一种基于改进残差神经网络的手势识别方法

    公开(公告)号:CN108052884A

    公开(公告)日:2018-05-18

    申请号:CN201711248247.5

    申请日:2017-12-01

    Abstract: 本发明公开一种基于改进型残差神经网络的手势识别方法,包括下列步骤:S1、训练样本集的获取;S2、对训练样本集进行预处理,通过算法找出手势在图像中的位置,裁剪后作为原始训练数据;S3、训练样本增强,对采集训练样本集进行平移变换、旋转变换、镜像变换、缩放变换等,增大训练样本集;S4、手势模型获取,将处理后的训练样本集输入到预训练的残差网络中训练网络参数,得到手势识别模型;S5、将待识别手势图片进行与步骤S2相同处理,得到待识别手势数据;S6、将待识别手势数据输入到训练完成的网络中得出手势序列。本发明基于深度残差网络,在自行采集的数据集上对残差网络进行训练,实现第三视角的高识别率手势识别。

    城市绿地生态系统文化效益测量方法、装置、设备及介质

    公开(公告)号:CN118428788A

    公开(公告)日:2024-08-02

    申请号:CN202410317389.6

    申请日:2024-03-20

    Abstract: 本发明公开了一种城市绿地生态系统文化效益测量方法、装置、设备及介质,所述方法包括:根据各维度评估指标,构建城市绿地生态系统文化效益测量初始量表;进行信度检验和效度检验,得到城市绿地生态系统文化效益正式测量量表;采集游憩者对于不同文化效益的感知水平数据,作为样本数据;对样本数据进行信度检验和效度检验;若信度检验和效度检验达标,计算三个维度评估指标的权重以及三个维度评估指标的每个效益在所属维度评估指标的权重,得到每个效益的最终权重;计算各维度评估指标的效益水平以及总效益水平。本发明有助于全面评估城市绿地对人类福祉的物质和非物质贡献,为城市绿地的规划、设计和决策提供科学依据。

    一种基于对数路径积分特征和卷积神经网络的手势识别方法

    公开(公告)号:CN108304806A

    公开(公告)日:2018-07-20

    申请号:CN201810106610.8

    申请日:2018-02-02

    Inventor: 张鑫 李晨阳

    Abstract: 本发明公开了一种基于对数路径积分特征和卷积神经网络的手势识别方法,步骤包括:对视频数据进行标注,训练一个基于Faster-RCNN的手部检测器;利用手部检测器对视频样本逐帧进行检测,获得每一帧的手部位置;基于每一帧的手部位置,结合时间和深度构建出二维、三维和四维的手部轨迹;对手部轨迹进行数据增强;对增强后的轨迹样本提取相应的对数路径积分特征;将对数路径积分特征按照空间位置信息进行排列,构建出对应的特征立方体;将特征立方体作为卷积神经网络的输入,并最终输出识别结果。本发明将鲁棒的对数路径积分特征应用于手势识别领域,并提出新的数据增强方法随机弃帧,在不同的背景和光照条件下,都能准确识别手势种类。

    城市绿地特征组合与生态系统文化效益关系分析方法及装置

    公开(公告)号:CN118586575A

    公开(公告)日:2024-09-03

    申请号:CN202410252711.1

    申请日:2024-03-06

    Abstract: 本发明公开了一种城市绿地特征组合与生态系统文化效益关系分析方法及装置,所述方法包括:获取基于不同地理空间位置的生态系统文化效益和城市绿地内部游憩单元的绿地特征,并对绿地特征进行预处理;筛选最佳监督机器学习模型,通过置换重要性对绿地特征之于生态系统文化效益感知的贡献重要性进行排序,选出置换重要性大于阈值的绿地特征;筛选最佳聚类算法和聚类数量,对生态系统文化效益进行聚类,从而得到高效益水平组、中效益水平组和低效益水平组;采用先验概率计算和共现分析相结合的方式,得到在不同组合模式内对效益具有重要影响作用的绿地特征水平,以及两两组合的绿地特征水平。本发明有助于长期的动态的管理、规划与设计的制定和开展。

