基于深度学习的二维人体姿态估计研究进展

人体姿态估计在人体行为识别、人机交互、体育运动分析等方面有着广泛的应用前景,是计算机视觉领域的一个研究热点。在最近的十年中,得益于深度学习技术,大量的研究工作极大地推动了人体姿态估计技术的发展,但由于受训练样本不足、人体姿态的多变性、遮挡、环境的复杂性等因素影响,人体姿态估计仍然面临着诸多的挑战。文中对近年来基于深度学习的2D人体姿态估计方法进行归纳和总结,着重分析一些有代表性的人体姿态估计方法的思路及工作原理,以便研究人员了解当前的研究现状、面临的挑战以及今后的研究方向,拓展研究思路。

人口普查遗漏的组合式估计方法

以人口普查标准时点上的人口总体(全国、全国以下各行政区)为研究对象,研究如何利用对总体登记的普查人口名单和覆盖调查人口名单构造的组合式遗漏估计量估计人口普查遗漏人口数。目前各国政府统计部门在人口普查遗漏估计中主要使用单重遗漏估计量,但该方法未包括同时遗漏于这两份调查人口名单的双重遗漏人口,低估了总体普查遗漏人口数。组合式遗漏估计量除了包括单重遗漏人口外,还包括了双重遗漏人口,避免了单重遗漏估计量的缺陷。采取抽样估计和数理模型相结合的方法研究单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量,理论和数据分析结果表明:组合式遗漏估计量在抽样估计精度和遗漏人口数估计上优于单重遗漏估计量,尤其是在分析双重遗漏人口特征和改进未来人口普查登记工作等方面;在使用刀切法近似计算总体的组合式遗漏估计量的抽样方差时,不能忽视等概率人口层之间的协方差,否则可能低估或高估其抽样方差;单重遗漏估计量和组合式遗漏估计量属于有偏估计量,要使用均方误差比较其估计精度。本文创新之处在于,利用原始数据全面演示了单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量及其抽样方差估计量等的详细计算过程,同时讨论了其统计性质,尤其是利用设置的数据模拟了有偏性,有助于中国人口普查遗漏估计方案的科学制定及估计精度的提高。

锂电池状态跨域估计算法综述

对锂电池运行状态进行精确估计和预测是保障其运行性能和安全的重要手段。基于数据驱动的锂电池状态估计算法容易受到实际数据分布偏差影响而导致预测模型性能下降,限制了模型的泛化性能,基于迁移学习的锂电池状态跨领域估计算法可以较好地解决此类问题。该文分别从锂电池荷电状态估计、健康状态估计以及剩余寿命估计3类常见应用场景展开讨论,比较不同场景下方法之间的差异,同时揭示它们之间的共性。从技术路线角度出发将常用于状态估计的迁移学习方法归纳为3类:基于微调的迁移、基于度量的迁移和基于对抗训练的迁移。介绍了每一类方法的基本原理、代表性技术和典型应用场景,并基于此3类技术路线对近年基于迁移学习的锂电池状态跨域估计方法进行了全面的归纳介绍。

基于轻型自限制注意力的结构光相位及深度估计混合网络

相位提取与深度估计是结构光三维测量中的重点环节,目前传统方法在结构光相位提取与深度估计方面存在效率不高、结果不够鲁棒等问题。为了提高深度学习结构光的重建效果,本文提出了一种基于轻型自限制注意力(Light Self-Limited-Attention,LSLA)的结构光相位及深度估计混合网络,即构建一种CNN-Transformer的混合模块,并将构建的混合模块放入U型架构中,实现CNN与Transformer的优势互补。将所提出的网络在结构光相位估计和结构光深度估计两个任务上进行实验,并和其他网络进行对比。实验结果表明:相比其他网络,本文所提出的网络在相位估计和深度估计的细节处理上更加精细,在结构光相位估计实验中,精度最高提升31%;在结构光深度估计实验中,精度最高提升26%。该方法提高了深度神经网络在结构光相位估计及深度估计的准确性。

基于IRT若干参数估计方式的比较

在项目反应理论(IRT)框架下,就目前流行的若干能力参数和项目参数的估计方法进行分析比较,阐述了它们各自适用的范围和不足之处,为选用估计方法提供依据.

