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
3
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SEEC-YOLO v5s的散养蛋鸡日常行为识别与统计系统
被引量：
4
1
作者
杨断利
王永胜
+3 位作者
陈辉
孙二东
王连增
宁炜
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第9期316-328,共13页
针对鸡只个体较小、个体间存在遮挡,对蛋鸡日常行为识别造成干扰的问题,提出了一种基于SEEC-YOLO v5s的蛋鸡日常行为识别方法。通过在YOLO v5s模型输出部分添加SEAM注意力模块、在特征融合部分引入显式视觉中心模块(EVCBlock),扩大了模...
针对鸡只个体较小、个体间存在遮挡,对蛋鸡日常行为识别造成干扰的问题,提出了一种基于SEEC-YOLO v5s的蛋鸡日常行为识别方法。通过在YOLO v5s模型输出部分添加SEAM注意力模块、在特征融合部分引入显式视觉中心模块(EVCBlock),扩大了模型的感受野,提高了模型对小个体遮挡情况下的目标识别能力,提升了模型对蛋鸡站立、采食、饮水、探索、啄羽和梳羽6种行为的识别精度。提出了一种基于视频帧数与视频帧率比值计算蛋鸡日常行为持续时间的统计方法,并对蛋鸡群体一天之中不同时间段及全天各行为变化规律进行了分析。将改进后的模型进行封装、打包,设计了蛋鸡日常行为智能识别与统计系统。试验结果表明,SEEC-YOLO v5s模型对6种行为识别的平均精度均值为84.65%,比YOLO v5s模型高2.34个百分点,对比Faster R-CNN、YOLO X-s、YOLO v4-tiny和YOLO v7-tiny模型,平均精度均值分别提高4.30、3.06、7.11、2.99个百分点。本文方法对蛋鸡的日常行为监测及健康状况分析提供了有效的支持,为智慧养殖提供了借鉴。
展开更多
关键词
蛋鸡
日常行为识别
SEAM模块
EVCBlock模块
YOLO
v5s
在线阅读
下载PDF
职称材料
智能家居中的居民日常行为识别综述
被引量：
11
2
作者
刘勇
谢若莹
+2 位作者
丰阳
王亚辉
刘亚清
《计算机工程与应用》
CSCD
北大核心
2021年第4期35-42,共8页
针对智能家居中居民日常行为识别进行了综述。介绍了基于非入侵式传感器的智能家居环境,分析了智能家居中日常行为识别研究的意义;概述了日常行为识别的基本流程;根据日常行为识别的基本流程,归纳了目前日常行为识别研究领域中传感器事...
针对智能家居中居民日常行为识别进行了综述。介绍了基于非入侵式传感器的智能家居环境,分析了智能家居中日常行为识别研究的意义;概述了日常行为识别的基本流程;根据日常行为识别的基本流程,归纳了目前日常行为识别研究领域中传感器事件流分割、日常行为特征的选择和计算以及日常行为识别方法三个关键问题的研究现状;指出了未来智能家居中日常行为识别的研究方向。
展开更多
关键词
智能家居
日常行为识别
泛在智能
普适计算
环境感知
在线阅读
下载PDF
职称材料
面向养老照护的多传感器序列异常行为检测模型
被引量：
3
3
作者
潘兰兰
陈庆奎
《小型微型计算机系统》
CSCD
北大核心
2022年第9期1984-1991,共8页
互联网时代下,传统养老照护模式已经无法适应新型养老行业的发展.因此本文提出一种基于多传感器序列的异常行为检测模型,该模型能够在分布式、无干扰的传感器网络环境中监测老人生活,检测行为异常,并给出健康预警.文中通过类比生物信息...
互联网时代下,传统养老照护模式已经无法适应新型养老行业的发展.因此本文提出一种基于多传感器序列的异常行为检测模型,该模型能够在分布式、无干扰的传感器网络环境中监测老人生活,检测行为异常,并给出健康预警.文中通过类比生物信息学中蛋白质序列的表示方法,将多维传感器序列转换成一维序列.采用词袋模型,将划分后的不等长子序列映射为等长子序列.选择基于Calinski-Harabasz指数的层次聚类算法,识别出用户日常行为模式.最后,结合用户健康状况下日常行为活动的高斯分布,及FRS(Fuzzy Reasoning System)模糊推理系统,检测出用户的异常行为(天).实际数据结果表明,该模型能够有效识别用户的起床、就餐、用药、如厕等多种日常活动及其规律,异常行为天检测的F1均值达到近90%,并给出对比实验.
