【摘 要】
：
平面图像由于缺少深度信息从而难以从中获取人体的三维尺寸信息,传统线性回归方法拟合的尺寸信息为该人体所属阈值区间的均值,由于忽视了人体自身的异构性,导致拟合的尺寸误差较大。采用模型重建的方法,可以提高尺寸获取的精度。但是,利用深度神经网络的方法由于计算量与参数规模较大,难以部署到移动终端中。因此,提出了基于改进GA-BP-MC神经网络的人体三维尺寸预测模型UGA-BP-MC,通过改进自适应交叉、变异
【机 构】
：
湖北省服装信息化工程技术研究中心,武汉纺织大学计算机与人工智能学院
【基金项目】
：
国家自然科学基金(61103085),湖北省高等学校优秀中青年科技创新团队计划(T201807)。
论文部分内容阅读
平面图像由于缺少深度信息从而难以从中获取人体的三维尺寸信息,传统线性回归方法拟合的尺寸信息为该人体所属阈值区间的均值,由于忽视了人体自身的异构性,导致拟合的尺寸误差较大。采用模型重建的方法,可以提高尺寸获取的精度。但是,利用深度神经网络的方法由于计算量与参数规模较大,难以部署到移动终端中。因此,提出了基于改进GA-BP-MC神经网络的人体三维尺寸预测模型UGA-BP-MC,通过改进自适应交叉、变异概率优化的遗传算法(UGA)对BP网络的结构、权值和阈值进行优化,然后采用马尔科夫残差模型对UGA-BP
其他文献
目的应用机器学习中的随机森林算法探讨中国女性尿失禁（UI）发病的危险因素，并评价各危险因素对于UI发病的预测效果。方法采用多阶段分层整群抽样，在全国调查55 477例成年女性UI情况；基线调查于2014年2月至2016年1月完成，2018年6月至12月电话随访；最终纳入基线无UI且随访UI诊断指标数据完整的对象。采用欠采样技术，按照1∶1的比例从随访时未发生UI的人群中随机抽取与随访对新发UI相等
目的:探讨超声筛查一体化监测6月龄以下婴儿发育性髋关节发育不良(DDH)的应用价值.方法:选取2018年11月～2021年5月在医院儿童早期综合发展中心检查的6月龄以下经社区初筛转诊
当前,分布式无线传感器网络(DWSN)已得到广泛应用并服务于许多领域,而其网络架构和节点仍存在一些技术及性能优化难点,影响应用效果。软件定义网络(SDN)是具有控制转发分离思想可编程化功能的新型网络架构,其能对节点设备和层间协议进行软件定义虚拟化。为了提升DWSN的关键技术及性能优化的安全性和可操作性,降低网络复杂性,在DWSN中引入SDN框架形成新的基于SDN的分布式无线传感器网络(SDDWSN)框架。首先,从引入SDN必要性入手探讨了SDDWSN框架要点;其次,重点从网络通信、资源处理和控制管理等方面
目的:探讨个性化综合护理对急性心肌梗死患者支架植入术后并发症的影响观察.方法:选取我院2020年1月到2020年11月中的108例急性心肌梗死患者作为护理研究对象,分成研究组和对
目的:研究营养饮食教育在冠心病患者中的护理效果.方法:选取2020年1月-2020年6月期间收治的68例冠心病患者,随机分为对照组(n=34)和实验组(n=34),进行为期12周的护理干预研究
增强现实技术的目的在于将计算机生成的虚拟物体叠加到真实场景中。实现良好的虚实融合需要对场景光照进行估算,针对高光场景,利用场景中的不同反射光信息对场景进行有效的光照估计,首先通过基于像素聚类方法的图像分解对图像进行反射光的分解,得到漫反射图和镜面反射图,对漫反射图进行进一步的本征图像分解,得到反照率图和阴影图;之后结合分解结果和场景深度对输入图像的光照信息进行计算;最后使用全局光照模型对虚拟物体进行渲染,可以得到虚实场景高度融合的光照效果。
目标检测是计算机视觉研究领域的核心问题和最具挑战性的问题之一,随着深度学习技术的广泛应用,目标检测的效率和精度逐渐提升,在某些方面已达到甚至超过人眼的分辨水平。但是,由于小目标在图像中覆盖面积小、分辨率低和特征不明显等原因,现有的目标检测方法对小目标的检测效果都不理想,因此也诞生了很多专门针对提升小目标检测效果的方法。在广泛文献调研的基础上,透彻分析小目标检测困难的原因,从多尺度、特征上下文信息、
目的:分析砷铈催化分光光度法检测尿中碘实验过程中的影响因素.方法:运用砷铈催化分光光度法测定尿中碘,分析尿样保存、反应时间的偏离、反应温度的波动及样品浓度等因素对测
目的:探讨阴道分娩产妇分娩恐惧与产程及泌乳启动这三者之间是否具有相关性.方法:2019年12月至2020年2月台州某三甲医院纳入符合标准的孕妇150例,统一使用中文版分娩恐惧量表
针对实际环境噪声下的手机来源识别问题,提出一种基于线性判别分析和时序卷积网络的手机来源识别方法。首先,通过分析不同手机语音特征在实际环境噪声下的分类性能,基于带能量描述符、常数Q变换域和线性判别分析得到一种新的手机语音混合特征。然后,以此混合特征为输入,基于时序卷积网络进行训练和分类。最后,在10个品牌、47种手机型号、32900条语音样本的实际环境噪声语音库上的测试结果显示,所提方法的平均识别准确率达到99.82%。此外,与经典的基于带能量描述符和支持向量机的方法,以及基于常数Q变换域和卷积神经网络的方