L型阵水下目标方位和距离联合最大似然估计

空间目标定位是阵列信号处理领域中的研究热点,广泛应用于雷达、声纳、通信、射电天文、医学诊断、地震遥感等众多领域。传统的水下声源定位仅获取目标声源的深度和距离信息,却无法估计目标的方位信息。针对这一问题,在充分考虑水下声传播模型的基础上,利用L型阵列固有的结构特征,将最大似然估计技术应用到水下目标定位,提出一种基于L型水听器阵列的水下目标方位与距离联合最大似然估计算法。研究表明:最大似然估计法可有效突破传统波束形成分辨力“瑞利限”的限制,提高水下目标定位的分辨能力和精度。计算机仿真分析显示,在单目标和相干双目标的场景中,文中所提出的方法均具有更为尖锐的谱峰及更低的旁瓣水平,可对水下目标进行有效的方位角和距离联合估计。

基于3D激光雷达的水面无人艇靠泊参数估计

为准确地估计靠泊参数,提出了一种基于艇载3D激光雷达的靠泊参数估计方法。该方法包括2个主要模块:无人艇位姿估计和靠泊状态估计。无人艇位姿估计模块采用点云预处理算法对原始点云进行降采样并滤除异常值,利用点云配准算法实现了无人艇靠泊过程中的位姿估计。靠泊状态估计模块通过MSAC算法提取泊位边界信息,并基于此信息计算靠泊参数。实验结果表明:该算法所得无人艇位姿信息和靠泊参数信息均与实际相符,平均靠泊距离误差小于0.023 m,平均角度误差小于0.26°,验证了该靠泊参数估计算法的准确性和合理性。

有序标签噪声的鲁棒估计与过滤方法

较大规模的标注数据集中难免会存在标签噪声,这在一定程度上限制了模型的泛化性能。有序回归数据集的标签是离散值,但不同标签之间又有一定次序关系。虽然有序回归的标签兼有分类和回归标签的特征,但面向分类和回归任务的标签噪声过滤算法对有序标签噪声并不完全适用。针对此问题,提出了标签含噪时回归模型的Akaike泛化误差估计,在此基础上设计了面向有序回归任务的标签噪声过滤框架。此外,提出了一种鲁棒的有序标签噪声估计方法,其采用基于中位数的融合策略以降低异常估计分量的干扰。最后,该方法与所提框架结合形成了噪声鲁棒融合过滤(Robust Fusion Filtering,RFF)算法。在标准数据集和真实年龄估计数据集上均验证了算法的有效性。实验结果表明,在有序回归任务中,RFF算法性能优于其他分类和回归过滤算法,能够适应不同类型的噪声数据,并有效提升数据质量和模型泛化性能。

广义Pareto分布参数的最小二乘估计

传统的广义Pareto分布(Generalized Pareto Distribution,简记GPD)的参数估计一般受分布形状参数的约束.如:矩估计(the Method of Moments,简记MOM),概率加权矩估计(the ProbabilityWeighted Moments,简记PWM),L矩估计(简记LM),极大似然估计(Maximum Likelihood Estima-tion,简记MLE)等.本文利用GDP可转化成指数分布的事实及指数分布参数估计的结果,利用最小二乘(the Least Squares,简记LS)法,得到了两参数和三参数GPD的参数估计;给出了估计量具有渐近正态性的结果.估计方法不受分布形状参数的限制.模拟显示:本文提出的估计在某些常用条件下优于GPD的其他参数估计,如MOM,PWM,LM,以及基于分位数估计(the Elemental PercentileMethod,简记EPM)等.

