期刊导航
期刊开放获取
河南省图书馆
退出
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
4
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
基于自校准机制的时空采样图卷积行为识别模型
1
作者
曹毅
吴伟官
+2 位作者
张小勇
夏宇
高清源
《工程科学学报》
EI
CSCD
北大核心
2024年第3期480-490,共11页
针对现有行为识别算法忽视时空信息上下文的依赖关系和缺乏多层次感受野的特征提取问题,本文提出一种基于自校准机制的时空采样图卷积网络行为识别模型.首先,介绍ST-GCN和3D-GCN、Transformer和自注意力机制的工作原理,并分析了3D-GCN和...
针对现有行为识别算法忽视时空信息上下文的依赖关系和缺乏多层次感受野的特征提取问题,本文提出一种基于自校准机制的时空采样图卷积网络行为识别模型.首先,介绍ST-GCN和3D-GCN、Transformer和自注意力机制的工作原理,并分析了3D-GCN和Transformer不能有效进行时空上下文建模;其次,为有效进行时空上下文建模而提出了一种时空采样图卷积网络,其以时序连续多帧作为时空采样将全局动作分为多个子动作,通过非局部网络计算单一节点与采样频率帧内所有节点的相关性来建立局部跨时空依赖关系,并通过结合非局部网络和时域卷积计算单个采样子动作与全局子动作的相关性以此来建立全局跨时空依赖关系;然后,为了有效地增强多层次的感受野来捕获更具判别力的时域特征,提出了一种时域自校准卷积网络在两个不同的尺度时空中分别进行卷积并特征融合:一种是原始比例尺度的时空,另一种是使用下采样具有较小比例尺度的潜在时空;再者,结合时空采样图卷积网络和时域自校准网络构建基于自校准机制的时空采样图卷积网络行为识别模型,在多流网络下进行端到端的训练.最后,基于NTU-RGB+D和NTU-RGB+D120骨架动作数据集开展了骨架行为识别的相关实验研究,研究结果表明该行为识别模型具有高效的时空特征提取能力以及优秀的性能.
展开更多
关键词
行为识别
时空采样图卷积
时空上下文
时域自校准
多流网络
下载PDF
职称材料
基于时空特征增强图卷积网络的骨架行为识别
2
作者
曹毅
吴伟官
+2 位作者
李平
夏宇
高清源
《电子与信息学报》
EI
CSCD
北大核心
2023年第8期3022-3031,共10页
针对骨架行为识别不能充分挖掘时空特征的问题,该文提出一种基于时空特征增强的图卷积行为识别模型(STFE-GCN)。首先,介绍表征人体拓扑结构邻接矩阵的定义及双流自适应图卷积网络模型的结构,其次,采用空域上的图注意力机制,根据邻居节...
针对骨架行为识别不能充分挖掘时空特征的问题,该文提出一种基于时空特征增强的图卷积行为识别模型(STFE-GCN)。首先,介绍表征人体拓扑结构邻接矩阵的定义及双流自适应图卷积网络模型的结构,其次,采用空域上的图注意力机制,根据邻居节点的重要性程度分配不同的权重系数,生成可充分挖掘空域结构特征的注意力系数矩阵,并结合非局部网络生成的全局邻接矩阵,提出一种新的空域自适应邻接矩阵,以期增强对人体空域结构特征的提取;然后,时域上采用混合池化模型以提取时域关键动作特征和全局上下文特征,并结合时域卷积提取的特征,以期增强对行为信息中时域特征的提取。再者,在模型中引入改进通道注意力网络(ECA-Net)进行通道注意力增强,更有利于模型提取样本的时空特征,同时结合空域特征增强、时域特征增强和通道注意力,构建时空特征增强图卷积网络模型在多流网络下实现端到端的训练,以期实现时空特征的充分挖掘。最后,在NTU-RGB+D和NTU-RGB+D120两个大型数据集上开展骨架行为识别研究,实验结果表明该模型具有优秀的识别准确率和泛化能力,也进一步验证了该模型充分挖掘时空特征的有效性。
展开更多
关键词
行为识别
图注意力机制
混合池化
通道注意力
时空特征增强
下载PDF
职称材料
大行程柔性微定位平台的伴生转动分析
3
作者
孟刚
黄河
+2 位作者
吴伟官
居勇健
曹毅
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2023年第3期665-673,共9页
大行程柔性微定位平台在运动过程中不可避免地产生伴生转动现象,并对其定位精度造成消极影响。为降低伴生转动对平台定位精度的影响,提出一种基于柔性杆的三移一转(3-PPPR)型大行程柔性微定位平台,基于线弹性梁理论模型并考虑柔性杆轴...
