-
题名多视角下结合形状和运动信息的三维人体姿态估计
- 1
-
-
作者
沈建锋
杨文明
廖庆敏
-
机构
清华大学电子工程系
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2011年第11期2658-2664,共7页
-
基金
国家自然科学基金青年基金(61007004)
深圳市建设国家级信息科学与技术重点实验室基金(010301)资助课题
-
文摘
该文以多视角同步视频为输入,提出综合利用形状和运动信息的3维人体姿态估计方法。该方法将人体分为头、躯干和四肢等3部分,每部分利用运动信息来预测当前的状态,并以形状信息作为检测器来确定姿态。这种在姿态估计中使用互补信息的方式极大地解决了漂移和收敛到局部极小的问题,也使系统能自动初始化和失败后重初始化。同时,多视角数据的使用也解决了自遮挡问题和运动歧义性。在包含多种运动类型的序列上的测试结果说明了该方法的有效性,对比实验结果也优于Condensation算法和退火粒子滤波。
-
关键词
人体姿态估计
体素数据
形状特征
运动信息
-
Keywords
Human pose estimation
Voxel data
Shape feature
Motion information
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于3D注意力卷积与自监督学习的脑疾病分类方法
- 2
-
-
作者
冀俊忠
于乐
雷名龙
-
机构
北京工业大学北京人工智能研究院
北京工业大学信息学部多媒体与智能软件技术北京市重点实验室
-
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2024年第3期307-315,共9页
-
基金
国家自然科学基金资助项目(62276010)
北京市教育委员会科学研究计划资助项目(KZ202210005009)。
-
文摘
为了提升现有脑疾病分类方法提取三维空间特征的能力,提出一种融合3D注意力卷积与自监督学习的分类模型。首先,提出一种基于残差结构的3D注意力卷积神经网络来提取空间特征,利用3D注意力机制区分体素数据中不同空间位置的重要性;其次,利用空间特征构建一个基于自监督学习的多任务学习框架,通过基于空间连续性的自监督辅助任务来进一步挖掘体素的空间依赖关系;最后,通过辅助任务与目标分类任务的联合训练优化神经网络参数,进而提升分类模型的性能。在ABIDE-Ⅰ和ABIDE-Ⅱ数据集上的实验结果表明,所提方法具有优异的分类性能,分类结果也具备良好的可解释性。
-
关键词
脑疾病分类
体素数据
空间特征
三维卷积神经网络
自监督学习
注意力机制
-
Keywords
brain disease classification
voxel data
spatial features
3D convolutional neural network
self-supervised learning
attention mechanism
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于MCL的多速率点云动作识别
- 3
-
-
作者
李涛
王松
谢甜
马亚彤
-
机构
兰州交通大学电子与信息工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2024年第11期2035-2044,共10页
-
基金
国家自然科学基金(62067006)
甘肃省自然科学基金(21JR7RA291)
甘肃省教育科技创新项目(2021jyjbgs-05)。
-
文摘
针对体素数据会占用大量的内存空间且单网络可提取的动作信息有限的问题,提出了基于MCL的多速率点云动作识别模型。首先,优化了点云数据预处理方法,使点云数据的总体大小减少1/2;其次,提出了基于MCL的多速率点云动作识别模型,以MCL框架为主体结构,引入置信度损失函数和广义蒸馏,通过置信度损失来确定知识蒸馏时的“教师”及“学生”网络;对“教师”网络进行广义蒸馏,对“学生”网络进行指导,实现了不同速率网络之间的信息融合。对该模型在公开的MMActvity数据集和Pantomime数据集上的性能表现进行了评估,分别得到91.3%和95.2%的准确率,实验结果验证了该模型的有效性。
-
关键词
MCL
动作识别
体素数据
广义蒸馏
-
Keywords
multiple choice learning(MCL)
action recognition
voxel data
generalized distillation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
