基于深度学习的二维人体姿态估计研究进展

人体姿态估计在人体行为识别、人机交互、体育运动分析等方面有着广泛的应用前景,是计算机视觉领域的一个研究热点。在最近的十年中,得益于深度学习技术,大量的研究工作极大地推动了人体姿态估计技术的发展,但由于受训练样本不足、人体姿态的多变性、遮挡、环境的复杂性等因素影响,人体姿态估计仍然面临着诸多的挑战。文中对近年来基于深度学习的2D人体姿态估计方法进行归纳和总结,着重分析一些有代表性的人体姿态估计方法的思路及工作原理,以便研究人员了解当前的研究现状、面临的挑战以及今后的研究方向,拓展研究思路。

人口普查遗漏的组合式估计方法

以人口普查标准时点上的人口总体(全国、全国以下各行政区)为研究对象,研究如何利用对总体登记的普查人口名单和覆盖调查人口名单构造的组合式遗漏估计量估计人口普查遗漏人口数。目前各国政府统计部门在人口普查遗漏估计中主要使用单重遗漏估计量,但该方法未包括同时遗漏于这两份调查人口名单的双重遗漏人口,低估了总体普查遗漏人口数。组合式遗漏估计量除了包括单重遗漏人口外,还包括了双重遗漏人口,避免了单重遗漏估计量的缺陷。采取抽样估计和数理模型相结合的方法研究单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量,理论和数据分析结果表明:组合式遗漏估计量在抽样估计精度和遗漏人口数估计上优于单重遗漏估计量,尤其是在分析双重遗漏人口特征和改进未来人口普查登记工作等方面;在使用刀切法近似计算总体的组合式遗漏估计量的抽样方差时,不能忽视等概率人口层之间的协方差,否则可能低估或高估其抽样方差;单重遗漏估计量和组合式遗漏估计量属于有偏估计量,要使用均方误差比较其估计精度。本文创新之处在于,利用原始数据全面演示了单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量及其抽样方差估计量等的详细计算过程,同时讨论了其统计性质,尤其是利用设置的数据模拟了有偏性,有助于中国人口普查遗漏估计方案的科学制定及估计精度的提高。

锂电池状态跨域估计算法综述

对锂电池运行状态进行精确估计和预测是保障其运行性能和安全的重要手段。基于数据驱动的锂电池状态估计算法容易受到实际数据分布偏差影响而导致预测模型性能下降,限制了模型的泛化性能,基于迁移学习的锂电池状态跨领域估计算法可以较好地解决此类问题。该文分别从锂电池荷电状态估计、健康状态估计以及剩余寿命估计3类常见应用场景展开讨论,比较不同场景下方法之间的差异,同时揭示它们之间的共性。从技术路线角度出发将常用于状态估计的迁移学习方法归纳为3类:基于微调的迁移、基于度量的迁移和基于对抗训练的迁移。介绍了每一类方法的基本原理、代表性技术和典型应用场景,并基于此3类技术路线对近年基于迁移学习的锂电池状态跨域估计方法进行了全面的归纳介绍。

基于轻型自限制注意力的结构光相位及深度估计混合网络

相位提取与深度估计是结构光三维测量中的重点环节,目前传统方法在结构光相位提取与深度估计方面存在效率不高、结果不够鲁棒等问题。为了提高深度学习结构光的重建效果,本文提出了一种基于轻型自限制注意力(Light Self-Limited-Attention,LSLA)的结构光相位及深度估计混合网络,即构建一种CNN-Transformer的混合模块,并将构建的混合模块放入U型架构中,实现CNN与Transformer的优势互补。将所提出的网络在结构光相位估计和结构光深度估计两个任务上进行实验,并和其他网络进行对比。实验结果表明:相比其他网络,本文所提出的网络在相位估计和深度估计的细节处理上更加精细,在结构光相位估计实验中,精度最高提升31%;在结构光深度估计实验中,精度最高提升26%。该方法提高了深度神经网络在结构光相位估计及深度估计的准确性。