大行程柔性微定位平台在运动过程中不可避免地产生伴生转动现象,并对其定位精度造成消极影响。为降低伴生转动对平台定位精度的影响,提出一种基于柔性杆的三移一转(3-PPPR)型大行程柔性微定位平台,基于线弹性梁理论模型并考虑柔性杆轴向形变,对两移一转(PPR)柔性运动副伴生转角进行了理论建模,并基于此完成了对所提平台在单轴、双轴及三轴驱动时产生伴生转角的理论分析;再采用有限元分析对理论模型进行验证。最后探究了柔性杆尺寸参数与平台伴生转角之间的灵敏度关系,为所提平台性能提升奠定了基础,并据此提出了改善所提平台运动性能的优化方案。结果表明:3种驱动条件下平台伴生转角理论值与仿真值最大相对误差为2.46%。
展开更多
关键词
柔性微定位平台
伴生转动
多轴驱动
有限元仿真
灵敏度分析
下载PDF
职称材料
基于梅尔频谱分离和LSCNet的声学场景分类方法
被引量:
2
4
作者
费鸿博
吴伟官
+1 位作者
李平
曹毅
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2022年第5期124-130,123,共8页
针对现有频谱分离方法进行声学场景分类研究时其分类准确率不高的问题,提出了一种基于梅尔频谱分离和长距离自校正卷积神经网络(long-distance self-calibration convolutional neural network,LSCNet)的声学场景分类方法。首先,介绍了...
针对现有频谱分离方法进行声学场景分类研究时其分类准确率不高的问题,提出了一种基于梅尔频谱分离和长距离自校正卷积神经网络(long-distance self-calibration convolutional neural network,LSCNet)的声学场景分类方法。首先,介绍了频谱的谐波打击源分离原理,提出了一种梅尔频谱分离算法,将梅尔频谱分离出谐波分量、打击源分量和残差分量;然后,结合自校正神经网络和残差增强机制,提出了一种长距离自校正卷积神经网络;该模型采用频域自校正算法以及长距离增强机制来保留特征图原始信息,通过残差增强机制和通道注意力增强机制加强了深层特征与浅层特征间的关联度,且结合多尺度特征融合模块,以进一步提取模型训练中输出层的有效信息,从而提高模型的分类准确率;最后,基于Urbansound8K和ESC-50数据集开展了声学场景分类实验。实验结果表明:梅尔频谱的残差分量能够针对性地减少背景噪音的影响,从而具有更好的分类性能,且LSCNet实现了对特征图中频域信息的关注,其最佳分类准确率分别达到90.1%和88%,验证了该方法的有效性。
展开更多
关键词
声学场景分类
梅尔频谱分离算法
长距离自校正卷积神经网络
频域自校正算法
多尺度特征融合
下载PDF
职称材料
题名
基于自校准机制的时空采样图卷积行为识别模型
1
作者
曹毅
吴伟官
张小勇
夏宇
高清源
机构
江南大学机械工程学院
江南大学江苏省食品制造装备重点实验室
出处
《工程科学学报》
EI
CSCD
北大核心
2024年第3期480-490,共11页
基金
江苏省“六大人才高峰”计划(ZBZZ-012)
江苏省优秀科技创新团队基金资助项目(2019SK07)
高等学校学科创新引智计划(B18027)。
文摘
针对现有行为识别算法忽视时空信息上下文的依赖关系和缺乏多层次感受野的特征提取问题,本文提出一种基于自校准机制的时空采样图卷积网络行为识别模型.首先,介绍ST-GCN和3D-GCN、Transformer和自注意力机制的工作原理,并分析了3D-GCN和Transformer不能有效进行时空上下文建模;其次,为有效进行时空上下文建模而提出了一种时空采样图卷积网络,其以时序连续多帧作为时空采样将全局动作分为多个子动作,通过非局部网络计算单一节点与采样频率帧内所有节点的相关性来建立局部跨时空依赖关系,并通过结合非局部网络和时域卷积计算单个采样子动作与全局子动作的相关性以此来建立全局跨时空依赖关系;然后,为了有效地增强多层次的感受野来捕获更具判别力的时域特征,提出了一种时域自校准卷积网络在两个不同的尺度时空中分别进行卷积并特征融合:一种是原始比例尺度的时空,另一种是使用下采样具有较小比例尺度的潜在时空;再者,结合时空采样图卷积网络和时域自校准网络构建基于自校准机制的时空采样图卷积网络行为识别模型,在多流网络下进行端到端的训练.最后,基于NTU-RGB+D和NTU-RGB+D120骨架动作数据集开展了骨架行为识别的相关实验研究,研究结果表明该行为识别模型具有高效的时空特征提取能力以及优秀的性能.
