探析视觉与声音结合通感介入下的舞台空间

舞台作为一门综合类的表达形式,由众多不同的艺术进行集成。而在众多艺术中,视觉与声音具有举足轻重的地位。一个舞台的好坏,视觉与声音起到了决定性的作用。纵观历史的发展,我们不难发现,在舞台的呈现当中,让人称叹的舞台并不只限于视觉或声音的单方面,而是在两者都做好的情况下进行了有机地结合,视觉与声音的表达并不能单一地去讨论。基于此,本文以此为出发点,探析视觉与声音结合通感介入下的舞台空间。

基于图像语义分割和CNN模型的老人跌倒检测

随着老龄化社会的到来,独居老人的安全问题越来越引人关注.其中,跌倒是老人在家中最常见也是危害最大的风险之一.当前已经有许多关于老人跌倒检测的算法,它们大多应用在摄像头固定的场景下,并主要采用前景提取方法来获取人体轮廓.采用固定摄像头意味着需要为家中每一处独立的空间都安装监控设备才能保证对于老人的全面监控,这显然不实用.基于此,本文采用图像语义分割算法和CNN分类模型,提出了一种可用于移动摄像头上的老人跌倒检测算法.首先采用当前流行的全卷积神经网络(fully convolutional network)语义分割算法[1]分割出图像中的人体,对于满足面积比例条件的情况,直接通过宽高比特征判断人体是否处于跌倒状态;否则,提出一种融合的CNN人体姿态判别模型,将人体区域分成Stand、Fall、Half-Lying三种情况分别进行检测,最后根据三者的分类结果判定图像中是否包含跌倒人体.实验结果显示,文中的算法在具有较高的识别准确率(91.32%)的同时,具有较低的误报率(1.66%).

双线性模型在中国菜分类中的应用

本文以中国菜作为研究对象,提出了基于双线性模型的菜品识别方法.由于中国菜里很多菜品的相似性,导致分类的难度很大.本文借鉴了细粒度图像识别方法中的双线性模型,然后使用一种基于映射的方法得到一个更加低维的双线性特征表示.并在训练阶段采用一种大裕量softmax损失函数.该损失函数通过增加一个正整数变量,在损失函数里产生一个裕量,使同种类别的学习难度增加,从而使学到的特征更加有区分性.将网络在一个208类的中国菜数据集上的测试表明,与以往的方法相比,该方法提高了准确率,减少了过拟合,取得了更好的分类结果.