-
公开(公告)号：CN110390275A
公开(公告)日：2019-10-29
申请号：CN201910597980.0
申请日：2019-07-04
申请人： 淮阴工学院
摘要： 本发明公开了一种基于迁移学习的手势分类方法，适用于手势图像分类问题。本发明步骤一、将手势视频V转换为手势帧数据集合G0；步骤二、通过高斯滤波方法、OTSU算法和图像与运算对G0分别进行去除噪声、二值化和背景分割处理，得到手势帧数据集合G1，为G1设置标签后得到帧标签数据集合L；步骤三、使用MobileNet卷积神经网络架构和权重文件进行迁移学习，创建与训练模型M1；步骤四、通过模型M1提取帧数据集合G1的特征，得到帧特征向量集合F0；步骤五、将XGBoost作为分类模型对测试集进行分类，得到最终分类结果。本发明将已经训练好的MobileNet卷积神经网络权重迁移至手势图像数据集进行特征提取，采用XGBoost作为分类模型，提升分类精确度的同时减少模型计算量。
-
公开(公告)号：CN110390275B
公开(公告)日：2023-05-26
申请号：CN201910597980.0
申请日：2019-07-04
申请人： 淮阴工学院
IPC分类号： G06V40/20 , G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/096
摘要： 本发明公开了一种基于迁移学习的手势分类方法，适用于手势图像分类问题。本发明步骤一、将手势视频V转换为手势帧数据集合G0；步骤二、通过高斯滤波方法、OTSU算法和图像与运算对G0分别进行去除噪声、二值化和背景分割处理，得到手势帧数据集合G1，为G1设置标签后得到帧标签数据集合L；步骤三、使用MobileNet卷积神经网络架构和权重文件进行迁移学习，创建与训练模型M1；步骤四、通过模型M1提取帧数据集合G1的特征，得到帧特征向量集合F0；步骤五、将XGBoost作为分类模型对测试集进行分类，得到最终分类结果。本发明将已经训练好的MobileNet卷积神经网络权重迁移至手势图像数据集进行特征提取，采用XGBoost作为分类模型，提升分类精确度的同时减少模型计算量。
-
公开(公告)号：CN110427831A
公开(公告)日：2019-11-08
申请号：CN201910614687.0
申请日：2019-07-09
申请人： 淮阴工学院
摘要： 本发明公开了一种基于融合特征的人体动作分类方法，包括输入多个带标签的人体动作视频，将各动作视频转换成帧序列；使用预训练的沙漏人体姿势估计模型预测各帧的人体关节点3D坐标，得到关节点3D坐标数据集；将人体关节点坐标投影至三维平面；使用LSTM、GRU两种模型分别对投影后的数据进行特征提取，将提取的两组特征向量进行融合；基于融合后的特征训练人体动作视频分类模型，将视频数据输入训练好的人体动作视频分类模型，得到人体动作视频分类结果。本发明方法通过特征融合可挖掘人体动作的整体特征，增强模型对特征的辨别力，对于类间差别较小的动作分类更加准确。
-
公开(公告)号：CN110427831B
公开(公告)日：2022-02-11
申请号：CN201910614687.0
申请日：2019-07-09
申请人： 淮阴工学院
摘要： 本发明公开了一种基于融合特征的人体动作分类方法，包括输入多个带标签的人体动作视频，将各动作视频转换成帧序列；使用预训练的沙漏人体姿势估计模型预测各帧的人体关节点3D坐标，得到关节点3D坐标数据集；将人体关节点坐标投影至三维平面；使用LSTM、GRU两种模型分别对投影后的数据进行特征提取，将提取的两组特征向量进行融合；基于融合后的特征训练人体动作视频分类模型，将视频数据输入训练好的人体动作视频分类模型，得到人体动作视频分类结果。本发明方法通过特征融合可挖掘人体动作的整体特征，增强模型对特征的辨别力，对于类间差别较小的动作分类更加准确。
-
公开(公告)号：CN115601189A
公开(公告)日：2023-01-13
申请号：CN202211267830.1
申请日：2022-10-17
申请人： 淮阴工学院(CN)
摘要： 本发明公开了一种基于改进离散混合蛙跳算法的重要节点识别方法，适用于社交网络下影响力最大化研究领域。其具体步骤为：首先对离散混合蛙跳优化算法框架DSFLA中的各项数据利用度随机干扰算法进行初始化工作；然后对初始划分好的模因进行影响力的计算，并依照所得出的计算结果将各模因按影响力大小重新分配至各个模因组中；接着根据改进离散混合蛙跳算法的局部优化过程对每个模因组中的模因进行优化，改进离散混合蛙跳算法增加邻居节点排序机制。最后从优化后的青蛙群中选出最优的模因，其模因中包含的序列即选出的k个种子节点。与现有技术相比，本发明所提出的方法可以更好的识别出社交网络中的重要节点，是一种比较优秀的影响力最大化算法。
-
公开(公告)号：CN210382109U
公开(公告)日：2020-04-24
申请号：CN201920598983.1
申请日：2019-04-28
申请人： 淮阴工学院
IPC分类号： A01G18/70 , G08C17/02 , H04N7/18 , G05B19/042
摘要： 本实用新型公开了一种蘑菇采摘控制电路,包括数据处理电路,所述的数据处理电路中设置有微处理器；所述的微处理器连接有图像采集电路、射频通信电路和舵机控制电路；所述的图像采集电路的数据传输通过SCCB总线与微处理器的I/O端连接，图像采集电路通过IIC总线接收微处理器的控制指令，图像信息由SCCB总线传输至微处理器；所述的射频通信电路与设置在蘑菇园中的多个电子标签对接通信，并通过SPI总线与微处理器的SPI接口串行通信，将电子标签定位参数发送给微处理器，微处理器根据参数制定机器人行进路线；所述的舵机控制电路通过IIC总线与微处理器IIC接口连接，获取数据处理电路采摘蘑菇指令。本实用新型实现蘑菇智能采摘，提升自动化管理水平，节约人力和资金。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.019 秒)
