基于深度学习的二维人体姿态估计综述

人体姿态估计是近年来计算机视觉问题中的一个热门话题,它在改善人类生活方面具有巨大的益处和潜在的应用。近年来深度神经网络得到快速发展,相较于传统方法而言,采用深度学习的方法更能提取图像表征信息。综合分析近年来人体姿态估计的进展,根据检测人数分为单人和多人人体姿态估计。针对单人姿态估计,介绍了基于直接预测人体坐标点的坐标回归方法及基于预测人体关键点高斯分布的热图检测方法;针对多人姿态估计,采用解决多人到解决单人过程的自顶向下方法和直接处理多人关键点的自底向上方法。总结了各方法网络结构的特点和优缺点,并阐述当前面临的问题及未来发展趋势。

二维光谱图像的神经网络校正方法

二维光谱图像普遍存在畸变现象,这种畸变会影响抽谱操作,从而降低一维光谱数据的质量。针对上述问题,提出了一种有效的基于神经网络的二维光谱图像的校正方法。该方法首先从二维光谱图像中提取表示畸变特征的数据,即抽取平场光谱中每条光纤的中心线以及拟合定标灯谱中每个特定波长处的特征谱线,再根据这两组线构造数据集;然后设计神经网络模型,训练模型拟合图像校正前后的像素坐标值之间的关系,通过模型计算出校正图像的所有像素坐标值;最后根据原始畸变图像的通量值一一对应填充校正图像的通量值。分别用平场光谱、定标灯谱、目标光谱数据进行校正实验。与此同时,对比了目标光谱图像校正前后的抽谱结果。实验证明该方法能够有效校正弯曲的二维光纤光谱图像,并在一定程度上提升一维光谱数据的质量。

基于二维查找模型和ZigBee网络的CT扫描设备故障远程检测方法研究

目的:设计基于二维查找模型和ZigBee网络的CT扫描设备故障远程检测方法,提高CT扫描设备故障检测准确率。方法:采用ZigBee网络技术从环境因素、电气因素和气路因素采集CT扫描设备运行状态数据,根据监测数据提取其中的时频域信号,将提取的故障信号特征参数进行融合,采用二进制反向变换将故障数据转化为平稳的时间序列,抑制数据的波动性,并通过建立相应的二维查找模型与匹配函数计算故障数据的依赖度,以此为依据,引入贝叶斯评价函数实现对设备故障的远程检测。选取医院临床在用的大型CT扫描仪为实验样机,同时随机选取使用与实验样机型号与配置相同的80台次CT扫描设备的550条实际故障数据为训练样本,对比CT扫描设备故障远程检测方法与长短时记忆网络(方法1)和深度信念网络(方法2)检测方法的准确率。结果:设计的CT扫描设备故障远程检测方法仅在状态标签5出现检测错误,但判断误差在可控范围。5次故障检测实验中,CT扫描设备故障远程检测方法得到的检测准确率均>80%,远高于方法1与方法2。结论:CT扫描设备故障检测方法具有较高的检测准确率,能够实现CT扫描设备故障远程检测的实际需求。

有源声呐回波二维匹配滤波特征提取及分类检测

为降低有源声呐回波检测中的杂波虚警,提升低虚警率下的目标回波检测率,提出了一种基于二维匹配滤波的有源声呐回波分类检测方法。该方法将有源声呐接收数据的匹配信号划分为多个脉宽合适的子信号,并利用各子信号分别对接收数据进行匹配滤波处理,提取能够同时联合时频信息和匹配增益的二维匹配滤波特征。同时,选择卷积神经网络作为回波分类检测器,基于获取的二维匹配滤波特征区分回波信号和杂波信号。仿真和实验结果表明,该方法可提升浅海信道下的低虚警回波检测能力,在1‰虚警率下的海上回波检测率达到91.30%,相比已有方法提升4%左右。

