基于高斯增量降维与流形Boltzmann优化的人体运动形态估计

为了从多视角轮廓图像估计出含空间位置信息的三维人体运动形态,该文提出高斯增量降维与流形Boltzmann优化(GIDRMBO)算法.该算法把表示三维人体运动形态的高维数据分成表示空间位置信息和姿态信息两段子向量后,用高斯增量降维模型(GIDRM)分别对其样本进行降维,建立相应的低维空间及映射关系,然后在相应的低维空间使用流形Boltzmann优化算法来对轮廓匹配目标函数进行优化,从而实现估计.其中,所提算法分别利用了两段子向量样本的低维数据作为先验信息,可较好的避免陷入局部最优区域进行搜索,最终生成与各视角原始运动图像匹配且含空间位置信息的三维人体运动形态.经仿真实验验证,所提算法与常用粒子滤波算法相比,其估计误差小,并且还能起到消除轮廓数据歧义和克服短时遮挡的作用.

基于双隐变量空间局部粒子搜索的人体运动形态估计

该文提出一种双隐变量空间局部粒子搜索(DLVSLPS)算法,可以从多视角图像序列的轮廓特征较准确地估计出3维人体运动形态序列。该算法用高斯过程动态模型(GPDM)降维建立双隐变量空间和低维隐变量数据到高维数据的映射关系后,然后对双隐变量空间使用近邻权重先验条件搜索(NWPCS),实现局部低维粒子搜索来生成较优高维数据,从而估计相应帧的3维人体运动形态,解决传统粒子滤波算法直接在高维数据空间采样较难获取有效正确数据进行估计的问题。经仿真实验验证,所提出的算法比传统粒子滤波算法在实现多视角非连续帧估计,克服轮廓图像数据歧义,减小估计误差有明显优势。

基于多核稀疏编码的三维人体姿态估计

为了准确有效的重构多视角图像中的三维人体姿态,该文提出一种基于多核稀疏编码的人体姿态估计算法.首先,针对连续帧姿态估计的歧义问题,该文设计了一种用于表达多视角图像的HA-SIFT描述子,其中,人体局部拓扑、肢体相对位置及外观信息被同时编码;然后,在多核学习框架下建立同时考虑特征空间内在流形结构与姿态空间几何信息的目标函数,并在希尔伯特空间优化目标函数以更新稀疏编码、过完备字典与多核权值;最后,利用姿态字典原子的线性组合来估计对应未知输入的三维人体姿态.实验结果表明,与核稀疏编码、Laplace稀疏编码及Bayesian稀疏编码相比,文本方法具有更高的估计精度.

WCDMA基于容量和覆盖邻区干扰改善研究

WCDMA是3G通信主流技术之一,其网络优化的重要性是众所周知的。文章通过讨论容量和覆盖的关系,提出了改善相邻小区干扰的方法,结合图形的分析和仿真结果对所提出方法进行验证。

基于多目标进化算法的WCDMA功率优化配置研究

在注重导频功率配置的基础上,研究了用户业务功率、同步信道功率和寻呼信道功率的配置,建立了小区的用户容量和前反链路差模型。对该模型,利用多目标进化算法对WCDMA功率进行了优化配置,得出了系统较优配置的一系列功率值。根据用户的满意度,建立了确定导频功率和用户业务功率的准则模型,选出了最优功率配置值。

WCDMA切换接入优化分析研究

WCDMA在切换问题处理上还有改进的空间,文章从切换原理和切换信道资源分配算法的角度,针对越区切换接入问题建立模型并提出改善方法,用进化算法对切换判决周期以及双队列缓存器长度进行优化计算,通过仿真比较来验证所求参数和所提方法的正确性与实效性。

移动通信网络传播路径变化以及发射功率调整研究

由于现在城市变化发展飞速,城市中的移动网络传播路径也会跟着改变,影响了移动网络使用用户,造成通话的效果不理想。这时,移动通信网络的路径传播模型参数就有必要进行修正,得出正确的损耗值才能及时地调整发射功率。针对这个问题,介绍对传播模型相关参数修正的方法,以及修正后的模型给出达到几种接收效果和发射功率的关系。

分块GPCA和多视点图像融合

为了实现对多视点图像的融合,提出了一种使用分块广义PCA(GPCA)的方法。分块可以将图像处理的过程细化,简化计算GPCA则考虑了二维数据的空间关联性,用于灰度图像降维时有较好的效果,两者的结合是文章的一个创新。由于需要考虑常规多视点图像的不同视点间存在位移差的事实,图像的预处理环节加入了必要的配准和投影变换操作。因此,整个方法主要包括图像匹配、投影变换、分块GPCA计算和融合等环节。为验证方法的可行性和准确性,文章引入了二维经验模态分解BEMD。结果表明,和BEMD相比,所提方法在图像融合的性能和计算复杂度上都表现出了优势,有一定的实用价值。

