面向时空特征融合的GSTIN动作识别网络

视频动作识别是计算机视觉领域一个十分具有挑战性的课题,主要任务是利用深度学习等视频智能分析技术识别的深层信息推导出视频人体行为动作.通过结合双流卷积神经网络和三维卷积神经网络的结构特点,提出了一种面向时空特征融合的GSTIN(GoogLeNet based on spatio-temporal intergration network).GSTIN中设计了时空特征融合模块InBST(inception blend spatio-temporal feature),提升网络对空间特征与时间特征的利用能力;在时空特征融合模块InBST基础上,构建了适合动作识别的多流网络结构.GSTIN在动作识别数据集UCF101、HMDB51上识别精度分别达到了93.8％和70.6％,这表明GSTIN与其他动作识别网络相比具有较好的识别性能.     

基于构件影响因子的软件可靠性评估方法

为提高构件式软件系统可靠性评估的准确性,使软件系统的优化效率得到提高,提出一种基于构件影响因子的软件可靠性评估方法.基于构件式软件系统具有的复杂网络特性,使用引入构件转移概率的加权PageRank算法评估构件的影响因子,将构件的影响因子引入到离散时间马尔科夫链的可靠性评估模型中,评估软件系统的可靠性.实验结果表明,该方...