模块化连续手语识别算法及技术综述

手语是听障人士和其他人之间重要的沟通方式,但许多普通人看不懂手语,导致听障人士和普通人交流障碍.随着深度学习网络在连续手语识别方向的应用,算法大模型为复杂难懂的连续手语动作翻译成通俗易懂的文本语句提供了技术基础.但是连续手语识别仍然面临着冗余帧过多,空间特征提取和时间特征提取网络不平衡,手语语序与文本语序不匹配等诸多问题.因此,研究准确率高、耗时少、场景通用性高的连续手语识别算法成为计算机视觉领域的热点问题之一.本文首先分析单模态和多模态的连续手语识别框架,并重点阐述关键帧提取、特征提取、序列学习3个模块在连续手语识别中的作用,以及模块中所用网络的优势与不足,然后总结连续手语数据集以及识别结果的评价指标,最后阐述连续手语识别算法的难点并展望其未来的发展方向.

基于深度学习的颅面点云生成模型

针对实际应用中对初始头骨数据完整性要求高、重建复原时间长、扩展性和实用性不强等问题,论文设计提出一种基于深度学习的形状修补以及形状学习颅面点云复原模型。模型通过使用补全自编码器(Repair AutoEncoder,rAE)从缺失的头骨点云数据中复原完整头骨点云,并通过形状生成自编码器(Generation AutoEncoder,gAE)来生成初始头骨所对应的头面部点云。实验表明该模型补全生成的头骨点云和学习生成的头部点云的复原精度能很好地支撑对头部模型的三维重建。论文提出的深度学习方法与传统方法相比较能够由不完整的头骨数据,快速、逼真和准确地重构三维头部形状,在经典颅面复原任务如:出土残缺古人类头骨补全、面貌复原、刑事案件侦破等任务中展现出良好的稳定性与可扩展性。

共创与共毁:成年子女-父母旅游互动价值研究

成年子女与父母旅游的消极体验逐渐受到关注,以往仅聚焦积极层面的研究已不足以解释双方互动的复杂性。基于此,文章从共创和共毁双重视角,以脚本理论和逆转理论为基础,探究成年子女与父母旅游互动能否导致价值共创和共毁双重结果。通过对成年子女与父母双方访谈以及网络资料分析,结果发现,成年子女与父母在旅游中通常经历4种互动类型,即协作和参与、依赖和确认、倾诉和分享,以及学习和关爱。每类互动因双方运行脚本一致性及动机逆转状态不同,存在价值共创和共毁双重潜力。具体而言,成年子女和父母互动脚本一致性是导致价值共创或共毁的前提,但脚本不一致不一定导致价值共毁,还取决于双方动机激活情况。当价值共毁发生后,成年子女和父母会积极进行价值恢复,恢复措施体现为共同恢复和自我恢复两种形式,并且与自我恢复相比,共同恢复更可能实现共毁向共创的转化。研究结论为家庭旅游研究及营销提供重要理论贡献和实践启示。

信息科学与旅游的交叉研究:系统综述

信息科学与旅游的交叉研究是探索旅游问题、规律及原理的新思路与方法。为了系统地概括信息科学与旅游的交叉研究现状和最新进展,采用系统综述(systematicreview)方法对该交叉领域最近12年的主要研究进行了归纳和分析。该系统综述回答了如下3个问题:①信息科学研究中面向旅游的研究主要有哪些方面;②旅游研究中与信息科学相关的研究主要有哪些方面;③信息科学与旅游的交叉研究有哪些趋势。

基于多尺度特征融合的边界检测算法

针对以往边界检测算法提取的噪声边界过多,导致最终检测的效果提高不多的问题,本文提出了一种基于多尺度特征融合的边界检测算法。在单一图像尺度下,该算法利用图像抠图领域的Trimap和抠图算法生成图像中物体层次特征,并结合提取多尺度的像素层次特征得到边界信息。为了进一步减少过多的噪声边界,该算法提取多尺度图像下的边界信息,并通过融合这些边界信息来过滤噪声边界。在美国加州伯克利大学的BSDS500数据集上进行实验,实验结果表明该算法比单一图像尺度下的边界检测算法具有更高的准确率。

基于坐标测量机数据互操作机制的检测数据管理及应用

车间常采用三坐标系统来检测零件加工精度,为相应机床提供预测性维护建议。由于三坐标检测软件提供的检测报告格式和内容相对固定,不利于制造执行系统(MES)利用这些数据,造成测量底层数据利用不足。鉴于此,以坐标测量机(CMM)原始测量数据获取与处理方法为对象,提出了基于CMM互操作中间层的数据互操作方法,讨论了该中间层的关键逻辑与数据处理流程。采用项目组自主研发的DIRECT-DMIS软件,通过一个实际案例,说明了如何采集对这些原始检测数据,支持车间利用MES开展设备预测性维护管理。

