-
题名基于手势识别的手部康复智能评估算法研究
被引量：4
- 1
-
-
作者
徐胜
刘志诚
涂鑫涛
周轩阳
费敏锐
张堃
-
机构
南通职业大学电子信息工程学院
华东理工常熟研究院有限公司
南通大学电气工程学院
上海大学机电工程与自动化学院
南通市智能计算与智能控制重点试验室
-
出处
《自动化仪表》
CAS
2021年第12期23-27,32,共6页
-
基金
江苏省333工程科研基金资助项目(BRA2018218)
江苏省博士后科研基金资助项目(2020Z389)
+3 种基金
南通市基础科学研究基金资助项目(JC2021035)
江苏省研究生科研与实践创新计划基金资助项目(SJCX21_1449)
国家级大学生创新创业训练计划基金资助项目(202110304027Z)
省级大学生创新创业训练计划基金资助项目(202110304169H)。
-
文摘
针对手部疾病患者康复成本较高和康复训练不便的问题,开发了一种非穿戴式的基于手势识别的手部康复智能评估算法。为了提高手势识别检测能力,参照GhostNet原理,并结合自注意力机制,设计了全新的网络模块Lwblock。将YOLOv4算法中的模块Resblock改进为网络模块Lwblock,提出了Hand-YOLOv4算法。基于RexNet在Hand-YOLOv4算法框选的矩形区域内深度学习,识别出手部21个关键点。以自主手势识别技术为核心,结合动态时间规整(DTW)算法,设计了手部康复智能评估算法。试验结果表明,在手势识别任务中,检测速度较原模型提高了14%,且检测精度不会降低。该智能评估算法检测精度可达到90%以上,完全能够胜任手部康复评估工作,将促使手部医疗康复领域向舒适化、便捷化方向发展。
-
关键词
手势识别
非穿戴式
Hand-YOLOv4算法
自注意力机制
Lwblock
rexnet网络
康复评估
动态时间规整
-
Keywords
Gesture recognition
Non-wearable
Hand-YOLOv4 algorithm
Self-attention mechanism
Lwblock
rexnet network
Rehabilitation evaluation
Dynamic time warping(DTW)
-
分类号
TH-39
[机械工程]
-
-
题名基于改进轻量级秩扩展网络的人脸表情识别方法
被引量：4
- 2
-
-
作者
郑伟鹏
罗晓曙
蒙志明
-
机构
广西师范大学电子工程学院
广西师范大学创新创业学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第9期189-196,共8页
-
基金
广西人文社会科学发展研究中心“科学研究工程·创新创业专项重大委托项目”(ZDCXCY01)。
-
文摘
人脸表情识别作为人机交互的一种重要方法,广泛应用于智能医疗、公安测谎系统、车载安全系统等领域。现有人脸表情识别方法多数存在参数量冗余、计算成本高、特征表达瓶颈等问题。提出一种基于改进轻量级秩扩展网络ReXNet的人脸表情识别方法。通过构建改进的ReXNet以提取人脸表情特征,在参数量较少的条件下解决特征表达瓶颈的问题,增强对表情局部特征的关注,获得高层次的表情特征,同时融合坐标注意力模块,将位置信息嵌入到通道注意力中,精准地定位和识别感兴趣的特征,建立位置信息与局部特征之间的长依赖关系,减少计算开销。在此基础上,将细化模块引入到改进的网络架构中,利用类别上下文信息细化分类结果,增强类间的分化效果,从而提高人脸表情识别的准确率。实验结果表明,该方法在RAF-DB和FERPlus数据集上的人脸表情识别准确率分别达到88.43%和88.8%,相比VGG16-PLD、SHCNN、ResNet+VGG等方法,具有较高的准确率和较优的鲁棒性。
-
关键词
人脸表情识别
秩扩展网络
表达瓶颈
坐标注意力机制
细化模块
-
Keywords
Facial Expression Recognition(FER)
Rank Expansion network(rexnet)
expression bottleneck
Coordinate Attention(CA)mechanism
refinement module
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于YOLO-RSD模型的红花检测方法研究
- 3
-
-
作者
郭翔羽
南新元
蔡鑫
-
机构
新疆大学电气工程学院
-
出处
《山东农业科学》
2025年第12期153-162,共10页
-
基金
国家自然科学基金项目(62303394)。
-
文摘
红花是一种花期短、价值高的药用作物,针对目前采摘机器人在复杂环境下对红花的识别存在漏检率高、准确率较低等问题,本研究提出一种基于改进YOLOv7-tiny的红花检测模型YOLO-RSD。首先,利用ReXNet网络构建模型骨干网络,以消除语义压缩受阻问题,同时重新设计通道维度配置,提高了模型的特征提取能力;其次,在特征融合阶段搭建Slim-Neck结构,在减少冗余计算的同时提高了模型对不同尺度特征图的融合能力;最终,使用结合注意力机制的DyHead检测头,优化因样本数不均衡造成的难分类问题,提高了少样本数据检测精度。经实验验证,YOLO-RSD模型平均精度均值(mAP0.5)达到89.3%,准确率达到89.9%,相比YOLOv7-tiny模型分别提升2.8、5.5个百分点,同时,该模型优于SSD、YOLOv3、YOLOv5s、YOLOv4、YOLOR+CSP、X50-CSP等经典算法。表明该模型能够实现在复杂环境下对红花的有效、精准识别,可满足采摘机器人的实际需求。
-
关键词
红花
采摘识别
YOLOv7-tiny
rexnet网络
Slim-Neck结构
DyHead检测头
-
Keywords
Safflower
Picking recognition
YOLOv7-tiny
rexnet network
Slim-Neck network
Dy.Head detection head
-
分类号
S126
[农业科学]
-