基于3D激光雷达的水面无人艇靠泊参数估计

为准确地估计靠泊参数,提出了一种基于艇载3D激光雷达的靠泊参数估计方法。该方法包括2个主要模块:无人艇位姿估计和靠泊状态估计。无人艇位姿估计模块采用点云预处理算法对原始点云进行降采样并滤除异常值,利用点云配准算法实现了无人艇靠泊过程中的位姿估计。靠泊状态估计模块通过MSAC算法提取泊位边界信息,并基于此信息计算靠泊参数。实验结果表明:该算法所得无人艇位姿信息和靠泊参数信息均与实际相符,平均靠泊距离误差小于0.023 m,平均角度误差小于0.26°,验证了该靠泊参数估计算法的准确性和合理性。

有序标签噪声的鲁棒估计与过滤方法

较大规模的标注数据集中难免会存在标签噪声,这在一定程度上限制了模型的泛化性能。有序回归数据集的标签是离散值,但不同标签之间又有一定次序关系。虽然有序回归的标签兼有分类和回归标签的特征,但面向分类和回归任务的标签噪声过滤算法对有序标签噪声并不完全适用。针对此问题,提出了标签含噪时回归模型的Akaike泛化误差估计,在此基础上设计了面向有序回归任务的标签噪声过滤框架。此外,提出了一种鲁棒的有序标签噪声估计方法,其采用基于中位数的融合策略以降低异常估计分量的干扰。最后,该方法与所提框架结合形成了噪声鲁棒融合过滤(Robust Fusion Filtering,RFF)算法。在标准数据集和真实年龄估计数据集上均验证了算法的有效性。实验结果表明,在有序回归任务中,RFF算法性能优于其他分类和回归过滤算法,能够适应不同类型的噪声数据,并有效提升数据质量和模型泛化性能。

改进的Mertens第一定理估计及应用

在Mertens第一定理的基础上,利用定积分估计的主要思想和Stirling’s公式的估计,对Mertens第一定理中的估计不等式进行了进一步的精确化,得到了更好的估计。改进的估计结果比原来的Mertens第一定理中的估计更加精确。把改进的Mertens第一定理估计应用到一个具体的渐近公式中,提高了该渐近公式中Landau记号里对应常数的精度范围。

基于高阶累积量ESPRIT算法的指数衰减正弦信号参数估计

工程应用中环境噪声多表现为高斯有色噪声,而针对高斯白噪声进行处理的算法失效问题,提出了一种高斯色噪声环境中用于多分量衰减正弦信号频率和衰减因子估计的四阶累积量ESPRIT算法。首先,推导出四阶累积量与观测样本中的自相关矩阵和互相关矩阵之间的关系,求出其四阶累积量矩阵。其次,通过对四阶累积量进行广义特征值分解,根据广义特征值即可得到信号衰减因子和频率的估计值。最后对所提算法进行了仿真实验验证,在混合信噪比为0 dB时,所提算法针对多分量衰减正弦信号角频率和衰减因子的平均估计误差分别为0.002 0πrad和0.002 0。在高斯白噪声和高斯色噪声背景下与ESPRIT算法和Prony算法相比具有更强的噪声抑制能力和更高的估计精度。

基于多掩膜技术的无监督深度与光流估计方法

针对自动驾驶领域现有方法在处理动态、遮挡等复杂实际场景时存在的估计不准确问题,提出了一种以多掩膜技术为基础的无监督深度与光流估计方法,通过无监督学习从单目视频序列中提取目标深度、相机运动位姿和光流信息。根据不同外点类型设计了多种特定掩膜,以有效抑制外点对光照一致性损失函数的干扰,并在位姿估计和光流估计任务中起到剔除外点的作用。引入预训练的光流估计网络,协助深度和位姿估计网络更好地利用三维场景的几何约束,从而增强联合训练性能。最后,借助训练得到的深度和位姿信息,以及计算得到的掩膜,对光流估计网络进行了优化训练。在KITTI数据集上的实验结果表明,该策略能够显著提升模型的性能,并优于其他同类型方法。