基于拉普拉斯算子的人脸表情克隆优化方法

针对人脸克隆表情的真实性和表情重建的效率,提出了一种基于运动捕捉数据的人脸表情克隆新方法。使用运动捕捉设备捕捉人脸六种基本表情数据,并对数据进行归一化处理,使其位于同一区间范围,保证克隆表情数据的有效性;在表现人脸表情的关键区域选取41个特征点,通过采用凸权值的拉普拉斯变形算法将人脸表情转移到目标模型上,很好保留了人脸表情的细节,克服了均一权值保真度低和余切权值计算不稳定的问题。实验结果表明,该方法合成的克隆表情真实、自然,人脸表情克隆的效率得到了显著提高。

基于点信息的人体寰椎三维模型配准

目的建立一种基于点信息的寰椎三维模型局部点配准方法,为进行三维数据的统计建模奠定基础。方法以正常人体CT序列图像生成寰椎三维模型30个,所有模型标注人工选择的对应点,设为模板模型1个,训练模型20个,验证模型9个。首先进行训练组模型对模板模型的配准,包括点信息的比较计算和权重系数的机器训练两步,以自动配准点与人工选点的欧式距离之和为测度,获得点配准公式及对应的最佳系数;其次以验证组模型对模板模型进行配准,统计自动配准点与人工选点的欧式距离值,同训练组做对比分析,评估方法的稳定性。结果获得配准函数及对应的最佳权重系数,训练组和验证组配准结果误差分别为1.983和2.045 mm,统计分析表明两组结果没有显著性差异。结论此方法精度及稳定性均达到预期目的,可用于寰椎模型之间感兴趣点的自动配准及统计建模工作中的元素分类。

中英消费维权类广播节目模式对比研究——以中央人民广播电台《天天3·15》和英国广播公司4台You and Yours为例

本文选取了中国和英国两档关于消费维权的广播节目。中央人民广播电台经济之声的《天天3·15》节目和英国广播公司(BBC)广播4台的You and Yours(你和你的家庭成员)作为研究对象。两档节目均以消费者维权为主要内容,均为午间档播出。通过定性和定量两种研究方法,分析这类节目是如何构建节目主题的,并就相关话题展开探讨,尝试在国际化背景下对此类广播节目模式进行梳理。此外,本文也探究消费维权类广播节目每期具体事例均只与少部分群体直接相关,在这一前提下,是如何吸引大量广播听众收听的。

基于加权二叉树的自适应遗传算法研究

为改进传统遗传算法局部搜索能力较差、收敛速度慢等缺点,提出一种基于加权二叉树的遗传算法。通过构建遗传基因二叉树,对种群染色体进行编码,根据子代基因的适应值挑选优秀基因替换弱势基因,采用蚁群信息素对不同的遗传基因进行加权操作,依权重择优进行交叉操作,利用自适应排序选择最优解,并通过对比实验对该算法和基本遗传算法进行了全方位的比较。试验结果表明该算法大大提高了遗传算法的局部搜索能力,加快了算法的收敛速度。

面部像素的自适应高斯肤色检测模型

针对当前的人体肤色提取方法在复杂背景下精度不够的问题,本文提出了一种基于人体面部像素的自适应肤色的分割方法,针对每一幅人物图片自动生成其自适应的肤色分割阈值,并利用自适应更新出的肤色分割阈值来提高肤色检测的精度。相比于以前的只利用高斯模型经验值分割出的肤色区域的方法,有效减少了复杂环境下对肤色区域筛选的条件限制,通过改进后的提取方法与原高斯模型的提取方法在人物图片肤色提取精度上的对比,利用100张图片的实验结果进行观察分析。实验结果表明,该方法肤色区域检测精度平均提高2%左右。

跨境包裹快递代理业务管理系统的分析与设计

针对跨境快递业务中存在成本高、管理繁杂等问题,提出了基于Web Services的跨境包裹快递代理业务管理方法;对系统的功能需求和性能要求进行了深入分析,给出了关键业务流程模型,并提出了推荐的管理系统架构,讨论了相关的关键技术。通过应用该技术,将可以有效解决跨境包裹快递业务代理的信息化问题。

混合现实系统中标志物识别的改进ORB算法

针对混合现实技术在识别标志物时易发生抖动,且识别过程易受到遮挡影响的问题,从标志物特征点提取与匹配的角度入手,改进混合现实技术对标志物的识别算法。通过构造尺度空间,结合加速稳健特征(speeded up robust features,SURF)算法提取特征点,对ORB(oriented FAST and rotated BRIEF)算法的特征点提取和匹配进行改进。改进后的算法在特征点匹配的过程中精度更高,比SURF算法提升了38.8%,比ORB算法提升了28.3%,有效地提高了目标识别的效率。结果表明:把改进后的算法运用在混合现实系统中,可以在标志物被遮挡50%时,成功把虚拟模型叠加在标志物上,解决了模型抖动的问题。

