《基于深度卷积神经网络的人体动作识别》PDF+DOC
作者:吴军,肖克聪
单位:华中科技大学
出版:《华中科技大学学报(自然科学版)》2016年第S1期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFHZLG2016S10390
DOC编号:DOCHZLG2016S10399
下载格式:PDF + Word/doc 文字可复制、可编辑
《人体动作识别中的深度学习模型选择》PDF+DOC 谭火媛,罗晓牧
《面向人体行为识别的深度特征学习方法比较》PDF+DOC2018年第09期 匡晓华,何军,胡昭华,周媛
《基于深度卷积和门控循环神经网络的传感器运动识别》PDF+DOC2020年第01期 王震宇,张雷
《基于卷积神经网络的雷达和通信信号调制识别》PDF+DOC2020年第02期 黎仁刚,侯坤元,冷鹏飞,姚群
《基于卷积神经网络的增敏型光纤弯曲传感器》PDF+DOC2020年第07期 谭中伟,杨婧雅,刘艳,卢顺,张利伟,牛慧
《卷积神经网络在桥梁结构健康监测系统中的应用》PDF+DOC2020年第02期 王珏辉
《基于低分辨率红外阵列传感器的人体身份和动作识别》PDF+DOC2019年第11期 王召军,许志猛
《从“Amazon Go”看人工智能时代无人超市实现方案》PDF+DOC2017年第03期 顾鸿铭
《基于卷积神经网络的人体步态识别算法研究》PDF+DOC2020年第19期 陈法权,樊军
《指控系统中的数据融合与人工神经网络》PDF+DOC1997年第02期 刘大昕,刘群,印桂生,刘育刚
针对人体动作识别问题,提出一种基于智能手机加速传感器数据并运用深度卷积神经网络进行分类识别的方法,可以有效地分类人体的走、坐、躺、跑、站五类动作.该方法模型由输入层、两层卷积层、两层池化层、一层全连接层和输出层组成,使用滑动窗口折叠法将传感器数据变换为类似于三通道的RGB图像格式,自动提取加速传感器数据的特征,对各个动作进行分类,免去了传统方法繁琐的特征提取工程.该方法在Actitracker开源数据库上达到了0.912 6的识别率,验证了该方法的可行性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。