基于近似消息传递的NOMA系统信道和脉冲噪声联合估计方法

针对非高斯脉冲噪声背景下的非正交多址接入(non-orthogonal multiple access,NOMA)系统的信道估计问题,利用信道和脉冲噪声的稀疏特性,提出一种基于近似消息传递的信道和脉冲噪声联合估计方法。首先构建全子载波的压缩感知方程,然后基于稀疏贝叶斯学习理论提出一种信道、脉冲噪声和数据符号的联合估计优化问题。为解决这一超参量非线性非凸问题,设计了一种基于高斯广义近似消息传递和稀疏贝叶斯学习理论的期望最大化实现算法。仿真结果表明,与基于期望最大化的稀疏贝叶斯学习方法相比,所提算法在信道和脉冲噪声估计的均方误差、误码率等方面性能虽略有下降,但算法复杂度降低了1个数量级。

数字线估计的模型与策略:有界和无界的相似与分离

Cohen于2011年提出了无界数字线估计任务,诸多研究表明该任务克服了传统有界数字线估计任务的局限,能够反映更加纯粹的数字表征本质。然而,无界数字线估计的模型与策略与有界数字线估计的异同,还有待检验。文章分别对有界和无界数字线估计任务中的数字表征模型和估计策略进行梳理,分析两种任务中数字线表征模型以及估计策略发展与转变的相似与分离,并进一步推测估计策略与表征模型之间的关系,以期为数字认知的相关研究提供参考。

L型阵水下目标方位和距离联合最大似然估计

空间目标定位是阵列信号处理领域中的研究热点,广泛应用于雷达、声纳、通信、射电天文、医学诊断、地震遥感等众多领域。传统的水下声源定位仅获取目标声源的深度和距离信息,却无法估计目标的方位信息。针对这一问题,在充分考虑水下声传播模型的基础上,利用L型阵列固有的结构特征,将最大似然估计技术应用到水下目标定位,提出一种基于L型水听器阵列的水下目标方位与距离联合最大似然估计算法。研究表明:最大似然估计法可有效突破传统波束形成分辨力“瑞利限”的限制,提高水下目标定位的分辨能力和精度。计算机仿真分析显示,在单目标和相干双目标的场景中,文中所提出的方法均具有更为尖锐的谱峰及更低的旁瓣水平,可对水下目标进行有效的方位角和距离联合估计。

四阶统计量的近场源距离与到达角估计

针对近场源的到达角和距离的联合参数估计问题,提出了2种基于四阶统计量的新算法。对于一个有2 p+1个阵元的均匀线性阵列(ULA)而言,目前已有方法只能分辨出p个信源,文中提出的两种方法能够估计出2 p或2p-1个入射信源的参数。此外,与传统的四阶统计量方法相比,新方法不需要参数配对操作,因此可以去除这部分计算量。仿真结果表明,基于ESPRIT的2种算法有效地利用了接收信号信息,相比于已提出的方法具有更好的性能。

基于自适应H_(∞)观测器的锂电池SOC与容量联合估计

为了提高锂电池SOC的估计精度,提出了一种基于自适应H_(∞)观测器的锂电池SOC与容量联合估计方法。基于锂电池的二阶RC等效电路模型,并考虑SOC和容量的耦合关系,将容量也作为系统的状态变量进行观测。设计了一种自适应H_(∞)观测器,其参数可随锂电池状态的变化自适应调整。由于在SOC估算时考虑了容量的影响,实现了SOC和容量的同时准确估计。实验结果表明:自适应H_(∞)观测器的估计精度高且鲁棒性强,电池的SOC平均估计误差始终保持在±0.43%以内,相比于EKF和H_(∞)观测器有更高的估计精度与稳定性。