复杂背景下的人体轮廓提取算法

针对现有人体轮廓提取方法在复杂背景情况下鲁棒性差、精确度不高的问题,提出了一种改进的自适应人体区域分割方法。首先提取肤色样本,并建立自适应高斯模型提取肤色区域,然后在HSV色彩空间分割提取服装区域,最后线性融合以上两检测区域实现人体区域的检测。实验结果表明,该方法可以得到比较准确且完整的人体区域,有效降低了复杂背景环境、光照等条件的限制。

改进优先权的Criminisi算法的图像修复的设计与实现

图像修复技术中经典的基于样本的修复方法是Criminisi算法。针对传统Criminisi算法中优先权计算方式不合理,导致修复效果不佳,为了改进图像的修复质量。提出一种新的优先权计算公式对图像的修复质量和效率进行改进,首先将原有的优先权公式变为加法,之后在优先权公式中加入结构张量增强图像的结构信息。通过大量的实验,结果表明提出的算法可以有效的提高图像的修复质量和效率。

基于深度学习的抗噪声点云识别网络设计

为了提高点云识别网络的抗噪声能力,降低神经网络在空间模型运算中对处理器的压力,设计一款轻量且具备抗噪声能力的点云识别网络。新的网络通过引入点云库技术,在多层感知机输入数据前添加了随机采样模块和近邻统计高斯滤噪模块,有效滤除复杂点云场景中的离群点。通过优化多层感知模块与全连接模块层次结构,减少网络冗余参数。实验证明:在模型识别准确率维持在84.2%的同时,相较于7种同类型网络,本网络对数据中的随机噪声具有较强的鲁棒性,并具有更快的识别速度。

基于深度学习的服装图像语义分析与检索推荐

针对服装检测推荐方法中的服装图像分割算法分割精度不高且存在多尺度特征融合不佳的问题,提出一种基于注意力机制和多尺度特征融合的深度卷积网络服装特征提取分析检索与推荐方法。该方法以图像语义分割算法为基础,从服装图像中提取高级语义信息,通过哈希函数对提取的特征进行编码,并引入ASPP对图像进行多尺度特征提取,然后使用注意力模型对提取到的特征进行融合并构建索引库,最终实现语义相似性服装推荐的功能。实验表明:本方法可以有效提高分割准确度,解决多尺度特征提取的问题,能够成功提取图像中的高层次语义特征,具有较高的分割准确率,在很大程度上提高了服装相似性语义推荐的效率。

音乐产业经济学

音乐在社会文化生活中起着重要的作用,音乐产业吸引了文化经济学家和社会学家的广泛关注。本文从技术变革与版权、音乐产业的生产与消费、音乐产业的组成部门、录音产业经济组织以及互联网对音乐产业的影响等五大方面来分析音乐产业。目前现场音乐继续吸引听众,而录音产品则遍布全球,地方音乐也同样进入全球化的世界市场。互联网和数字化录制音乐对录音产业产生了严重影响,并将继续影响录音产业。

一种改进的用于服装解析的自监督网络学习方法

针对现有的服装解析算法在复杂背景下分割准确率较低,依赖姿态估计等问题,提出一种基于深度卷积神经网络的自监督服装解析方法(Deeplabv2-SSL),即在Deeplabv2网络中注入一种自监督的结构敏感学习算法。新的算法在训练过程中不需要标注任何人体关节信息,直接从像素标签中学习人体更高层次的信息,利用学习到的人体关节信息更好地定位服装分割的区域,降低了姿态估计过程中的损失。实验表明,Deeplabv2-SSL网络可以有效地解析服装中人体的个别部位以及服装区域。测试过程中总体像素精度大约83.37%,平均像素精度大约52.53%,较其他语义分割模型性能更佳。

文化经济学的历史与未来

文化经济学作为运用经济学理论与方法来解释文化现象与问题的新兴学科,在过去的50余年的发展历程中,其研究范围从上个世纪60年代的表演艺术与博物馆资助问题,拓展至文化与创意产业及其在创意经济中的作用。如今,文化经济学已经确立了研究的领域,即艺术机构、创意产业、文化政策,甚至包括与国民经济发展相关的经济政策。基于上述学科界定与历史观,回顾了文化经济学半个世纪的历史,其间所讨论的重要主题与所应用的主要方法,并系统勾勒了这些问题的历史脉络,从而真切地呈现出文化经济学学术史的全貌;文化经济学要与时俱进地面向数字化时代的挑战,敏锐捕捉数字化给创意产业所带来的新问题,以进一步推动文化经济学发展。