注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Spatial Temporal Graph Convolutional Networks

  2. 时空图卷积网络用于基于骨架的动作识别，Spatial Temporal Graph Convolutional Networks for Skeleton Based Action Recognition，2018年AAAI论文

  3. 所属分类：深度学习

    • 发布日期：2018-02-10
    • 文件大小：1mb
    • 提供者：tox33

  1. st-gcn时空图卷积神经网络

  2. Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. 图卷积神经网络，2018年AAAI论文代码。

  3. 所属分类：深度学习

    • 发布日期：2018-12-11
    • 文件大小：19mb
    • 提供者：weixin_38635229

  1. 基于四元数时空卷积神经网络的人体行为识别.pdf

  2. 基于四元数时空卷积神经网络的人体行为识别.pdf,传统卷积神经网络（CNN）只适用于灰度图像或彩色图像分通道的特征提取，忽视了通道间的空间依赖性，破坏了真实环境的颜色特征，从而影响人体行为识别的准确率。为了解决上述问题，提出一种基于四元数时空卷积神经网络(QST CNN)的人体行为识别方法。首先，采用码本算法预处理样本集所有图像，提取图像中人体运动的关键区域;然后将彩色图像的四元数矩阵形式作为网络的输入，并将CNN的空间卷积层扩展为四元数空间卷积层，将彩色图像的红、绿、蓝通道看作一个整体进行动

  3. 所属分类：其它

  1. 关于时空卷积的TCN.pptx

  2. 关于时空卷积的TCN.pptx. An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling

  3. 所属分类：深度学习

    • 发布日期：2019-07-04
    • 文件大小：2mb
    • 提供者：xingbaide

  1. 基于深度时空卷积神经网络的人群异常行为检测和定位

  2. 针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题，提出一种基于深度时空卷积神经网络 的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点，综合利用静态图像的空间特征和前后帧 的时间特征，将二维卷积扩展到三维空间，设计面向人群异常行为检测和定位的深度时空卷积神经网络；为了定位 人群异常行为，将视频分成若干子区域，获取视频的子区域时空数据样本，然后将数据样本输入设计的深度时空卷 积神经网络进行训练和分类，实现人群异常行为的检测与定位。同时，为了解决深度时空卷积神经网络训练时样本

  3. 所属分类：算法与数据结构

    • 发布日期：2019-04-06
    • 文件大小：745kb
    • 提供者：weixin_44684342

  1. 基于时空图的发散卷积循环神经网络的交通流预测方法__公式.pdf

  2. 发明专利说明书。本发明公开了提供基于时空图的发散卷积 循环神经网络的交通流预测方法，基于交通网络 的空间特征构建了路网的有向加权图，接着以该 有向加权图为预测的基本单位

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：736kb
    • 提供者：phytle0

  1. 使用时空变压器模块的递归3D卷积神经网络的以自我为中心的手势识别

  2. 使用时空变压器模块的递归3D卷积神经网络的以自我为中心的手势识别

  3. 所属分类：其它

  1. 时空卷积特征与嵌套LSTM用于面部表情识别

  2. 时空卷积特征与嵌套LSTM用于面部表情识别

  3. 所属分类：其它

  1. STPWNet:我们提出了一种新颖的自我监督时空部分全卷积神经网络（STPWNet），该网络同时捕获交通流量序列的时间和空间相关性，以在下一时刻准确预测交通数据-源码

  2. STPWNet Traffc是一个相对广泛的概念，包括交通，旅行，贸易和互联网网络。 它是一种分析，建模并给出具有时间和空间关系的给定序列的预测结果的方法。 交通流量预测一直是研究人员关注的热点。 这是一个具有高度非线性的非平稳时间序列，要准确地对其进行预测非常具有挑战性。 我们提出了一种新颖的自我监督时空部分全卷积神经网络（STPWNet），该网络同时捕获交通流量序列的时间和空间相关性，以在下一刻准确预测交通流量数据。 为了提高深度网络的推理准确性和速度，我们设计了一种轻量级的卷积网络模块，

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：226kb
    • 提供者：weixin_42123191

  1. 全卷积网络用于动作识别

  2. 人体动作识别是计算机视觉中一个重要且具有挑战性的主题。 最近，卷积神经网络（CNN）为许多图像识别任务建立了令人印象深刻的结果。 CNN通常包含数百万个参数，这些参数在小数据集上训练时容易过拟合。 因此，CNN不会比传统的动作识别方法产生更好的性能。 在这项研究中，作者设计了一种新颖的两流全卷积网络体系结构来进行动作识别，该体系结构可以在保持性能的同时显着减少参数。 为了利用时空特征的优势，使用线性加权融合方法融合两流网络的特征图，并采用视频池化方法构建视频级特征。 同时，作者还证明了改进的密集