关键词
行为识别
时空采样图卷积
时空上下文
时域自校准
多流网络
Keywords
action recognition
spatiotemporal sampling graph convolutional network
spatiotemporal context
self-calibration mechanism
mutilstream network
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于时空特征增强图卷积网络的骨架行为识别
2
作者
曹毅
吴伟官
李平
夏宇
高清源
机构
江南大学机械工程学院
江南大学江苏省食品制造装备重点实验室
出处
《电子与信息学报》
EI
CSCD
北大核心
2023年第8期3022-3031,共10页
基金
国家自然科学基金(51375209)
江苏省“六大人才高峰”计划(ZBZZ-012)
+1 种基金
江苏省优秀科技创新团队基金(2019SK07)
高等学校学科创新引智计划(B18027)。
文摘
针对骨架行为识别不能充分挖掘时空特征的问题,该文提出一种基于时空特征增强的图卷积行为识别模型(STFE-GCN)。首先,介绍表征人体拓扑结构邻接矩阵的定义及双流自适应图卷积网络模型的结构,其次,采用空域上的图注意力机制,根据邻居节点的重要性程度分配不同的权重系数,生成可充分挖掘空域结构特征的注意力系数矩阵,并结合非局部网络生成的全局邻接矩阵,提出一种新的空域自适应邻接矩阵,以期增强对人体空域结构特征的提取;然后,时域上采用混合池化模型以提取时域关键动作特征和全局上下文特征,并结合时域卷积提取的特征,以期增强对行为信息中时域特征的提取。再者,在模型中引入改进通道注意力网络(ECA-Net)进行通道注意力增强,更有利于模型提取样本的时空特征,同时结合空域特征增强、时域特征增强和通道注意力,构建时空特征增强图卷积网络模型在多流网络下实现端到端的训练,以期实现时空特征的充分挖掘。最后,在NTU-RGB+D和NTU-RGB+D120两个大型数据集上开展骨架行为识别研究,实验结果表明该模型具有优秀的识别准确率和泛化能力,也进一步验证了该模型充分挖掘时空特征的有效性。
关键词
行为识别
图注意力机制
混合池化
通道注意力
时空特征增强
Keywords
Action recognition
Graph attention network
Mixed pooling
Channel attention
Spatio-temporal feature enhanced
分类号
TN911.73 [电子电信—通信与信息系统]
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
大行程柔性微定位平台的伴生转动分析
3
作者
孟刚
黄河
吴伟官
居勇健
曹毅
机构
江南大学机械工程学院
江苏省食品先进制造装备技术重点实验室
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2023年第3期665-673,共9页
基金
江苏省“六大人才高峰”计划(ZBZZ-012)
高等学校学科创新引智计划(B18027)
江苏省研究生创新计划(KYCX20-1925)。
文摘
大行程柔性微定位平台在运动过程中不可避免地产生伴生转动现象,并对其定位精度造成消极影响。为降低伴生转动对平台定位精度的影响,提出一种基于柔性杆的三移一转(3-PPPR)型大行程柔性微定位平台,基于线弹性梁理论模型并考虑柔性杆轴向形变,对两移一转(PPR)柔性运动副伴生转角进行了理论建模,并基于此完成了对所提平台在单轴、双轴及三轴驱动时产生伴生转角的理论分析;再采用有限元分析对理论模型进行验证。最后探究了柔性杆尺寸参数与平台伴生转角之间的灵敏度关系,为所提平台性能提升奠定了基础,并据此提出了改善所提平台运动性能的优化方案。结果表明:3种驱动条件下平台伴生转角理论值与仿真值最大相对误差为2.46%。
