基于增强动态稠密轨迹特征的布料材质识别

为了克服基于视频的布料材质识别中由于忽略了动态因素的影响导致材质识别准确率低的难点,利用布料仿真视频库,提出一种基于增强动态稠密轨迹特征的布料材质识别方法以有效识别布料的材质属性信息.首先利用材质合成方法构造64种不同材质的布料仿真视频数据库;然后利用构造的布料动态视频库,通过迁移预训练的VGG网络增强布料动态视频的各帧特征信息,并消除部分非动态特征;其次利用动态稠密轨迹特征描述布料视频的动态特征,以充分捕捉不同布料材质视频的动态信息;最后通过Fisher向量编码生成布料动态信息的特征数据库,并训练SVM分类器建立布料材质视频动态信息到材质属性参数的映射.利用构建的布料仿真视频库作为数据集进行实验的结果表明,该方法对64种不同布料材质视频的材质种类识别准确率达到73.83%.     

让时尚成为焦点 华为nova7 Pro

时尚与潮流,永远是年轻人追逐的焦点,衣着打扮如是,随身的智能手机亦是如此。面对年轻用户的需求,华为nova系列一直在自拍和外观设计上不断寻求突破,紧随时尚的步伐。在全民短视频时代里,新发布的华为nova7 Pro带着新配色和新功能如期而至,为年轻人群带来更多有趣的娱乐体验。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性，提出了一种联合自适应阈值活动语音检测（VAD）算法和最小均方误差对数谱幅度估计（MMSE-LSA）的实时降噪算法。首先，在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计，对得到的背景噪声进行实时更新并保存；然后，将实时更新的背景噪声作为MMSE-LSA的参考噪声，并对噪声幅度谱进行自适应更新，最后进行降噪处理。通过在真实场景中对四类声信号进行实验，结果表明，该算法在保证对低SNR声信号的实时处理的情况下，相较于传统MMSE-LSA算法，降噪信号的SNR能够提高10~15 dB，且不存在信号过减的情况，可应用于实际工程。     

钉钉给小学生“写歌求饶” 这是在“惯着”年轻人吗?

2月16日晚上8点,钉钉在哔哩哔哩网站的官方账号发布了一个名为《钉钉本钉,在线求饶》的视频作品,向对钉钉恶意刷“一星”的用户求好评。歌词写道:“少侠们饶命吧!”“此生无悔入钉钉,五星求一次付清”“我知道老师还得洗头,给你们添麻烦了!我知道各位少侠假期不想那么充实,难为你们了!可是我也不想牵连老师和你们。”     

融媒体环境下新闻类短视频发展路径探究

随着5G时代的飞速来临,移动终端也愈发成为受众收发信息与社交娱乐的重要途径。由于移动终端的传播特性与时代的碎片化阅读习惯,各类短视频平台应运而生。而新闻作为受众获取信息当中不可或缺的一部分,也在这样一个短视频时代积极寻求自身的发展与变革路径。