BP神经网络—遗传算法及二维可视化优化香附总黄酮提取工艺研究

目的:优化香附总黄酮的提取工艺。方法:基于U^(*)_(10)(10^(8))均匀设计试验,采用水浴回流法,以香附总黄酮提取率为评价指标,考察回流温度、提取时间、乙醇浓度、料液比、回流次数对香附总黄酮提取效果的影响。分别采用BP神经网络-遗传算法及二维可视化分析对试验结果进行目标寻优,并进行工艺验证。结果:BP神经网络-遗传算法处理分析得到优化结果为:回流温度95℃、提取时间165 min、乙醇浓度90%、料液比1∶15(g/m L)、回流次数2次,验证试验显示此条件下总黄酮平均提取率为3.22%;二维可视化分析处理得到优化结果为:回流温度80℃、提取时间140 min、乙醇浓度60%、料液比1∶40(g/m L)、回流次数2次,验证试验显示此条件下总黄酮平均提取率为3.24%。结论:两种优化方法的工艺优化参数不同,且二维可视化分析结果略优于BP神经网络-遗传算法,两种方法的综合比较可为同复杂的提取工艺优化提供新思路。

基于U-Net网络的二维小波域地震数据随机噪声衰减

基于深度学习的地震数据噪声衰减方法比传统去噪方法更加高效,去噪结果具有更高的信噪比。现有基于深度学习的去噪方法通常在时空域对地震数据进行处理,但小波域中有效信号与噪声之间的特征差异更为明显,有利于网络训练学习及噪声衰减。利用二维小波域地震数据的稀疏性和多尺度性,联合二维离散小波变换与U-Net网络,提出了基于U-Net网络的二维小波域随机噪声衰减方法(Dwt-U-Net)。该方法先对地震数据进行二维离散小波变换,再以二维小波系数作为网络输入和输出进行网络训练,获得去噪后的小波系数,最后将该小波系数进行重构得到去噪结果。模拟数据和实际地震数据测试及与不同方法对比结果显示,在不同噪声水平情况下,Dwt-U-Net方法的去噪结果具有更高的信噪比和保真度。此外,相对于传统时空域U-Net网络去噪方法,Dwt-U-Net方法在提高信噪比的同时,网络训练时间减少一半左右。

用于视频行为识别的高效二维时序建模网络

二维卷积难以对视频数据进行有效的时间信息建模。针对这个问题,提出了一个高效的基于二维卷积的时间建模网络。该网络只需要RGB图像作为输入,避免了复杂的光流计算,在低计算复杂度的前提下,可以在行为识别任务中达到先进的准确性。网络主要由两个部分组成,即运动特征增强模块和时序聚集模块。具体来说,运动特征增强模块主要实现短期时序建模,它利用当前帧与相邻帧的差异信息对当前帧中的运动信息进行自适应性的增强,让网络能够了解图像中的哪一部分将要产生运动。时序聚集模块实现长期的时序建模,主要应用于网络的后期,通过二维卷积对时序上的信息进行信息聚合,让每一帧图像经过网络提取特征后,都能够结合时序上所有帧序列的信息。在三个常见的视频动作识别数据集(UCF101、HMDB51和Something-Something V1)上进行的大量实验表明,与大多数现有方法相比,所提出的时序建模网络可以获得先进的识别性能。

基于力失衡的二维主动磁悬浮驱动方法分析与测试

提出一种基于力失衡的磁悬浮驱动系统,并对外磁场主动驱动设计一种神经网络PID(Proportion Integration Differentiation)控制方法,可以有效应对非线性、模型参数不明确的复杂驱动系统。实验结果表明,该控制算法解决了基于模型控制方法中被控对象与稳态工作点之间偏差增大、跟踪性能迅速恶化等问题,实现了磁性小球在二维空间中的稳定悬浮与高精度可控运动。可应用于工业领域细长管道内壁非破坏式质量检测、管道内部清淤和医疗领域血管、肠腔内的检查和手术。

