文档详情

基于级联并行卷积神经网络的多手姿态关键点估计方法.pdf

发布：2023-06-05约9.97千字共11页下载文档

文本预览下载声明

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836597 A (43)申请公布日 2021.05.25 (21)申请号 202110056105.9 (22)申请日 2021.01.15 (71)申请人西北大学地址 71

显示全部

相似文档

基于改进的全卷积神经网络的物体六自由度姿态估计方法研究.pdf 摘要摘要强现实、机械臂抓取、自动驾驶等领域的重要输入，目前受到广泛关注。现有的 6Dof姿态估计技术高度依赖于额外的传感器，且难以在光照变化明显、严重遮挡等条件下稳定精确地恢复目标物体姿态。针对以上问题，本文设计了一种姿态估计系统，该系统以单幅彩色图像为输入，以目标物体的6Dof姿态为输出，旨在为各类下游技术提供高精度姿态信息。主要研究内容如下： (1)针对3D物体映射到2D图像过程中产生的信息降维导致难以估计出物体精确姿态的问题，本文设计
2024-10-25 约8.72万字 68页立即下载
基于注意力机制的卷积神经网络医学图像关键点检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 113393446 B (45)授权公告日 2022.04.15 (21)申请号 202110687012.6 G06T 5/00 (2006.01)
2023-06-18 约1.9万字 17页立即下载
基于深度卷积神经网络和人脸关键点检测的妆后换脸方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116052240 A (43)申请公布日 2023.05.02 (21)申请号 202211405068.9 G06V 10/44 (2022.01)
2023-05-12 约1.73万字 17页立即下载
基于图卷积神经网络的单目深度估计方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112967326 A (43)申请公布日 2021.06.15 (21)申请号 202110237547.3 G06N 3/04 (2006.01)
2023-06-06 约1.76万字 18页立即下载
基于图神经网络的图像关键点匹配方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882338 A (43)申请公布日 2022.08.09 (21)申请号 202210604896.9 (22)申请日 2022.05.30 (71)申请人西安电子科技大学地址 71007
2023-05-17 约1.42万字 10页立即下载
基于空间变换卷积神经网络的姿态估计：原理、应用与优化.docx 基于空间变换卷积神经网络的姿态估计：原理、应用与优化一、引言 1.1研究背景与意义在计算机视觉领域，姿态估计一直是一个核心且富有挑战性的研究课题。姿态估计旨在通过对图像或视频中的目标物体进行分析，从而确定其在空间中的位置和方向信息，在诸多领域有着广泛应用前景。随着深度学习技术的迅猛发展，卷积神经网络（ConvolutionalNeuralNetworks，CNN）凭借其强大的特征学习能力，在姿态估计任务中展现出了卓越的性能，逐渐成为该领域的主流方法。基于空间变换卷积神经网络的姿态估计方法，更是在传统卷积神经网络的基础上，引入了空间变换机制，进一步增强了模型对目标物体在不同姿态下的特
2025-05-08 约4.26万字 33页立即下载
卷积神经网络级联.pptx 卷积神经网络级联的人脸测试来源CVPR 2015 paperA Convolutional Neural Network Cascade for Face DetectionHaoxiang Li, Zhe Lin, Xiaohui Shen, Jonathan Brandt, Gang Hua组员：刘波、金壮、陈楠、松寨一、介绍CNN二、如何实现基于CNN来检测人脸三、最终结果展示一、介绍CNN1.1CNN的原理 1-1 1.2CNN的模型（1）卷积能够将一个很多权值参数的图像经过卷积核之后变为一个权值参数很少的图像。如图1-1所示，在5×5的图像和3×3的卷积核作卷积操作后，重新输
2017-11-25 约1.41千字 14页立即下载
基于级联卷积神经网络的番茄花期识别检测方法.pptx 基于级联卷积神经网络的番茄花期识别检测方法汇报人：2024-01-16 目录引言级联卷积神经网络基本原理番茄花期识别检测方法实验结果与分析结论与展望 01引言 VS随着农业信息化的发展，利用计算机视觉技术对农作物生长状态进行监测和识别已成为研究热点。番茄作为一种重要的蔬菜作物，其花期识别对于产量预测和精准农业管理具有重要意义。智能化农业级联卷积神经网络在图像识别领域取得了显著成果，将其应用于番茄花期识别有助于提高农业生产的智能化水平，实现精准施肥、灌溉和病虫害防治。农业信息化研究背景与意义国内外研究现状目前，国内外学者在农作物生长状态识别方面已开展了大量研究，包括基于传统图像处理方法和深度学
2024-06-02 约2.56千字 22页立即下载
基于级联残差卷积神经网络的次季节高温气象预报订正方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113344289 A (43)申请公布日 2021.09.03 (21)申请号 202110718349.9 (22)申请日 2021.06.28 (71)申请人福建师范大学地址
2023-06-20 约1.17万字 11页立即下载
基于级联卷积神经网络的河道漂浮物检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113344885 A (43)申请公布日 2021.09.03 (21)申请号 202110658902.4 G06T 5/00 (2006.01)
2023-06-20 约1.47万字 16页立即下载
基于卷积神经网络和改进级联标注的快速关系抽取方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 114548090 B (45)授权公告日 2022.07.26 (21)申请号 202210442561.1 G06N 3/04 (2006.01)
2023-05-09 约2.34万字 21页立即下载
基于卷积神经网络的信号DOA估计研究.pdf 中文摘要波达方向(DirectionofArrival,DOA)估计一直是阵列信号处理领域的经典问题，波达方向估计广泛地应用于无线通信、导航、国防航空、射电天文等领域。然而在实际工程应用中，传统DOA估计算法往往受到信号特性、阵列误差等因素影响。近年来由于深度学习技术的迅猛发展，由于深度学习技术具有速度快、精度高和鲁棒性强的特点，使用深度学习技术来进行DOA估计吸引了大量的学者进行研究。然而使用深度学习技术对考虑实际情况下存在的干扰因素的DOA估计研究不多。针对实际环境中存在的特殊信号和接收信号阵列存在干扰的问题，本文提出了一种基于卷积神经网络的DOA估计算法，以及针对存在阵列
2025-03-27 约9.08万字 57页立即下载
一种基于并行多图卷积神经网络的无监督专利聚类方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 114781553 B (45)授权公告日 2023.04.07 (21)申请号 202210695144.8 G06V 10/764 (2022.01)
2023-05-12 约1.67万字 16页立即下载
基于Im2col的并行深度卷积神经网络优化方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114819136 A (43)申请公布日 2022.07.29 (21)申请号 202210279825.6 (22)申请日 2022.03.21 (71)申请人韶关学院
2023-05-16 约2.22万字 16页立即下载
一种基于神经网络的三维手部姿态估计方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836594 A (43)申请公布日 2021.05.25 (21)申请号 202110052293.8 (22)申请日 2021.01.15 (71)申请人西北大学地址 71
2023-06-06 约9.03千字 8页立即下载