- 博客(5)
- 收藏
- 关注
RSS订阅原创 《基于单加速计的深度学习人类步态模式识别》阅读笔记
作者使用单个加速计采集数据，开发了一个用于数据采集的Android应用程序，设置了跌倒(F)、跑(R)、跳(J)、走(W)、快走(WQ)、走步(Sw)、上楼(U)、下楼(D)等8种典型活动。所采集的数据为三维加速度数据，其特点为宽度固定为三，与图像不同，若使用传统cnn难以处理该数据。前者并不合适，一方面，它可能会失去相邻加速度值之间的相关性，这与CNN的设计思想背道而驰。另一方面，不便于推广，在面对不同长度的加速度数据时，很难确定调整后的长度和宽度。作者将卷积核的宽度设置为2，效果最佳。
2024-06-27 21:59:05
176
原创 《基于视频残差神经网络的深度步态识别》阅读笔记
Con3DNoTemporal 使用特殊的参数配置, 使得卷积操作后不改变特征图中序列数, 此解决了步态识别中使用 3D 卷积操作必须固定帧长的这一问题. Conv3D 不带有 padding,而 Con3DNoTemporal 中的 padding 均为 (0, 1, 1)特征提取模块由一层stem（二值轮廓图数据转为浮点型特征图）与四层残差层组成。作者所提VRGait网络属于基于轮廓的步态识别方法，基于3d resnet，结合了。和水平金字塔映射，推理模块使用bnneck。
2024-06-24 22:18:56
329
原创 《可穿戴传感步态模式深度学习融合判别模型》阅读笔记
神经网络结构为CNN（VGG网络）+LSTM，卷积层使用了相同大小的卷积层，通过堆叠3*3卷积核替代大尺度卷积核，减少模型参数。每个卷积层都使用了32个3*3的卷积核，后续使用了32个cell的LSTM网络，LSTM是一种特殊的RNN。该文章使用数据集为加州大学欧文分校 UCI 数据库中的 HAR 数据。
2024-06-24 22:18:06
172
原创 深度学习笔记（image file is truncated(x bytes not processed)）
preprocessing.image.load_img()读取图片。也可以把数据集中的图片一张张打开，找到异常图片路径，可以使用。该异常大致意思为该图片为损坏的，无法读取。cv2.imread()或者。
2024-01-15 10:45:42
989
原创 深度学习笔记（解决跑模型中缓存问题）
在跑模型过程中，pycharm突然报了个警报显示c盘容量不足，一看只有几百兆。研究后发现是缓存未清理的问题。解决方案：在每轮epoch结束后，使用。来清理缓存，以及用del删除变量。
2024-01-14 21:22:05
1772
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人