改进的Mertens第一定理估计及应用

在Mertens第一定理的基础上,利用定积分估计的主要思想和Stirling’s公式的估计,对Mertens第一定理中的估计不等式进行了进一步的精确化,得到了更好的估计。改进的估计结果比原来的Mertens第一定理中的估计更加精确。把改进的Mertens第一定理估计应用到一个具体的渐近公式中,提高了该渐近公式中Landau记号里对应常数的精度范围。

带有结构变化的线性模型中参数估计的一些结果

本文在一些纯量损失和矩阵损失下研究带有结构变化的正态线性模型中参数的估计问题．分别给出 了存在回归系数的一致最小风险无偏（ＵＭＲＵ）估计和一致最小风险同变（ＵＭＲＥ）估计的充要条件， 证明了不存在误差方差在仿射变换群下的ＵＭＲＥ估计．导出了回归系数的最小二乘估计的可容许性 和极小极大性．

基于高阶累积量ESPRIT算法的指数衰减正弦信号参数估计

工程应用中环境噪声多表现为高斯有色噪声,而针对高斯白噪声进行处理的算法失效问题,提出了一种高斯色噪声环境中用于多分量衰减正弦信号频率和衰减因子估计的四阶累积量ESPRIT算法。首先,推导出四阶累积量与观测样本中的自相关矩阵和互相关矩阵之间的关系,求出其四阶累积量矩阵。其次,通过对四阶累积量进行广义特征值分解,根据广义特征值即可得到信号衰减因子和频率的估计值。最后对所提算法进行了仿真实验验证,在混合信噪比为0 dB时,所提算法针对多分量衰减正弦信号角频率和衰减因子的平均估计误差分别为0.002 0πrad和0.002 0。在高斯白噪声和高斯色噪声背景下与ESPRIT算法和Prony算法相比具有更强的噪声抑制能力和更高的估计精度。

回归系数的一种有偏估计

为了改进最小二乘估计,克服其在设计阵呈病态时表现出的不可靠性,本文将最小二乘估计、Stein型估计和组合主成分估计的方法联合起来,提出了多元线性模型回归系数的一种新的有偏估计.并且证明了:此种估计在均方误差意义下是可容许估计;在参数区域的某个椭球内,这种新的估计优于最小二乘估计、主成分估计和组合主成分估计.

基于多掩膜技术的无监督深度与光流估计方法

针对自动驾驶领域现有方法在处理动态、遮挡等复杂实际场景时存在的估计不准确问题,提出了一种以多掩膜技术为基础的无监督深度与光流估计方法,通过无监督学习从单目视频序列中提取目标深度、相机运动位姿和光流信息。根据不同外点类型设计了多种特定掩膜,以有效抑制外点对光照一致性损失函数的干扰,并在位姿估计和光流估计任务中起到剔除外点的作用。引入预训练的光流估计网络,协助深度和位姿估计网络更好地利用三维场景的几何约束,从而增强联合训练性能。最后,借助训练得到的深度和位姿信息,以及计算得到的掩膜,对光流估计网络进行了优化训练。在KITTI数据集上的实验结果表明,该策略能够显著提升模型的性能,并优于其他同类型方法。

基于近似消息传递的NOMA系统信道和脉冲噪声联合估计方法

针对非高斯脉冲噪声背景下的非正交多址接入(non-orthogonal multiple access,NOMA)系统的信道估计问题,利用信道和脉冲噪声的稀疏特性,提出一种基于近似消息传递的信道和脉冲噪声联合估计方法。首先构建全子载波的压缩感知方程,然后基于稀疏贝叶斯学习理论提出一种信道、脉冲噪声和数据符号的联合估计优化问题。为解决这一超参量非线性非凸问题,设计了一种基于高斯广义近似消息传递和稀疏贝叶斯学习理论的期望最大化实现算法。仿真结果表明,与基于期望最大化的稀疏贝叶斯学习方法相比,所提算法在信道和脉冲噪声估计的均方误差、误码率等方面性能虽略有下降,但算法复杂度降低了1个数量级。