氨氯地平与非洛地平缓释剂治疗原发性轻、中度高血压的随机、双盲平行对照研究

目的:对比氨氯地平与非洛地平缓释剂治疗轻中度原发性高血压的疗效和安全性;每日1次服药对24小时动态血压的影响;并对比药物漏服对血压控制的影响。方法:76例轻、中度高血压患者被随机、双盲分成两组,分别每日口服1次氨氯地平5～10mg(Ⅰ组)或非洛地平缓释剂5～10mg(Ⅱ组),治疗12周,并用24小时动态血压监测评价用药前后24小时血压变化情况及漏服48小时的血压变化。结果:氨氯地平治疗组舒张压降低15.1mmHg(治疗末为84.8mmHg),非洛地平缓释剂治疗组舒张压降低15.3mmHg(治疗末为85.0mmHg)。总有效率Ⅰ组病人为83.8％,Ⅱ组为87.9％(P=NS)。在药物的初始剂量下即能达到有效血压控制的病人数Ⅰ组为76％,Ⅱ组为52％(P<0.01)。药物漏服24和48h后,Ⅰ组临床血压仍低于140/90mmHg,24小时动态血压与漏服前相比无显著性差异,而Ⅱ组的临床血压高于140/90mmHg,临床血压和24小时动态血压与漏服前相比具有显著性差异。两治疗组的副作用发生率均较低。结论:氨氯地平与非洛地平缓释剂均能有效降低轻、中度高血压病人的血压,安全、疗效可靠,病人耐受性好,但漏服试验表明漏服24与48h氨氯地平仍能较好的控制血压。Ⅰ组的血压波动明显低于Ⅱ组。

太阳能电池背面电极的分割与缺陷检测

自动化质量检测系统是太阳能电池生产过程中必不可少的环节,其目的是识别潜在产品缺陷,但鲜见对太阳能电池的背面电极的检测问题的文献,针对该问题提出一种完整的背面电极分割和缺陷检测算法。首先,利用边缘强度投影和模板匹配方法依次获得电极的粗略位置和较精准位置;然后采用阈值法和种子生长法提取电极边缘点。第三,利用边缘点生成一个闭合的区域来表示电极的形状。最后,设计了一种判断电极是否存在缺陷的方法。为了验证该方法的性能,针对电极分割的精确度进行了实验。实验结果表明,提出的电极分割检测方案优于实验中四种著名的方法。

基于双学习映射增量降维模型的人体运动形态估计

如何从二维的人体运动形态图像序列估计出三维的人体运动形态是一个热门的研究课题。这个项技术的实现需要建立复杂模型,设计复杂的训练算法,并且需要大量的人体运动形态样本进行训练。然而,利用目前的一些复杂模型和算法,估计三维人体运动形态会耗费很多时间,并且估计效果也不好。因此,要想得到更准确的估计结果还是比较困难的。对于这样的一个研究问题,提出基于双学习映射增量降维模型来实现三维人体运动形态估计,该模型可以从单视角的二维图像较好的估计出三维人体运动形态,缩短估计算法运行时间,并得到更准确的估计结果。

问渠哪得清如许 为有源头活水来——“课内比教学”活动例见

一年来,“课内比教学”活动在我校开展的如火如荼。作为一名科学老师，我自始至终参与了这一活动。通过说课、授课、观课、议课等环节，使自己在课堂教学中感受很深、收获很大。现就结合我授课的内容，小学五年级《昼夜交替现象》这一课谈谈自己的体会。

基于姿态编码的数字逻辑电路设计

姿态识别在多数科研课题中通过算法和软件实现,但如何从硬件实现值得研究。姿态识别的硬件开发对于其算法和软件的成果转化起着至关重要的作用。因此,以姿态类型编码输入为例,设计出识别姿态编码的数字逻辑电路,其可以对人体姿态的编码进行识别并显示。根据姿态编码,按状态转移规律来画出卡诺图,接着推导出触发器对应的状态方程和逻辑门,然后通过触发器和逻辑门的接线组合,最终得到姿态编码识别电路。使用Multisim14软件对所设计的电路进行仿真,得到的模拟结果符合预期的设计目标。经过实验仿真,证实其可行有效,并在一定程度上准确识别了相应姿态类型。

在深度学习中培养学生科学核心素养——“空气占据空间”教学例谈

2022年版《义务教育科学课程标准》指出:义务教育科学课程是一门体现了科学本质的综合性基础课程,具有实践性,旨在培养学生的核心素养,为学生的终身发展奠定基础。课程标准从课程性质和课程目标的角度阐述了科学学科。文章在对标学习新课程标准的过程中,联系课堂教学实际,探索和实践了学生科学核心素养的培训方面,从科学核心素养、深度学习的内涵以及基于核心素养发展的科学深度学习策略等角度,探究了教育科学出版社三年级上册“空气占据空间”这一课的教学实例。