    基于深度卷积神经网络的第一视角动态手势检测方法

    公开(公告)号:CN106960175B

    公开(公告)日:2020-01-31

    申请号:CN201710093766.2

    申请日:2017-02-21

    Abstract: 本发明公开了基于深度卷积神经网络的第一视角动态手势检测方法,包括步骤:采集不同环境下的具有复杂背景的数字手势图片,人工标记出手势在所述数字手势图片中的外接矩形;设计一个深度卷积神经网络,利用卷积计算进行特征提取,在特征图上预测和滑窗操作得到不同尺寸的候选框,将候选框和真实值进行损失计算并误差反传;利用已标记外接矩形的手指手势图片训练所述深度卷积神经网络,使得深度卷积神经网络收敛且参数稳定;输入第一视角的动态手势视频,将视频拆分成一帧帧图片,检测出图片中手势外接矩形位置的坐标点。与现有技术相比,本发明能准确地检测复杂背景、不同光线下的视频中动态手势。

    基于文化效益预测的城市绿地生态系统的优化方法及系统

    公开(公告)号:CN119416927A

    公开(公告)日:2025-02-11

    申请号:CN202411331254.1

    申请日:2024-09-24

    Abstract: 本发明公开了一种基于文化效益预测的城市绿地生态系统的优化方法及系统,所述方法包括:基于“环境物理特征—环境感知特征—游憩行为特征—文化效益”级联模型,通过向后逐步回归的方法筛选对文化效益具有显著影响的环境物理特征;基于筛选的环境物理特征,通过多重中介模型的路径分析,筛选在环境物理特征对文化效益的影响中具有中介效应的中介变量和路径;将筛选的环境物理特征,以及筛选的中介变量和路径整合进结构方程模型,并对结构方程模型进行拟合度分析,根据修正指数对高度相关的变量进行修正;修正后的结构方程模型揭示了城市绿地生态系统文化效益影响机制;搭建与城市绿地生态系统文化效益影响机制具有相同结构的贝叶斯网络模型,以预测文化效益的水平概率值;基于收集的待设计场地现状的环境物理特征水平,利用贝叶斯网络模型预测文化效益的水平概率值,进而选取最优方案。本发明根据量化的文化效益对城市绿地生态系统进行优化,为城市绿地的循证设计和科学决策提供更加充分和全面的依据。

    基于深度卷积神经网络框架的第一视角动态手势识别方法

    公开(公告)号:CN106980365A

    公开(公告)日:2017-07-25

    申请号:CN201710093747.X

    申请日:2017-02-21

    CPC classification number: G06F3/017 G06N3/0454 G06N3/08

    Abstract: 本发明公开了基于深度卷积神经网络框架的第一视角动态手势识别方法,包括步骤:采集不同复杂背景下的数字手势图片,使得相同的手势具有一个相同的标签,标出手势在数字手势图片中的外接矩形;深度卷积神经网络在数字手势图片上提取若干候选框,将若干候选框与外接矩形进行特征比较并保存手势完整存在的若干候选框,提取保存候选框中的特征信息,将得到的输出值和真实值进行损失计算并将误差反向传播;使用已标注标签和候选框的数字手势图片训练深度卷积神经网络,使得深度卷积神经网络收敛且参数稳定;将拍摄的第一视角的数字手势图片作为输入,识别不同手势的类别。本发明可以准确地识别复杂背景、低像素的视频中的动态手势。

    基于深度卷积神经网络的第一视角动态手势检测方法

    公开(公告)号:CN106960175A

    公开(公告)日:2017-07-18

    申请号:CN201710093766.2

    申请日:2017-02-21

    Abstract: 本发明公开了本发明公开了基于深度卷积神经网络的第一视角动态手势检测方法,包括步骤:采集不同环境下的具有复杂背景的数字手势图片,人工标记出手势在所述数字手势图片中的外接矩形;设计一个深度卷积神经网络,利用卷积计算进行特征提取,在特征图上预测和滑窗操作得到不同尺寸的候选框,将候选框和真实值进行损失计算并误差反传;利用已标记外接矩形的手指手势图片训练所述深度卷积神经网络,使得深度卷积神经网络收敛且参数稳定;输入第一视角的动态手势视频,将视频拆分成一帧帧图片,检测出图片中手势外接矩形位置的坐标点。与现有技术相比,本发明能准确地检测复杂背景、不同光线下的视频中动态手势。

Patent Agency Ranking