基于改进MobileNet网络的AR辅助手语字母识别方法

针对手语手势姿态待规范、识别率低的问题,提出一种AR辅助手语字母识别算法MSMobileNet。设计多尺度卷积模块提取底层特征,增强网络的特征提取能力;利用ELU激活函数来保留更全面的负值特征信息;结合适用于Web的轻量级MobileNet模型,提高面向移动AR应用的手语字母识别准确率和实时性。实验结果表明:MS-MobileNet在数据集ASL-M、NUS-II和Creative Senz3D上识别准确率较原模型分别提高了2.58%、5.32%和3.04%。基于MS-MobileNet网络设计一套WebAR辅助的手语字母协同交互系统,经评估测试,用户平均参与度达到8.2分,单次识别耗时低于0.115 s,能较好地满足用户沉浸式的实时手语字母交互需求。

土木工程全阶段施工管理存在的问题及对策探究

土木工程建设是国家基础设施建设的重要组成部分,土木工程全阶段施工管理质量直接影响到工程质量和建设效率.从实际案例出发,探讨土木工程全阶段施工管理存在的问题,并提出相应的对策,以改进土木工程全阶段施工管理质量.

研究土木工程施工技术的常见问题及处理

以房建方向为切入点,结合土方开挖和支护技术问题、混凝土施工技术问题,详细探讨了土木工程施工技术中的常见问题及处理方法。针对基坑边坡稳定性差、混凝土强度不足等典型问题,提出了相应的解决措施,如采取加强材料管理、优化配合比等方法进行处理。同时,着重强调了技术创新和知识更新的重要性,从而推进土木工程施工技术的发展与创新。通过阐述,可以看出,研究土木工程施工技术的常见问题及处理,对于保证土木工程的质量、提高其安全性和可靠性具有重要意义。

基于改进L-K光流的WebAR信息可视分析方法

信息可视化技术结合移动增强现实(MAR)技术在目标跟踪领域仍然存在设备计算负载过大的问题。若仍坚持采用同跟踪平面图像特征点的方案来跟踪立体对象各角度的特征点,则目标跟踪过程所需要获取的多角度特征点数据无疑会加重跟踪过程的计算压力,进而导致移动设备负载过大,最终影响模型渲染,所渲染的模型常出现剧烈抖动、卡顿或运动滞后于目标物的现象。针对上述问题,提出了一种基于改进的L-K(Lucas-Kanade)光流跟踪算法的WebAR(基于Web端的MAR技术)解决方案,将特征点的跟踪问题转化为光流估计问题以及一种优化的三维信息可视化交互策略。实验结果表明,该方法能够提高MAR在跟踪目标时的计算效率和稳定性,丰富信息可视化的呈现效果和交互方式。

基于VD-MobileNet网络的WebAR生活垃圾分类信息可视化方法

随着我国垃圾分类制度的加速推行,基于虚拟/增强现实技术的垃圾分类应用大量涌现。受识别设备平台及居民应用习惯等方面的影响,针对目前该类应用在便捷性、实用性上存在较大不足,提出了一种基于轻量化神经网络并融合移动增强现实及可视化技术的垃圾分类应用方案。首先,提出了基于深度学习的垃圾分类可变扩张卷积VD-MobileNet模型方法能够解决移动设备中存在的计算能力有限、网络庞大等问题,通过在MobileNet模型中引入空洞卷积增加感受野、扩大垃圾的特征信息以提升分类精度,引入LeakyReLU激活函数优化网络的表达能力;其次,将该模型与WebAR技术结合,设计了一款面向移动设备的轻量级垃圾分类信息可视化系统,该系统具备跨平台特性,实现了对分类信息的多元化可视呈现,提供了灵活的交互方式。实验及评估表明,该VD-MobileNet模型在垃圾分类数据集中分类效果良好,能够在参数量不变的前提下有效减少计算量,此外结合该模型所设计的WebAR应用系统可为用户的垃圾处理事务提供合理有效地协助。

多模可信交互:从多模态信息融合到人-机器人-数字人三位一体式交互模型

信任在人-机器人-数字人协作中扮演着关键角色,因为它不仅影响了人-机器人-数字人的效率,同时也存在风险和益处.然而,当前的人-机器人-数字人信任研究存在"失衡"现象,即大部分研究集中于"以人为中心"的信任关系而忽略了智能体(机器人和数字人)对人的信任.为了填补人-机器人-数字人信任研究领域的这一空白,在使用多模态信号来建立人-机器人-数字人交互中的适度单向信任基础上,构建跨虚实世界的"三位一体"经历交融共享生态.本文旨在探讨多模态线索和增强现实在建立人-机器人-数字人之间可信关系方面的现有研究、可行性和未来发展方向.最后,本文展望了该模式在社会组织形态及社会事件态势感知和管控中的应用前景,并指出了未来需要解决的问题.本文的研究有助于理解多模态线索和增强现实在人-机器人-数字人交互中的作用,并为"三位一体"趋势的实现提供思路和解决方案.