  3. 所属分类：其它

  1. 基于异构数据的甲烷种群时空社会联系的建模和挖掘

  2. 在流行期间，空间，时间和确定疾病传播的人口统计学模式受多种因素影响。 除了病理性的生理特性基因和宿主，宿主人群的社会交往， 考虑到个人的相互感染特征人口结构和各种社会活动对理解和进一步预测患病率也至关重要传染性疾病。 衡量社会交往的方法将在多大程度上控制了我们可以预测动态的程度在现实世界中的感染。 最新作品集中于他们的努力对静态社交联系的空间模式进行建模。 在这项工作中，我们解决了如何表征的问题并在传染病流行期间衡量动态的社会交往一个新颖的观点。 我们提出了一种基于流行病模型的张量去卷积框架来解

  3. 所属分类：其它

  1. 使用3DCNN和卷积LSTM进行手势识别学习时空特征

  2. 使用3DCNN和卷积LSTM进行手势识别学习时空特征

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：690kb
    • 提供者：weixin_38608866

  1. 基于卷积神经网络的足跟着地事件检测算法

  2. 为解决基于可穿戴传感器的步态事件检测技术对个体配合程度依赖性大、能耗高、应用条件苛刻等问题,提出一种基于机器视觉的足跟着地事件检测算法,可以在不需要参与者合作的情况下,利用普通摄像机实现对足跟着地事件的精确检测。提出一种新颖的特征,即连续轮廓帧差图(CSD-maps)来表达步态模式。一个连续轮廓帧差图可以将视频帧中行人连续的轮廓二值图编码到一张特征图中,使其蕴含丰富的步态时空信息。不同数量的行人连续轮廓帧差会产生不同的连续轮廓帧差图。利用卷积神经网络对连续轮廓帧差图进行特征提取和足跟着地事件分类

  3. 所属分类：其它

  1. stconvs2s：“ STConvS2S：时空卷积序列到天气预报的序列网络”的代码（Neurocomputing，Elsevier）-源码

  2. STConvS2S：时空卷积序列到序列网络以进行天气预报 更新：随着我们架构的变化而发布的新代码。 请参阅以了解详细信息（2020年11月） 该存储库具有称为STConvS2S的新体系结构的开源实现。 综上所述，我们的方法（STConvS2S）仅使用3D卷积神经网络（CNN）来处理使用时空数据的序列到序列任务。 我们将结果与最新架构进行比较。 （ 版本）上的详细信息。 要求 主要，我们的代码使用Python 3.6和PyTorch 1.0。 有关其他要求，请参见 。 要以与执行实验相同的版

  3. 所属分类：其它

  1. 结合时序动态图和双流卷积网络的人体行为识别

  2. 为了更好地对人体动作的长时时域信息进行建模,提出了一种结合时序动态图和双流卷积网络的人体行为识别算法。首先,利用双向顺序池化算法来构建时序动态图,实现视频从三维空间到二维空间的映射,用来提取动作的表观和长时时序信息;然后提出了基于inceptionV3的双流卷积网络,包含表观及长时运动流和短时运动流,分别以时序动态图和堆叠的光流帧序列作为输入,且结合数据增强、模态预训练、稀疏采样等方式;最后将各支流输出的类别判定分数通过平均池化的方式进行分数融合。在UCF101和HMDB51数据集的实验结果表明

  3. 所属分类：其它

  1. 基于深度时空卷积网络的民航需求预测

  2. 基于深度时空卷积网络的民航需求预测

  3. 所属分类：其它

  1. 面向交通流量预测的多组件时空图卷积网络

  2. 面向交通流量预测的多组件时空图卷积网络

  3. 所属分类：其它

  1. 基于多特征时空图卷积网络的水运通航密度预测

  2. 面对港航信息化发展的需求，物联网技术助力我国水运交通感知网络的建设。水运交通大数据分析已成为交通领域研究者和实践者关注的热点。在水运交通中，各港口的通航密度具有非线性、时空相关性和异质性，对其进行精准预测将面临巨大的挑战。提出一种基于多特征时空图卷积网络（MFSTGCN,multi-feature spatio-temporal graph convolution network）的预测方法，解决了水运交通中通航密度的预测问题。MFSTGCN方法从通航量、船舶平均航速和船舶密度3个特征出发，利用

  3. 所属分类：其它

  1. 基于深度时空特征卷积—池化的视频人群计数方法

  2. 由于摄像机角度、背景、人群密度分布和遮挡的限制，传统的基于底层视觉特征的视频人群计数方法往往难以实现理想的效果。利用视频的时空特征和卷积—池化方法形成高层的视觉特征，采用局部特征聚合描述符进行量化和码本计算，实现了对视频人群信息的精准描述；该方法充分利用了视频的运动和外观信息，基于卷积神经网络和池化方法提升了对视频本征属性和特征的描述能力。实验结果表明，所提方法比传统的视频人群计数方法具有更高的精度和更好的顽健性。

  3. 所属分类：其它

  1. 基于时空切片图像和深度卷积神经网络的无参考视频质量评估

  2. 基于时空切片图像和深度卷积神经网络的无参考视频质量评估

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：619kb
    • 提供者：weixin_38576392
« 12 3 »