-
题名融合密集卷积与空间转换网络的手势识别方法
被引量：12
- 1
-
-
作者
马杰
张绣丹
杨楠
田亚蕾
-
机构
河北工业大学电子信息工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2018年第4期951-956,共6页
-
基金
国家自然科学基金(61203245)
河北省自然科学基金(F2012202027)~~
-
文摘
手势识别作为人机交互的方式之一,在人工智能日益发展的今天备受瞩目。针对手势旋转、平移、缩放等形变导致识别率偏低的问题,该文基于密集卷积网络(Densenet)与空间转换网络(STN)提出了一种新型的网络结构Densenet_V2,先利用空间转换网络对输入的样本和特征图进行空间变换和对齐,再利用密集卷积网络自动提取手势的有效特征,最后通过线性分类器对手势进行分类。为防止网络模型对样本数据集过度拟合,对网络进行训练时在损失函数中加入L2正则项以实现权重衰减。在Marcel手势库上进行多次实验。实验结果表明,Densenet_V2可以提高对静态形变手势的识别率。
-
关键词
手势识别
形变
密集卷积网络
空间转换网络
L2正则项
-
Keywords
Gesture recognition
Deformation
Dense convolutional networks
Spatial Transformer Networks （STN）
L2 regular term
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名结合低秩和结构化稀疏的大雾图像小目标检测
- 2
-
-
作者
马杰
杨楠
张绣丹
-
机构
河北工业大学电子信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第21期176-182,共7页
-
基金
国家自然科学基金(No.61203245)
河北省自然科学基金(No.F2012202027)
-
文摘
针对传统的低秩稀疏分解模型不能直接应用到单幅图像进行目标检测,且忽略了目标像素的空间结构性导致检测精度不高等问题,提出一种基于低秩和结构化稀疏的单幅大雾图像小目标检测算法。首先,对原始大雾图像进行预处理得到由局部子图像构成的大雾补片图像,将小目标检测问题转化为低秩和稀疏分解问题。然后,考虑到目标像素间的空间结构关系,在对大雾补片图像进行矩阵分解时,引入结构化稀疏诱导范数对目标进行约束。最后,将矩阵分解得到的补片图像进行后处理得到背景图像和目标图像。通过对单幅大雾图像实验仿真表明,所提算法确保了小目标检测的完整性并且提高了检测精度。
-
关键词
小目标检测
低秩
结构化稀疏
诱导范数
-
Keywords
small target detection
low-rank
structured sparse
inducing norm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
