基于改进Transformer的布料材质识别方法研究

布料材质识别是一个极具挑战性的计算机视觉问题。针对传统识别方法存在的识别周期长、人为因素多、技术壁垒高以及有破坏性等缺点,提出了一种基于改进Transformer的布料材质识别方法,该方法利用输入的布料运动视频,通过布料运动的外观变化识别布料的材质类型。改进的Transformer模型由Transformer块和残差空间缩减块(Residual Spatial Reduction)组成,将Transformer块中的自注意力分解为时间自注意力和空间自注意力来减少计算量和运行时间,将两个残差空间缩减块添加进Transformer模型中来减少空间冗余信息和提高布料材质识别的准确率。此外,使用预训练的图像模型对视频模型初始化,可以在减少计算量的同时保持模型的高性能。在布料运动数据集上的实验结果表明,本文方法对12种不同布料材质视频的材质种类识别的准确率达到82.3%,相比其他方法,该方法的识别精度更高。

基于OpenSim人体步行腓肠肌静态生物力学分析

为准确、快速地研究人体下肢运动规律,构建人体下肢模型。针对该模型推导出了人体步行状态下腓肠肌相应的力学方程F1(t)。利用OpenSim搭建人体骨骼肌肉模型,并以腓肠肌进行静态力学分析为例,解析了肌肉在逆向运动学(IK)和残差缩减(RRA)两种不同分析方法中的肌肉激活度和力矩。研究结果表明:此模型能准确地模拟人体下肢肌肉的运动规律,利用RRA分析能够真实反映腓肠肌的受力情况,分析出肌肉激活度,为进一步揭示膝关节和踝关节的生物力学特性和为设计人体下肢康复机器人提供肌肉阻尼奠定基础。