面向电-气综合能源系统的MEAV抗差状态估计法

为了实现电-气综合能源系统更为协调精确的状态估计,参考电网状态估计方法,基于最大指数绝对值(Maximum Exponential Absolute Value,MEAV)状态估计建立了电力-燃气网络的稳态模型。采用牛顿法作为基本算法,对系统进行能流计算以及MEAV等价模型的求解。最后,通过30个电网节点和22个燃气节点的耦合系统的仿真实验,验证了所提出的方法在获得电-气互联网络准确运行信息和抑制不良数据方面的能力。

基于改进EKF算法的锂离子电池SOC在线估计

锂离子电池因其能量密度高、自放电率低、污染小等优势,已经在储能电站领域得到广泛应用。针对锂离子电池各项状态预测,首先搭建二阶RC等效电路模型,然后采用带遗忘因子的递推最小二乘法(FFRLS)对模型参数进行辨识,提出一种基于自适应扩展卡尔曼滤波(AEKF)算法的SOC-SOH联合估计方法。在不同电池工况下进行对比验证,结果表明,与扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)相比,所提方法预测SOC和SOH的精确度和计算效率均有所提高,具有一定的实用价值。

基于稀疏约束的最小方差无偏自适应荷载估计

提出了一种基于稀疏约束的最小方差无偏自适应荷载估计算法,该算法是对传统的最小方差无偏估计算法的改进。利用大部分结构荷载在空间稀疏的特点,通过PM(pseudo-measurement)技术对荷载向量施加了一个稀疏约束,最终无约束的最小二乘估计转换为了基于l 1范数的稀疏约束,在这样的改进下,传统算法在加速度观测下的荷载漂移问题被有效地解决,同时提高了算法荷载估计的鲁棒性。此外,对于噪声估计传统做法都是通过经验进行手动设置,在工程应用中极大不便。基于此,引入了自适应估计算法,实现了测量噪声协方差自适应估计。最后,通过1个10自由度弹簧阻尼系统和一个3层框架试验结构验证了算法的有效性。

基于ADDIE模型的数理统计教学研究——以“用样本估计总体”起始课为例

基于ADDIE模型的教学是对当前课程体系的一种有效的创新.通过Analysis、Design、Development、Implementation、Evaluation五个阶段可以进行基于ADDIE的课程设计.本文通过对高中“用样本估计总体”进行基于ADDIE的教学,以期为探索高中数学课程如何设计以寻求创新的数学教育者提供参考和借鉴.

多重加速寿命试验下多部件系统的参数估计

多部件系统的可靠性推断是可靠性理论研究中的重要问题。本文首先基于多重恒应力加速寿命试 验研究了部件具有 kumaraswamy 寿命分布的 s-out-of-k 系统,建立了系统可靠性的似然函数, 还给出了模型参数极大似然估计的存在性和唯一性。基于极大似然估计的渐进正态性得到了模型 参数的渐进置信区间。同时,在给定参数共轭伽马先验的假设下,基于不同的损失函数,得到了 参数和系统可靠性的不同贝叶斯估计。其次,构造了参数的 Bootstrap 区间作为渐进置信区间和 贝叶斯区间的对比。最后,分析了一组真实数据来说明本文方法的可行性。

复合Mlinex损失函数下艾拉姆咖分布参数的Bayes估计

在本文中,我们采用了一种复合的Mlinex损失函数作为研究的基础准则,艾拉姆咖是一种衡量统计模型优良性的指标,通常用于模型选择。当我们在模型中引入逆伽玛分布作为先验分布时,我们利用Mlinex损失函数来评估艾拉姆咖指标的表现,并且讨论了该分布下三种不同的参数估计方法:Bayes估计、E-Bayes估计和多层Bayes估计。为了验证这些估计方法的性能,本文采用了数值模拟的方法。通过构建模拟数据集,并应用上述估计方法,可以观察它们在不同情况下的表现。模拟结果显示,这三种估计方法都表现出了良好的稳健性。