本文为辅助残疾人与正常人群之间简便手语交流,基于深度学习技术,提出中国标准手语视频的分类方法。研究通过RGB手语语句视频构建训练数据集,对Mobile Net V2-GRU(Gate recurrent unit)融合网络模型进行训练,获得手语视频识别分类模型...本文为辅助残疾人与正常人群之间简便手语交流,基于深度学习技术,提出中国标准手语视频的分类方法。研究通过RGB手语语句视频构建训练数据集,对Mobile Net V2-GRU(Gate recurrent unit)融合网络模型进行训练,获得手语视频识别分类模型。根据验证集数据对模型进行验证,结果表明对特定10个种类的手语语句视频,模型平均精度为0.856,平均loss为0.578,具有一定条件下较好的识别准确率。展开更多
文摘针对传统的滚动轴承故障诊断方法难以准确高效的实现故障分类,提出了一种融合对称点模式(Symmetrized Dot Pattern,SDP)和改进SAM⁃MobileNetv2的滚动轴承故障分类方法。首先,将轴承振动信号通过SDP算法转化为含有丰富特征信息的二维图像。然后,将二维图像输入到改进SAM⁃MobileNetv2网络模型中,对故障特征信息进行提取和分类。在改进SAM⁃MobileNetv2网络中,使用自适应激活函数ACON(Activate or not)对SAM⁃MobileNetv2中的ReLU6激活函数进行替换,提高模型分类性能。最后,将本模型与多种网络模型做对比。试验结果表明,本模型可以准确高效地实现对滚动轴承故障的分类,使用凯斯西储大学轴承故障数据的准确率为99.5%,使用渥太华大学轴承故障数据的准确率为97.2%。
文摘本文为辅助残疾人与正常人群之间简便手语交流,基于深度学习技术,提出中国标准手语视频的分类方法。研究通过RGB手语语句视频构建训练数据集,对Mobile Net V2-GRU(Gate recurrent unit)融合网络模型进行训练,获得手语视频识别分类模型。根据验证集数据对模型进行验证,结果表明对特定10个种类的手语语句视频,模型平均精度为0.856,平均loss为0.578,具有一定条件下较好的识别准确率。