展开更多
关键词
智能居家养老
多传感器序列
日常行为识别
异常
行为
检测
在线阅读
下载PDF
职称材料
题名
基于SEEC-YOLO v5s的散养蛋鸡日常行为识别与统计系统
被引量：
4
1
作者
杨断利
王永胜
陈辉
孙二东
王连增
宁炜
机构
河北农业大学信息科学与技术学院
河北省农业大数据重点实验室
河北农业大学动物科技学院
农业农村部肉蛋鸡养殖设施工程重点实验室
河北桃木疙瘩农业科技股份有限公司
河北省蛋鸡产业技术研究院
成都小巨人畜牧设备有限公司
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第9期316-328,共13页
基金
国家自然科学基金项目(32172779)
财政部和农业农村部:国家现代农业产业技术体系项目(CARS-40)
河北省科技研发平台建设专项(225676150H)。
文摘
针对鸡只个体较小、个体间存在遮挡,对蛋鸡日常行为识别造成干扰的问题,提出了一种基于SEEC-YOLO v5s的蛋鸡日常行为识别方法。通过在YOLO v5s模型输出部分添加SEAM注意力模块、在特征融合部分引入显式视觉中心模块(EVCBlock),扩大了模型的感受野,提高了模型对小个体遮挡情况下的目标识别能力,提升了模型对蛋鸡站立、采食、饮水、探索、啄羽和梳羽6种行为的识别精度。提出了一种基于视频帧数与视频帧率比值计算蛋鸡日常行为持续时间的统计方法,并对蛋鸡群体一天之中不同时间段及全天各行为变化规律进行了分析。将改进后的模型进行封装、打包,设计了蛋鸡日常行为智能识别与统计系统。试验结果表明,SEEC-YOLO v5s模型对6种行为识别的平均精度均值为84.65%,比YOLO v5s模型高2.34个百分点,对比Faster R-CNN、YOLO X-s、YOLO v4-tiny和YOLO v7-tiny模型,平均精度均值分别提高4.30、3.06、7.11、2.99个百分点。本文方法对蛋鸡的日常行为监测及健康状况分析提供了有效的支持,为智慧养殖提供了借鉴。
关键词
蛋鸡
日常行为识别
SEAM模块
EVCBlock模块
YOLO
v5s
Keywords
laying hens
daily behavior recognition
SEAM module
EVCBlock module
YOLO v5s
分类号
TP391.4 [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
智能家居中的居民日常行为识别综述
被引量：
11
2
作者
刘勇
谢若莹
丰阳
王亚辉
刘亚清
机构
四川轻化工大学人工智能四川省重点实验室
大连海事大学信息科学技术学院
晋中职业技术学院电子信息学院
出处
《计算机工程与应用》
CSCD
北大核心
2021年第4期35-42,共8页
基金
国家自然科学基金(61976124)
人工智能四川省重点实验室开放基金(2019RZJ01)
企业信息化与物联网测控技术四川省高等学校重点实验室基金(2019WZY03)。
文摘
针对智能家居中居民日常行为识别进行了综述。介绍了基于非入侵式传感器的智能家居环境,分析了智能家居中日常行为识别研究的意义;概述了日常行为识别的基本流程;根据日常行为识别的基本流程,归纳了目前日常行为识别研究领域中传感器事件流分割、日常行为特征的选择和计算以及日常行为识别方法三个关键问题的研究现状;指出了未来智能家居中日常行为识别的研究方向。
关键词
智能家居
日常行为识别
泛在智能
普适计算
环境感知
Keywords
smart homes
daily activity recognition
ambient intelligence
pervasive computing
context awareness
分类号
TP182 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
面向养老照护的多传感器序列异常行为检测模型
被引量：
3
3
作者
潘兰兰
陈庆奎
机构
上海理工大学光电信息与计算机工程学院
出处
《小型微型计算机系统》
CSCD
北大核心
2022年第9期1984-1991,共8页
基金
国家自然科学基金项目(61572325)资助
上海重点科技项目(19DZ1208903,2018RGZN02061)资助
上海智能家居大规模物联共性技术工程中心项目(GCZX14014)资助.
文摘
互联网时代下,传统养老照护模式已经无法适应新型养老行业的发展.因此本文提出一种基于多传感器序列的异常行为检测模型,该模型能够在分布式、无干扰的传感器网络环境中监测老人生活,检测行为异常,并给出健康预警.文中通过类比生物信息学中蛋白质序列的表示方法,将多维传感器序列转换成一维序列.采用词袋模型,将划分后的不等长子序列映射为等长子序列.选择基于Calinski-Harabasz指数的层次聚类算法,识别出用户日常行为模式.最后,结合用户健康状况下日常行为活动的高斯分布,及FRS(Fuzzy Reasoning System)模糊推理系统,检测出用户的异常行为(天).实际数据结果表明,该模型能够有效识别用户的起床、就餐、用药、如厕等多种日常活动及其规律,异常行为天检测的F1均值达到近90%,并给出对比实验.
关键词
智能居家养老
多传感器序列
日常行为识别
异常
行为
检测
Keywords
smart home care
multi-sensor sequence
daily behavior identification
abnormal behavior detection
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
作者
出处
发文年
被引量
操作
1
基于SEEC-YOLO v5s的散养蛋鸡日常行为识别与统计系统
杨断利
王永胜
陈辉
孙二东
王连增
宁炜
《农业机械学报》
EI
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
2
智能家居中的居民日常行为识别综述
刘勇
谢若莹
丰阳
王亚辉
刘亚清
《计算机工程与应用》
CSCD
北大核心
2021
11
在线阅读
下载PDF
职称材料
3
面向养老照护的多传感器序列异常行为检测模型
潘兰兰
陈庆奎
《小型微型计算机系统》
CSCD
北大核心
2022
3
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
