基于3D骨架相似性的自适应移位图卷积神经网络人体行为识别算法

图卷积神经网络(Graph Convolutional Neural network,GCN)在基于3D骨架的人体行为识别领域取得了良好效果。然而,现有的大多数GCN方法对行为动作图的构建都是基于人体物理结构的手动设置,训练阶段各个图节点只能根据手动设置建立联系,无法感知动作行为过程中骨骼节点之间产生的新联系,导致图拓扑结构不合理和不灵活。移位图卷积网络通过改变图网络结构使得感受野更加灵活,并且在全局移位角度取得了良好效果。因此,提出了一种基于自适应移位图卷积神经网络(Adaptive Shift Graph Convolutional Neural network,AS-GCN)的人体行为识别算法来弥补前述GCN方法的不足。AS-GCN借鉴了移位图卷积网络的思想,提出用每个人体动作的本身特点来指导图神经网络进行移位操作,以尽可能准确地选定需要扩大感受野的节点。在基于骨架的通用动作识别数据集NTU-RGBD上,所提算法在骨骼有无物理关系约束的前提条件下均进行了实验验证。与现有的先进算法相比,AS-GCN算法的动作识别准确率在有骨骼物理约束的条件下的CV和CS角度上平均提高了12%和4.84%;在无骨骼物理约束的条件下的CV和CS角度上平均提高了20%和14.49%。

新冠疫情对我国企业价值评估的影响

新冠疫情暴发后,企业经营受遭到了前所未有的挑战。因此,资产评估机构在对企业价值进行评估时,评估人员应考虑到新冠疫情对公司经营造成的影响,以及在此期间,应采取何种措施处理所产生的影响。中国资产评估协会在2020年3月12日发布了《资产评估专家指引第10号——在新冠肺炎疫情期间合理履行资产评估程序》,为在新冠肺炎疫情中评估机构如何正确地执行资产评估程序,提供了一个参考。基于此,本文对资产评估行业受疫情的影响进行了分析并提出了可能的应对措施,同时从评估程序、报告披露等方面对新冠疫情影响评估实务的主要影响因素进行了分析。本文还对收益法、市场法和资产基础法三种方法评估企业价值时需要关注新冠疫情的影响重点进行了探讨。