双参数指数分布无失效数据的参数估计

文章对双参数指数分布的无失效数据（ｔｉ，ｎｉ），给出了参数μ和σ的修正极大似然估计和最小二乘估计，并给出了失效概率ｐｉ＝ｐ｛Ｔ＜ｔｉ｝的Ｂａｙｅｓ估计和多层Ｂａｙｅｓ估计，从而可以得到无失效数据可靠度的估计。最后，结合实际问题进行了计算。

多循环频率时差-Doppler估计方法及性能分析

单循环频率循环估计子由于只利用了单个循环频率处的信号信息,其估计性能及适用条件受到了较大限制,针对这一局限性,文中研究了综合利用多循环频率信号信息的多循环频率循环估计子,其基本思路是将多个单循环频率循环估计子按一定准则融合在一起,解决单循环频率循环估计子面临的困难,文中还以时差估计为例,详细推导了多循环频率循环估计子对时差的估计理论精度,并不加推导地给出了频移估计的理论精度,理论计算和数字仿真实验结果均说明多循环频率循环估计子确实具有较单循环频率循环估计子和传统相关方法更好的估计性能,并且这种估计方法具有较好地适应不同特性噪声的能力,

数字线估计的模型与策略:有界和无界的相似与分离

Cohen于2011年提出了无界数字线估计任务,诸多研究表明该任务克服了传统有界数字线估计任务的局限,能够反映更加纯粹的数字表征本质。然而,无界数字线估计的模型与策略与有界数字线估计的异同,还有待检验。文章分别对有界和无界数字线估计任务中的数字表征模型和估计策略进行梳理,分析两种任务中数字线表征模型以及估计策略发展与转变的相似与分离,并进一步推测估计策略与表征模型之间的关系,以期为数字认知的相关研究提供参考。

几种常用抽样估计量的效果

几种常用抽样估计量的效果东北财经大学李培军大连统计干部函授分院龙清根据抽样调查资料计算总体指标的估计量，常用的估计方法有以下几种：平均数估计法。总量Ｙ∧和估计抽样方差Ｖ∧（Ｙ）的计算公式为：Ｙ∧＝ＮＹ∧＝ＮｙＶ∧（Ｙ∧）＝Ｎ２（１－ｆ）ｎσ２ｙｖ（Ｙ...

不同尿肌酐方程估计尿碘排泄率的初步研究

目的:将几种24 h尿肌酐估计值与晨尿碘/肌酐比值的乘积作为尿碘的估计值,分析各种尿碘估计值与24 h尿碘检测值的一致性。方法:纳入健康居民100例,记录身高、体质量等体格指标,留取晨尿及同1天24 h尿样本,测量尿肌酐及尿碘浓度。(1)分析体格指标与24 h尿肌酐的相关性,Logistic逐步回归拟合尿肌酐测量值的估计方程(拟合方程);(2)根据拟合方程及田中方程分别计算24 h尿肌酐估计值(肌酐估计值A和肌酐估计值B);(3)用晨尿碘/肌酐比值与肌酐估计值A和肌酐估计值B的乘积分别计算尿碘估计值A和尿碘估计值B;(4)分析尿肌酐估计值与尿肌酐测量值、尿碘估计值与尿碘测量值的一致性。结果:(1)尿肌酐测量值与肌酐估计值A比较差异无统计学意义(P=0.53),一致性检验平均相对偏倚为-19.65%;肌酐估计值B与尿肌酐测量值比较差异有统计学意义(P<0.001),一致性检验平均偏倚度高达-70.25%。(2)尿碘测量值与尿碘估计值A比较差异无统计学意义(P=0.41),一致性检验的平均相对偏倚为-9.33%;尿碘估计值B与尿碘测量值比较差异有统计学意义(P<0.001),一致性检验的平均相对偏倚高达-55.6%。结论:(1)体格指标与尿肌酐测量值之间的回归方程在不同人种之间的通用性不强;(2)晨尿碘/肌酐比值与同种人群尿肌酐估计值来估计尿碘排泄率具有可行性。