基于半监督学习卷积神经网络的三维人体姿态估计

三维人体姿态估计是国内外热点研究课题,该技术的研究可以促进其他以计算机视觉为基础的高级人工智能技术的发展,比如音乐舞蹈等运动形体化教学、制作3D人物的立体电影、人体运动形态类型识别等等,都离不开这项技术的发展,而且该研究方向目前还在被很多学者研究和拓展。本文在当前学者研究的基础上,提出一种半监督学习卷积神经网络模型实现含有空间位置的三维人体姿态的估计,所提方法可以从我们日常生活含有运动姿态视频中,估计出相应的三维姿态骨架模型。经过实验测试后,其测试结果可以验证本文提出的方法有效,能较准确的估计出视频中相应帧的三维姿态。

基于创新思维培养的计算机网络课程改革

互联网时代,网络安全和信息化事关国家安全和国家发展,事关人民群众的切身利益,网络安全人才的培养更是重中之重,传统教学方法难以满足网络空间安全复合型人才培养的需要。通过分析网络工程专业“计算机网络”课程教学中遇到实际问题,并结合创新思维,探索了其在计算机网络课程改革中的应用。

基于PP-YOLOv2的高效课堂行为检测方法

课堂行为检测在教育领域具有重要意义,可以评估学生的参与度和专注度。然而,传统方法复杂且耗时。提出了基于PP-YOLOv2的课堂行为检测方法,利用计算机视觉和深度学习技术采集和标注学生样本数据集,并进行数据预处理。通过应用Mish激活函数,提升了模型的学习能力和行为检测的准确性。该研究对于实时监测和评估学生行为,改善教学效果并促进个性化学习具有重要意义。实验结果表明,该方法在课堂环境中展现出良好性能,为教育工作者提供了高效准确的课堂行为检测工具。进一步研究可以扩展应用范围,并优化算法以提高性能。

基于深度学习的苹果叶面病害缺素识别系统

针对叶面病害对苹果单产水平的提升产生负面影响的问题,将斑点落叶病、花叶病、褐斑病、灰斑病和锈病等五种作为重点。主要研究内容及结果如下:在苹果叶面存在差异以及图像环境不一的影响下,对病害图像进行去噪操作后,通过对关注主体的图像增强及Ostu法进行彩色图像分割,得到病斑特征与背景灰度的强度比图像。记下分割后的二值化图像的像素灰度值为0的坐标,并使原图在对应位置的像素灰度值为0。通过对卷积神经网络的特征提取,得出颜色、形状、纹理三种病斑特征参数。运用数学方法提取病斑的H方差后,得到H-S直方图为区分病斑的主要参照,采用一定的权重对特征参数建立病叶特征判别函数。根据判别函数对苹果叶片病害进行有效的统计学归类,建立Swin Transformer识别模型,将图像从测试数据集精准分类到特定的叶面病害类型。对卷积神经网络模型进行改进后,训练获得AlexNet-F苹果病害识别模型。采用Python代码运行程序,使用Python语言的Django框架,将苹果叶面病害识别模型及知识图谱作为核心,融合前端、数据库技术来开发系统。结果表明,上述分类操作能够对重点的五种苹果叶面病害图高效识别,满足项目作为识别系统的需要。

基于深度学习的两阶段目标检测算法综述

目标检测是计算机视觉领域的重要研究方向之一,它的目标是准确识别图像中目标的位置和类别。随着计算机技术的快速发展,基于深度学习的目标检测算法相对于传统算法表现出了明显的优势,具有更高的精度和实时性。文章介绍了几种经典的两阶段目标检测算法,介绍了它们的优点,同时展望了未来两阶段目标检测算法的发展。

基于OPEC-Net框架的人群框架姿态估计

人体姿态估计是计算机视觉领域的一个热门研究方向,而遮挡是人体姿态估计的一个基本的挑战,但现有的基于热图的方法遭受了遮挡的严重退化。大部分技术存在一定的内在问题,直接根据视觉信息定位关节,但是看不见的关节将会导致这些相关信息缺乏。针对该技术的局限性,我们提出一个图像引导的渐进式GCN模块,从推理的角度来估计不可见的关节,该模块提供下文和姿态结构的全面理解。此外,现有的基准包含有限的闭塞,以进行评估。本文提出了一个新的OPEC-Net框架和一个新的具有9k个注释图像的遮挡(OCPose)数据集。对基准进行的广泛的定量和定性评估表明,该工作取得了显著的改进。