复杂背景下基于深度学习的视频动作识别

快速有效地识别视频中的人体动作,具有广泛的应用前景及潜在的经济价值。但目前的视频动作识别方法易受到运动人体晃动、背景变化、摄相机抖动、运动人体阴影等背景因素影响。为解决上述问题,本文提出一种非局域时间段网络方法。该方法在双流网络的基础上,通过加入非局域计算使网络能关注到更大时空范围的信息,并进一步融入光流信息使网络更精确地将注意力放在动作区域,从而增强对视频复杂静态背景的鲁棒性。此外,为了融合双流分段网络的多路判别结果,本文使用可学习的加权平均取代简单平均来融合多模态信息。经过在TDAP数据集上的实验验证,本文的模型可在复杂背景下较为精确地识别出人体动作,与原有模型相比在几乎不增加时间复杂度的前提下提升了识别性能。     

深度学习在视频动作识别中的应用

快速有效地识别出视频中的人体动作,具有极其广泛的应用前景及潜在的经济价值,深度学习的火热给视频动作自动识别带来了巨大的发展。提出了一种基于深度学习和非局域平均法的自注意时间段网络,作用于剪切好的视频片段。通过构造非局域模块并将其加入到以ResNet为基本模型的时间段网络,可以得到新模型。经过在TDAP数据集上验证,该模型可较为精确地识别出人体动作,与原有模型相比在不增加时间复杂度的前提下有一定程度的提升。     

低温预处理对萝卜种子发芽的影响试验

为探究种子发芽检验方法中预先冷冻处理对萝卜种子发芽的影响,试验以4℃、6℃、8℃、10℃进行雪月萝卜种子低温处理,以不冷藏为对照,筛选最适合萝卜种子发芽的最适冷藏温度。用7d、8d、9d、10d、11d的时间对萝卜种子进行冷藏时间比较。另进行了纸上、纸间、砂上三种发芽方式比较,同时进行大田直播种植。试验结果表明：不同低温预先冷冻处理中以6℃发芽率和发芽势最高,8℃、10℃、4℃依次降低,4℃、6℃、8℃、10℃冷冻后的发芽率极显著优于对照组发芽率,6℃、8℃、10℃冷冻后的发芽势极显著优于对照组发芽势。冷藏时间以10d较好。不同发芽床比较结果以纸上发芽率、发芽势最高,砂上次之,二者均优于纸间发芽率。以8℃预先冷冻处理的种子发芽率与大田直播的最为一致,6℃、10℃处理的种子发芽率与大田直播的较为一致。     

无线Mesh网络中多射频多信道MAC机制设计

针对无线Mesh网络中多信道分配问题,提出了一种适用于多射频网络的MAC机制MRMC-MAC.整个机制包含节点默认接收信道分配、可切换主信道集分配、节点通信以及可切换主信道集更新4部分.采用一种基于接收负载的分配算法,将接收负载作为信道分配的优先级参数,保证了接收负载重的节点优先分配到负载较小的信道,而接收负载较轻的节点间可以共享同一个默认接收信道,从而平衡了各个信道间的负载.分析了多射频网络中的多信道的隐终端问题并提出了解决方案.仿真结果表明,使用MRMC-MAC协议能够明显地改进MAC层吞吐量、碰撞次数等性能参数.