论文部分内容阅读
对视频中无监督的人体动作识别方法进行了综述.基于聚类和基于降维的传统无监督学习识别算法,对前期动作特征的设计和提取有较高的依赖及敏感性;基于卷积神经网络和基于递归神经网络的深度学习无监督识别方法能够自动提取动作特征,因而弥补了传统方法手工提取特征的不足,但也带来了新挑战.
基于无监督学习的视频中人体动作识别综述
【摘 要】
：
对视频中无监督的人体动作识别方法进行了综述.基于聚类和基于降维的传统无监督学习识别算法,对前期动作特征的设计和提取有较高的依赖及敏感性;基于卷积神经网络和基于递归神经网络的深度学习无监督识别方法能够自动提取动作特征,因而弥补了传统方法手工提取特征的不足,但也带来了新挑战.
【机 构】
：
唐山师范学院 信息技术中心,河北 唐山 063000
【出 处】
：
唐山师范学院学报
【发表日期】
：
2021年6期
其他文献
提出一种基于灰色系统理论改进传统理想点法的供应商评价方法,即运用层次分析法(AHP)和熵权法对各项评价指标进行主客组合赋权,同时利用灰色关联分析法对传统逼近理想法进行改进,从而构建出一套新的相对贴近度.依据相对贴近度的大小,对各备选供应商的综合评价值进行排序和择优.结果表明:该方法克服了传统单一赋权方法的缺陷,保证了指标权重的客观性,能准确、有效地避免因排序问题带来的评价误差,使其评价结果更为合理.实例分析表明,验证了灰色关联分析法改进TOPSIS法的有效性和实用性,并为以后的供应商评价提供了一种新的选择
随着互联网的迅速发展,视频数据作为人们获取信息的主要方式之一,在互联网中占据的比例逐渐增加,视频数据的形式多种多样,例如电影、电视剧、短视频等。视频信息中包含了丰富的的人物、事件、场景等相关信息,如何利用这些信息进行特定的内容挖掘从而为实际生产生活提供遍历成为人们研究的热点之一。近年来,深度学习在目标检测与追踪、人脸识别、动作识别等任务中展现了显著的优势与潜力,有望胜任更为复杂的任务;同时,Spa
报道了一种以十四醇和4-溴巴豆酸乙酯为起始原料合成双(十八碳-2,4-二烯酰基)磷脂酰胆碱的方法.首先,将十四醇氧化得到醛(3).同时,将4-溴巴豆酸乙酯与亚磷酸三乙酯反应得到化合物(4).然后将化合物(3)和化合物(4)通过维蒂希-霍纳尔反应得到酯(10),经水解得到酸(5).最后酸(5)经过CDI活化后与甘油磷脂酰胆碱(8)缩合得到Bis-DenPC(1).其结构经1HNMR和HR-MS(ESI)确证.