,利用MediaPipe框架提取手部关键点并连接形成手骨骼模型,将传统的RGB视频数据集转化为手骨骼数据集。然后,通过C3D模型进行训练,实现手功能动作的识别。最后,在正确识别的基础上进一步评估,采用动态时间规整(dynamic time warping,DTW)算法,在实现时序对齐的同时引入空间对齐机制,通过计算患者健侧手与患侧手完成同一动作的DTW距离,量化动作执行的相似度,为每个动作找到最佳阈值作为定量评估的标准。实验结果表明,用骨骼数据代替传统视频数据,使手势识别的准确率提升至99.01%,缩短了训练时间,并结合DTW算法,实现了手功能康复情况的自动评估。
文摘为提高基于卷积神经网络(CNN)目标检测算法的检测速度,提出一种基于混合结构CNN的目标快速检测算法。采用基于CNN的Faster R-CNN目标检测框架,对其CNN进行优化。基于多层感知器结构,提出CR-mlpconv卷积层结构。在网络浅层采用C. Re LU策略,同时结合CR-mlpconv层结构和C. Re LU策略,合理设计层参数,构成卷积神经网络。将该卷积神经网络融合到Faster R-CNN检测框架中,实现目标快速检测。实验结果表明,在检测精度的适当影响范围内,该算法能够减少网络模型参数并降低网络模型的内存消耗,提高网络的实时性。
文摘提出了融合深度图像先验的全变差(total variation,TV)图像着色模型,在即插即用(plug-and-play,PnP)框架下,结合交替方向乘子法(alternating direction method of multipliers,ADMM),设计出相应的数值求解算法,并给出该算法的收敛性结果。数值实验结果表明,该模型能有效整合耦合TV边缘捕获和卷积神经网络(convolutional neural network,CNN)细节捕捉的功能,对结构图像和纹理等细节丰富的图像,均能实现较大范围的有效着色。
文摘小麦麦穗智能识别在产量预估、种子筛选、农田密度估计等方面具有一定的科研价值和应用价值。传统的麦穗识别方法效率低且浪费人力,因此提出以无人机高清图像为数据源,基于卷积神经网络建立Mask-RCNN深度神经网络的小麦麦穗自动识别模型,以平均精准均值(Mean Average Precision,MAP)和预测准确率(Precision)作为模型的评价指标。实验结果表明,Mask-RCNN麦穗识别模型的MAP达到72.32%,准确率达到95.2%,说明基于Mask-RCNN的麦穗识别模型是一种高效准确的识别方法,具有一定的实用价值。
