排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
为有效检查驾驶员在行驶过程中的不当行为,本文研究结合人体姿态估计信息的检测算法,通过对检测目标的约束,建立起一套具有多阶段的手部动作检测方法。该方法包含三个模块。第一,人体姿态估计模块,选取人体姿态估计网络关节的高斯热图层,通过输出的人体姿态高斯热图信息,达到对检测目标的空间信息的获取;第二,手部检测模块,基于CNN的检测网络,在网络输入层融合人体姿态高斯热图后,达到对手部的检测率提高的效果;第三,手部动作分类模块,通过接受手部检测模块的输出,消除对检测结果产生干扰的背景,将分类网络的特征提取约束在手部局部位置,提高手部动作分类的准确率,将手部区域输入至分类网络得到驾驶员手部动作,从而判断驾驶员是否存在抽烟、接听电话等不当行为,实现驾驶员的行为检测。为了验证本文提出的多阶段的手部动作检测方法,已在自制数据集上进行了相应实验。 相似文献
3.
4.
Experimental Realization of Degenerate Fermi Gases of ~(87)Sr Atoms with 10 or Two Spin Components 下载免费PDF全文
We report the experimental realization of quantum degenerate Fermi gases of~(87)Sr atoms under controlled 10-and dual-nuclear-spin configurations.Based on laser cooling and evaporative cooling,we achieve an ultracold Fermi gas of 105 atoms equally distributed over 10 spin states,with a temperature of T/T_F = 0.21.We further prepare a dual-spin gas by optically pumping atoms to the mF = 9/2 and mF = 7/2 states and observe a slightly lower T/T_F than that for a 10-spin gas under the same trapping condition,showing efficient evaporative cooling under a decreasing number N of spin states(N≥2)despite the increasing importance of Pauli exclusion.Given that rethermalization becomes less efficient with N approaching unity,we evaporatively cool an almost polarized gas to 130 nK.The simple and efficient preparation of ultracold Fermi gases of ~(87)Sr with tunable spin configurations provides a first step towards engineering topological quantum systems. 相似文献
5.
采用模糊自适应共振神经网络建立红外与可见光各自的背景模型;依据多值免疫网络模型,将红外背景模型视为B细胞,可见光背景模型视为T细胞,设计一系列免疫应答策略来协同建立B细胞与T细胞的交互模型,并以此分析各像素点的背景模糊隶属度来检测目标.实验结果表明,该算法的F1指标高达96.4%,能有效协同互补红外与可见光信息,检测出复杂场景下的目标. 相似文献
6.
7.
TR组件待测数据量和需计算数据量大、控制信号繁琐,构成测试系统的仪表较复杂,需要设计全自动TR组件测试系统以满足相控阵雷达研制需求。根据被测TR组件工作特点,本文详细介绍了测试系统组成和测试原理,测量精度的计算。 相似文献
8.
阿尔兹海默症(Alzheimer’s Disease, AD)是一种患病率很高的神经退行性疾病,严重影响老年人生活。磁共振成像(Magnetic Resonance Imaging, MRI)能够无创获取大脑的形态结构揭示脑部的病理改变,是目前AD诊断的主要手段。深度学习在图像处理上具有强大的特征提取和建模能力,使用深度学习方法处理MRI进行AD的自动诊断具有巨大的应用价值。对于三维的脑图像,病变的大小和位置具有随机性和关联性,局部细节特征和全局的长程依赖信息都很重要。针对此类问题,提出了一种基于注意力的结合3D CNN和Transformer的端到端网络用以分类AD病人和正常人。采用3D CNN提取深层语义特征图,经多尺度特征加权的注意力编码后由Transformer全局建模得到分类结果。在AD数据集和公开的3D医学分类数据集上验证,分类指标准确性、敏感性和特异性均有所提升。在AD分类任务上准确性达到95%,模型的注意力图突出了额叶、后扣带皮质等疾病相关区域。结果显示该方法具有较好的分类性能,可以作为一种自动、有效、便捷的AD及其他医学任务辅助诊断方法。 相似文献
9.
10.