关键词
柔性微定位平台
伴生转动
多轴驱动
有限元仿真
灵敏度分析
Keywords
compliant micro-positioning platform
parasitic rotation
multiple axis drive
finite element analysis
sensitivity analysis
分类号
V414.5 [航空宇航科学与技术—航空宇航推进理论与工程]
TH122 [机械工程—机械设计及理论]
下载PDF
职称材料
题名
基于梅尔频谱分离和LSCNet的声学场景分类方法
被引量:
2
4
作者
费鸿博
吴伟官
李平
曹毅
机构
江南大学机械工程学院
江苏省食品先进制造装备技术重点实验室(江南大学)
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2022年第5期124-130,123,共8页
基金
高等学校学科创新引智计划(B18027)
江苏省“六大人才高峰”计划(ZBZZ-012)
江苏省优秀科技创新团队基金(2019SK07)。
文摘
针对现有频谱分离方法进行声学场景分类研究时其分类准确率不高的问题,提出了一种基于梅尔频谱分离和长距离自校正卷积神经网络(long-distance self-calibration convolutional neural network,LSCNet)的声学场景分类方法。首先,介绍了频谱的谐波打击源分离原理,提出了一种梅尔频谱分离算法,将梅尔频谱分离出谐波分量、打击源分量和残差分量;然后,结合自校正神经网络和残差增强机制,提出了一种长距离自校正卷积神经网络;该模型采用频域自校正算法以及长距离增强机制来保留特征图原始信息,通过残差增强机制和通道注意力增强机制加强了深层特征与浅层特征间的关联度,且结合多尺度特征融合模块,以进一步提取模型训练中输出层的有效信息,从而提高模型的分类准确率;最后,基于Urbansound8K和ESC-50数据集开展了声学场景分类实验。实验结果表明:梅尔频谱的残差分量能够针对性地减少背景噪音的影响,从而具有更好的分类性能,且LSCNet实现了对特征图中频域信息的关注,其最佳分类准确率分别达到90.1%和88%,验证了该方法的有效性。
关键词
声学场景分类
梅尔频谱分离算法
长距离自校正卷积神经网络
频域自校正算法
多尺度特征融合
Keywords
acoustic scene classification
Mel-spectrogram separation algorithm
LSCNet
frequency domain self-calibration algorithm
multi-scale feature fusion
分类号
TP391.42 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自校准机制的时空采样图卷积行为识别模型
曹毅
吴伟官
张小勇
夏宇
高清源
《工程科学学报》
EI
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于时空特征增强图卷积网络的骨架行为识别
曹毅
吴伟官
李平
夏宇
高清源
《电子与信息学报》
EI
CSCD
北大核心
2023
0
下载PDF
职称材料
3
大行程柔性微定位平台的伴生转动分析
孟刚
黄河
吴伟官
居勇健
曹毅
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
4
基于梅尔频谱分离和LSCNet的声学场景分类方法
费鸿博
吴伟官
李平
曹毅
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2022
2
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