融合注意力机制的二维卷积神经网络测井曲线重构方法

密度和声波时差测井曲线是沟通地震与岩石物理学的两条重要曲线,也是目前仅有的能够为测井约束地震反演技术提供可靠的全频带地层弹性信息的两条测井曲线。但实际应用中受井壁垮塌、仪器故障等因素的影响,经常会造成密度和声波时差测井数据失真或缺失,且现有的经验模型法、多元拟合法、岩石物理建模法不但存在着重构目标曲线精度低,而且较难处理两条曲线同时重构的问题。为此,提出了将注意力机制融合到二维卷积神经网络中,以强化深度学习网络捕捉测井曲线自相关和互相关特征信息的能力,提升深度学习网络重构声波和密度测井曲线的精度。以准噶尔盆地超深层致密砂岩为研究对象,首先分析了测井曲线自相关和互相关特征与注意力层权重分布规律的关系;然后分析对比了所提网络与门控循环单元、二维卷积神经网络的预测精度,并对所提网络结构参数进行了优化;最后通过合成地震记录验证了目标曲线校正和缺失重构效果,表明所提网络具有较高的预测精度。

基于二维异步同相正交直方图的调制方式识别

自动调制识别技术能够准确识别信号的调制类型,是信号处理领域中的一项关键技术。传统的识别方法在低信噪比下存在着识别准确率低的问题,并且当信号频率不稳定,或存在异步采样时,常规的识别方法性能将会出现恶化甚至失效。基于此,在信噪比和延迟变化的信道条件下,针对低速异步采样信号,研究基于深度学习的调制方式识别技术。首先对低速异步采样信号进行建模,利用其同相正交分量生成二维异步同相正交直方图,然后通过径向基函数神经网络提取该二维图像的特征参数,完成对输入信号的调制方式识别,最后经过大量的计算机仿真验证了该方法对7种调制方式的识别准确率。实验结果表明,在受到加性高斯白噪声的信道模型下,在低速异步采样的输入信号信噪比为6 dB时,可达到约95%以上的平均识别准确率,并通过对比实验验证了所提方案的有效性和鲁棒性。

电力通信网安全脆弱性区域的二维云模型检测方法

为了给电力通信网的安全管理提供有效工具,针对区域位置坐标难以定位与区域面积误差较大的问题,在二维云模型下提出一种电力通信网安全脆弱性区域检测方法。根据电力通信网络的连接方式以及工作原理,构建二维云模型,采集并处理电力通信网络数据,从网络节点、链路等方面评估电力通信网的综合安全脆弱性,通过与阈值的比对,得出脆弱性区域面积以及位置的检测结果。仿真实验结果表明,脆弱节点判断与预先设置情况基本一致,优化的设计方法检测出的脆弱性区域位置坐标与区域面积误差分别为1.6 m和1.82 m 2,均低于预设值,说明该方法具有良好的检测性能。

出版物二维码安全应用管理策略——以华东师范大学出版社“码管家”为例

探讨出版物二维码安全应用管理策略,为出版单位在出版物上安全使用二维码提供借鉴和参考。文章通过分析二维码在出版物中的应用现状,以及在网络安全防护、系统管理等方面存在的风险,以华东师范大学出版社研发的“码管家”的应用实践为例,从信息层、管理层、数据层、安全层四个层面分析其安全管理出版物二维码的探索与创新。

基于二维脑网络特征选择的癫痫发作类型分类算法研究

不同癫痫发作类型呈现不同脑网络变化特征。为在保证模型性能的前提下提取有效的特征量,提出一种基于二维脑网络特征选择的癫痫发作类型分类算法。选择脑电信号20个通道中的19个通道构建出20个不同的相干性脑网络,分别提取6个网络特征,计算各网络和通道的贡献度。提取信号的时域和频域特征,应用随机森林计算特征个体贡献度,根据通道和特征个体贡献度进行二维迭代选择,对经选择后的特征集进行模型训练与测试。实验结果表明,该实验所用的癫痫发作类型分类方法在测试数据集上取得了较好的分类效果。

二维水动力模型在滩岸环境整治工程洪水影响评价中的应用

河道水力学计算和数值模拟是建设项目防洪与河势影响论证的重要基础。文章选用非结构化三角形网络进行数值模拟,采用实测水文资料率定和验证,构建基于MIKE21的二维水动力模型,分析工程建设对河流防洪形势的影响。模型在汉江干流老河口段岸线综合整治及生态修复工程(上游段)中进行了应用,准确模拟了工程建设前后汉江干流水位、流速、流态的变化,分析了工程建设对河道行洪安全、河势稳定的影响。模型在滩岸环境整治工程洪水影响评价中具有较好的适用性。

