期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于双流网络融合的三维人体网格重建
1
作者
于冰
程广
+1 位作者
黄东晋
丁友东
《图学学报》
北大核心
2025年第3期625-634,共10页
三维人体网格重建在计算机视觉、动画制作和虚拟现实等领域具有重要的应用价值。然而,目前大多数方法主要聚焦于单幅图像的三维人体重建,如何从视频数据中准确、平滑地重建三维人体动作仍然是一个难题。为此,提出了一种双流网络融合结构...
三维人体网格重建在计算机视觉、动画制作和虚拟现实等领域具有重要的应用价值。然而,目前大多数方法主要聚焦于单幅图像的三维人体重建,如何从视频数据中准确、平滑地重建三维人体动作仍然是一个难题。为此,提出了一种双流网络融合结构,以三维人体姿态为中介,在视频数据中实现三维人体网格重建。首先,利用三维姿态估计流网络对输入视频进行三维关节点估计,获得精确的关节信息;其次,通过时序特征聚合流网络提取视频的时序图像特征,捕获人体运动位置信息和时序姿态特征信息;最后,设计融合解码器,将三维关节点、时序图像特征与SMPL模板提供的网格结构进行回归,预测三维网格顶点坐标。实验结果表明,该方法相对于MPS-Net方法具有更好的预测精度,在3DPW数据集上比MPS-Net的平均关节位置误差(MPJPE)低了9.3%;在MPI-INF-3DHP数据集上比MPS-Net的MPJPE低了9.2%,同时重建结果在视觉效果上更为合理,展现出更高的准确性和平滑性。
展开更多
关键词
三维人体重建
SMPL模型
注意力机制
双流网络结构
时空信息关联
在线阅读
下载PDF
职称材料
基于深度学习的循环水养殖鳗鲡(Anguilla)行为状态识别的研究
被引量：
1
2
作者
许志扬
江兴龙
+1 位作者
林茜
李凯
《海洋与湖沼》
CAS
CSCD
北大核心
2023年第6期1746-1755,共10页
对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神...
对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神经网络对于时间动态信息提取能力有限的问题,搭建关联空间特征与时间特征的双流网络结构(Two-stream),并使用DenseNet-121网络替换原网络,对比VGGNet、ResNet等网络,通过密集连接实现特征重用,在搭建更深的网络结构基础上加强了运动特征传递并减少了参数量,更好地提取具有代表性的行为特征。传统双流网络在两端的softmax层仅作简单的决策层平均融合,无法更深程度关联时空高级特征,提出在网络卷积层提取空间特征与时间特征后,加上一层卷积层将时空特征进行卷积融合以提升模型识别精度。实验结果表明:文中提出的基于DenseNet双流卷积神经网络对6种鳗鲡行为状态检测方法准确率达到96.8%,相较于单通道的空间流与时间流网络,准确率分别提升了10.1%和9.5%;相较于以VGGNet、ResNet搭建的双流网络,准确率分别提升了12.4%和4.2%;与决策层平均融合、特征层拼接融合的方式相比,时空特征卷积融合方式准确率分别提升了2.5%和1.7%。
展开更多
关键词
鳗鲡
行为状态
混合高斯背景模型
DenseNet-121
双流网络结构
卷积融合
在线阅读
下载PDF
职称材料
题名
基于双流网络融合的三维人体网格重建
1
作者
于冰
程广
黄东晋
丁友东
机构
上海大学上海电影学院
上海电影特效工程技术研究中心
出处
《图学学报》
北大核心
2025年第3期625-634,共10页
基金
上海市人才发展资金项目(2021016)。
文摘
三维人体网格重建在计算机视觉、动画制作和虚拟现实等领域具有重要的应用价值。然而,目前大多数方法主要聚焦于单幅图像的三维人体重建,如何从视频数据中准确、平滑地重建三维人体动作仍然是一个难题。为此,提出了一种双流网络融合结构,以三维人体姿态为中介,在视频数据中实现三维人体网格重建。首先,利用三维姿态估计流网络对输入视频进行三维关节点估计,获得精确的关节信息;其次,通过时序特征聚合流网络提取视频的时序图像特征,捕获人体运动位置信息和时序姿态特征信息;最后,设计融合解码器,将三维关节点、时序图像特征与SMPL模板提供的网格结构进行回归,预测三维网格顶点坐标。实验结果表明,该方法相对于MPS-Net方法具有更好的预测精度,在3DPW数据集上比MPS-Net的平均关节位置误差(MPJPE)低了9.3%;在MPI-INF-3DHP数据集上比MPS-Net的MPJPE低了9.2%,同时重建结果在视觉效果上更为合理,展现出更高的准确性和平滑性。
关键词
三维人体重建
SMPL模型
注意力机制
双流网络结构
时空信息关联
Keywords
3D human reconstruction
SMPL model
attention mechanisms
dual-stream network architecture
spatio-temporal information association
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于深度学习的循环水养殖鳗鲡(Anguilla)行为状态识别的研究
被引量：
1
2
作者
许志扬
江兴龙
林茜
李凯
机构
集美大学水产学院
鳗鲡现代产业技术教育部工程研究中心
出处
《海洋与湖沼》
CAS
CSCD
北大核心
2023年第6期1746-1755,共10页
基金
国家重点研发计划“特色鱼类精准高效养殖关键技术集成与示范”,2020YFD0900102号
福建省科技厅高校产学合作项目,2020N5009号。
文摘
对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神经网络对于时间动态信息提取能力有限的问题,搭建关联空间特征与时间特征的双流网络结构(Two-stream),并使用DenseNet-121网络替换原网络,对比VGGNet、ResNet等网络,通过密集连接实现特征重用,在搭建更深的网络结构基础上加强了运动特征传递并减少了参数量,更好地提取具有代表性的行为特征。传统双流网络在两端的softmax层仅作简单的决策层平均融合,无法更深程度关联时空高级特征,提出在网络卷积层提取空间特征与时间特征后,加上一层卷积层将时空特征进行卷积融合以提升模型识别精度。实验结果表明:文中提出的基于DenseNet双流卷积神经网络对6种鳗鲡行为状态检测方法准确率达到96.8%,相较于单通道的空间流与时间流网络,准确率分别提升了10.1%和9.5%;相较于以VGGNet、ResNet搭建的双流网络,准确率分别提升了12.4%和4.2%;与决策层平均融合、特征层拼接融合的方式相比,时空特征卷积融合方式准确率分别提升了2.5%和1.7%。
关键词
鳗鲡
行为状态
混合高斯背景模型
DenseNet-121
双流网络结构
卷积融合
Keywords
eel Anguilla
behavioral state
Gaussian Mixture Model
DenseNet-121
double-flow network structure
convolutional fusion
分类号
Q959.9 [生物学—动物学]
S965 [农业科学—水产养殖]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于双流网络融合的三维人体网格重建
于冰
程广
黄东晋
丁友东
《图学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于深度学习的循环水养殖鳗鲡(Anguilla)行为状态识别的研究
许志扬
江兴龙
林茜
李凯
《海洋与湖沼》
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
