-
公开(公告)号：CN111860188A
公开(公告)日：2020-10-30
申请号：CN202010588253.0
申请日：2020-06-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于时间和通道双注意力的人体姿态识别方法，包括：利用移动设备的内置传感器采集各类人体动作的原始数据，并附上动作的属性标签、利用滑窗和归一化处理并切分为训练样本集和测试样本集、建立基于时间和通道双注意力的深度卷积神经网络模型，导入训练样本和测试样本进行训练和最优化调节，得到人体动作的识别结果。本发明由于通道注意力和时序注意力的叠加作用，可以在经过大量粗粒度的训练数据训练后准确定位到目标动作发生的类别和发生时间，大大降低了人工标注训练数据的繁琐性，在体育，互动游戏，医疗保健和通用监视系统等方面具有十分重要的作用。
-
公开(公告)号：CN111753683A
公开(公告)日：2020-10-09
申请号：CN202010528771.3
申请日：2020-06-11
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于多专家卷积神经网络的人体姿态识别方法。该实施引入了多专家卷积核策略，首先是对输入样本利用路由函数产生路由权重，然后再和多个专家卷积核进行相乘。这样就完成了在卷积操作之前将输入样本映射给各个专家，然后线性结合过的各专家将再次对原样本进行卷积，经过多层训练后，各专家将特征图送入分类层用于各动作数据的识别。大多数路由权重集中在0和1附近，所以整个网络可以看成是一个稀疏矩阵，即当样本输入时，仅需激活网络的一小部分即可实现精准识别。本发明具有识别精准、瞬时响应、可移植能力强等特点，在运动检测，人机交互和健康监视等方面作用显著。
-
Search Results
2
records
(took 0.02 seconds)
