一种基于卷积神经网络的动作识别方法

    公开(公告)号:CN113052091A

    公开(公告)日:2021-06-29

    申请号:CN202110338887.5

    申请日:2021-03-30

    摘要: 本发明涉及一种基于卷积神经网络的动作识别方法。不同于常见的以二维图像特征为输入的长短期记忆模型动作识别方法,本发明采用三维卷积核构建的骨干网络对图像序列进行特征提取,在保留空间特征的情况下引入时序特征。与此同时,通过三维空间下的批标准化操作对特征进行处理,避免模型训练过程中出现梯度消失现象。将骨干网络提取到的时空混合特征送入经过改进的长短期记忆模型并输出表征动作类别的一维向量。该方法通过对人类动作时空信息的有效提取以更好地保留目标的动作特征,从而实现以视频帧序列作为信息源的目标动作识别功能。

    信息融合定位系统卫星信号环境的自适应判别方法

    公开(公告)号:CN113156473A

    公开(公告)日:2021-07-23

    申请号:CN202110238535.2

    申请日:2021-03-04

    IPC分类号: G01S19/42 G06N3/08

    摘要: 本发明属于导航定位或机器人技术领域,具体涉及一种信息融合定位系统卫星信号环境的自适应判别方法。该方法包括:选取训练样本以及标签;对采集到的样本数据进行初步权重计算和批标准化处理;批处理操作之后的数据正向传播及误差反向传播;对上述训练好的模型利用测试集进行评价;该方法采用基于RNN的多源信息融合定位系统卫星信号环境的自适应判别方法,能够有效对智能系统运行环境的导航卫星信号状态进行特征抽取,根据连续时间段内的卫星信号状态特征输出当前时刻卫星信号状态判别值,实现智能无人系统的信息融合定位系统对卫星信号环境的自适应判别。

    信息融合定位系统卫星信号环境的自适应判别方法

    公开(公告)号:CN113156473B

    公开(公告)日:2023-05-02

    申请号:CN202110238535.2

    申请日:2021-03-04

    IPC分类号: G01S19/42 G06N3/08

    摘要: 本发明属于导航定位或机器人技术领域,具体涉及一种信息融合定位系统卫星信号环境的自适应判别方法。该方法包括:选取训练样本以及标签;对采集到的样本数据进行初步权重计算和批标准化处理;批处理操作之后的数据正向传播及误差反向传播;对上述训练好的模型利用测试集进行评价;该方法采用基于RNN的多源信息融合定位系统卫星信号环境的自适应判别方法,能够有效对智能系统运行环境的导航卫星信号状态进行特征抽取,根据连续时间段内的卫星信号状态特征输出当前时刻卫星信号状态判别值,实现智能无人系统的信息融合定位系统对卫星信号环境的自适应判别。