基于二维光编码技术的无源光网络实时监测系统设计

通过研究无源光网络系统结构和功能模块,结合数据采集系统和光时域反射仪(Optical Time Domain Reflectometer,OTDR)的监测特点,提出一种基于二维光编码技术的无源光网络实时监测系统设计方案,从组成架构、建设实践等方面进行解析,并通过仿真实验进一步论证方案的有效性。

二维码在广电网络工程中的应用

本文以微信公众号为载体,运用二维码、加密密匙、业务管理系统等技术,研究并开发了广电网络二维码管理系统。其通过管理授权、分级管理、信息分享、日常维护等方式连接了工程管理人员、参与人员、设备信息和项目资料,在保证系统的易用性、安全性、可靠性、先进性、灵活性、模块化、开放性等要求的前提下,实现了便捷、可视化的工程管理与设备运维。

一例具有可逆热诱导电荷转移行为的二维氰基桥联W^(Ⅴ)-Co^(Ⅱ)配合物

具有不同自旋态的磁性双稳态材料因在存储器件和分子开关领域具有广泛的应用前景而备受关注。本文报道了一种基于W^(Ⅴ)-Co^(Ⅱ)电荷转移过程的新型磁性双稳态化合物。通过将4-((2-萘-1-基)乙烯基)吡啶(4-nvp)引入氰基桥接的W^(Ⅴ)-Co^(Ⅱ)层框架中,合成了一例氰基桥联二维双金属网络配合物{[W^(Ⅴ)(CN)_(8)]_(2)[Co^(Ⅱ)(4-nvp)_(4)]_(3)}·4CH_(3)OH(1),其中辅助配体4-nvp可以提供分子内和分子间π-π相互作用。磁性研究结果表明,化合物1表现出可逆的电子转移耦合诱导自旋转变行为(ETCST)。该过程使体系自旋态由W^(Ⅴ)—CN—Co^(Ⅱ)_(HS)(HS=高自旋)变到W^(Ⅳ)—CN—Co^(Ⅲ)_(LS)(LS=低自旋),并伴随着宽度为27 K的热迟滞。

二维黎曼流形的Voronoi图生成算法

提出采用黎曼流形描述研究对象和基于坐标卡生成Voronoi图的算法思路.讨论了黎曼流形上研究Voronoi图的难点,并给出了存在定理,该定理说明了坐标卡上Voronoi图的存在条件.按照算法思路和存在定理,详细描述了二维黎曼流形上创建坐标卡的算法,并给出流形上转换函数和混合函数的定义方法.最后描述了基于坐标卡生成Voronoi图的算法,并给出了具体实例.

西藏色拉滑坡时序InSAR二维形变反演与预测

针对西藏贡觉县色拉滑坡,采用小基线集技术获取滑坡一维视线向形变结果,通过多维小基线集技术计算滑坡二维东西向与垂直向形变速率与时间序列形变,结果表明色拉滑坡以东西向形变为主且滑坡前缘特征点累积位移超过100 mm;并将特征点累积形变与地区降雨量进行对比分析,发现每年6月-9月期间滑坡前缘受强降雨影响形变速率加快从而牵引滑坡中后部分加速形变.采用长短期记忆网络模型对滑坡特征点时间序列进行预测分析,预测结果显示周期性和缓慢形变可获得恰当的预测结果,对于剧烈形变的特征点符合其运动趋势.所得结果可为金沙江流域类似滑坡灾害预警提供参考.

电阻率二维神经网络反演

由于非线性特性地球物理反演一直以来都是一个比较困难的问题.近十年来,非线性反演方法如人工神经网络、遗传算法在地球物理数据解释中得到越来越多的应用,但目前基本仍限于一维反演问题.对于二维反问题,反演参数较多,神经网络反演运用较少.本文利用BP神经网络优化方法,实现了电阻率二维非线性反演.与传统线性化的迭代反演比较,神经网络反演能够克服传统方法的不足、获得更好的反演结果.