最新設(shè)計(jì)資源

基于Kinect的動(dòng)態(tài)姿勢(shì)識(shí)別方法在醫(yī)療康復(fù)中的應(yīng)用[通信與網(wǎng)絡(luò)][醫(yī)療電子]

在三維虛擬實(shí)驗(yàn)領(lǐng)域，人體姿勢(shì)識(shí)別屬于其中的一項(xiàng)關(guān)鍵技術(shù)，將該技術(shù)應(yīng)用于現(xiàn)代醫(yī)療當(dāng)中，可對(duì)醫(yī)療康復(fù)提供一定的輔助和推進(jìn)作用。在此研究中，把Kinect人體骨骼跟蹤技術(shù)與醫(yī)療康復(fù)結(jié)合起來(lái)，在廣泛收集標(biāo)準(zhǔn)醫(yī)療康復(fù)動(dòng)作的基礎(chǔ)上，構(gòu)建了一套標(biāo)準(zhǔn)醫(yī)療康復(fù)動(dòng)作數(shù)據(jù)庫(kù)，作為與傳感器收集到的數(shù)據(jù)進(jìn)行比較的基礎(chǔ)。為了提升對(duì)關(guān)節(jié)點(diǎn)角度測(cè)量的穩(wěn)定性和姿勢(shì)識(shí)別的準(zhǔn)確度，提出了一種根據(jù)關(guān)節(jié)點(diǎn)之間的歐式距離和角度來(lái)進(jìn)行姿勢(shì)判定的方式。結(jié)果表明，通過(guò)這一技術(shù)的運(yùn)用，對(duì)姿勢(shì)的識(shí)別率較高，可針對(duì)訓(xùn)練者的康復(fù)訓(xùn)練及時(shí)給出反饋，使得針對(duì)訓(xùn)練者的動(dòng)作評(píng)價(jià)和指導(dǎo)更加便捷、高效，有利于醫(yī)療科技的發(fā)展，具有推廣價(jià)值。

發(fā)表于：12/24/2020

自動(dòng)化構(gòu)建移動(dòng)端神經(jīng)網(wǎng)絡(luò)的技術(shù)研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

深度學(xué)習(xí)已在視覺(jué)、語(yǔ)音、自然語(yǔ)言等應(yīng)用領(lǐng)域取得巨大成功，然而隨著網(wǎng)絡(luò)結(jié)構(gòu)日趨復(fù)雜，神經(jīng)網(wǎng)絡(luò)參數(shù)量也迅速增長(zhǎng)，設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)和調(diào)節(jié)參數(shù)這一過(guò)程需要大量的專業(yè)知識(shí)與反復(fù)試驗(yàn)，成本極高。此外，由于功耗限制與存儲(chǔ)空間等因素，移動(dòng)端設(shè)備上的神經(jīng)網(wǎng)絡(luò)模型規(guī)模受限。設(shè)計(jì)了一種高效的移動(dòng)端神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法，具體包括：(1)設(shè)計(jì)了一種在預(yù)先給定神經(jīng)網(wǎng)絡(luò)架構(gòu)的情況下可以自動(dòng)計(jì)算模型浮點(diǎn)數(shù)運(yùn)算次數(shù)的算法；(2)改進(jìn)現(xiàn)有的基于梯度的神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法，設(shè)計(jì)了一種帶約束的架構(gòu)搜索算法；(3)在神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索過(guò)程中加入對(duì)浮點(diǎn)數(shù)運(yùn)算次數(shù)的約束，通過(guò)調(diào)節(jié)約束的強(qiáng)弱搜索到幾種不同的神經(jīng)網(wǎng)絡(luò)架構(gòu)。訓(xùn)練搜索到的神經(jīng)網(wǎng)絡(luò)，測(cè)試其在圖像分類(lèi)任務(wù)上的性能，并與工業(yè)界常用的模型相比較。實(shí)驗(yàn)結(jié)果表明，該方法搜索到的模型能達(dá)到目前工業(yè)界主流模型性能。

發(fā)表于：12/23/2020