56、隐形人类体验系统与老年社交VR健身游戏探索

隐形人类体验系统与老年社交VR健身游戏探索

隐形人类体验系统相关研究

在图像数据处理方面，为了提升模型的泛化性能，对训练数据集进行了图像增强操作。具体步骤如下：
1. 背景图像增强 ：以70%的概率将背景图像在1.1到1.5倍的范围内进行扩展，然后在随机位置裁剪为宽160像素、高120像素的图像。同时，以80%的概率将亮度在0.5到1.5倍的范围内进行改变。
2. 手部图像增强 ：以50%的概率对手部图像进行水平翻转，以70%的概率在1.1到1.5倍的范围内进行扩展，裁剪到与背景图像相同的大小，并修改为与背景图像相同的亮度。

评估数据集也以相同的方式创建，共准备了324对图像。

在网络性能比较环节，通过使用上述数据集进行训练来评估不同网络。训练迭代次数为50个周期，批量大小设置为128。处理环境如下：
| 硬件/软件 | 具体信息 |
| — | — |
| 操作系统 | Windows 10 Pro 64bit |
| CPU | Intel Core i7 - 10700 |
| RAM | 32 GB |
| GPU | NVIDIA GeForce RTX 3060 12 GB |
| CUDA版本 | 11.0 |
| 神经网络控制台版本 | 2.1 |
| 神经网络库版本 | 1.22.0 |
| Python版本 | 3.6.12 |
| OpenCV版本 | 3.4.2 |

比较的结果是训练结束时的训练误差和验证误差，它们代表输出图像与真实图