首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于扩展数据集的LSTM行为识别方法研究

摘要第4-5页
abstract第5-6页
第1章 绪论第12-19页
    1.1 研究背景及意义第12-13页
    1.2 国内外研究现状第13-17页
        1.2.1 行为数据采集的国内外研究现状第13-14页
        1.2.2 人体行为识别的国内外研究现状第14-15页
        1.2.3 基于深度学习的行为识别算法国内外研究现状第15-17页
    1.3 本文主要研究内容与章节安排第17-19页
        1.3.1 主要研究内容第17-18页
        1.3.2 章节安排第18-19页
第2章 基于深度学习人体行为识别相关理论第19-28页
    2.1 人体行为数据表示方法第19-21页
        2.1.1 基于骨骼点的人体行为表示第19-21页
        2.1.2 人体关键部位速度的采集方法第21页
    2.2 生成式对抗网络第21-24页
        2.2.1 生成式对抗网络思想第21-22页
        2.2.2 生成式对抗网络原理第22-23页
        2.2.3 生成式对抗网络结构第23-24页
    2.3 循环神经网络第24-25页
        2.3.1 循环神经网络思想第24页
        2.3.2 循环神经网络结构第24-25页
    2.4 长短期记忆网络第25-27页
    2.5 本章小节第27-28页
第3章 扩展人体行为数据集的方法第28-38页
    3.1 人体行为数据的预处理第28-29页
    3.2 RNN处理人体行为数据集方法第29-33页
        3.2.1 生成器RNN结构第30-32页
        3.2.2 鉴定器CNN网络设计第32-33页
    3.3 RGAN扩展数据集方法第33-37页
        3.3.1 骨骼数据初始化第34页
        3.3.2 RGAN网络结构第34-35页
        3.3.3 RGAN网络的训练第35-37页
    3.4 本章小结第37-38页
第4章 基于滤波的时空LSTM行为识别方法第38-54页
    4.1 基于时空相关性的LSTM行为识别方法第38-46页
        4.1.1 时间相关性的LSTM行为识别算法第38-40页
        4.1.2 空间相关性的LSTM行为识别算法第40-41页
        4.1.3 基于时空相关性的LSTM行为识别算法第41-43页
        4.1.4 骨骼数据的链式表示算法第43-46页
    4.2 数据集噪声滤波方法第46-49页
        4.2.1 数据集噪声滤波的必要性第47页
        4.2.2 数据集噪声的滤波算法第47-49页
    4.3 基于噪声抑制的时空LSTM行为识别方法第49-53页
        4.3.1 STLSTM算法具体步骤第49-50页
        4.3.2 STLSTM-NF的网络结构第50-51页
        4.3.3 STLSTM-NF算法实现第51-53页
    4.4 本章小结第53-54页
第5章 实验结果及分析第54-74页
    5.1 设备及软硬件环境第54-57页
        5.1.1 硬件实验环境第54-55页
        5.1.2 软件实验环境第55-57页
    5.2 实验数据集第57-59页
        5.2.1 UT-Kinect数据集第57-58页
        5.2.2 MSRAction3D数据集第58-59页
    5.3 实验评价标准第59-60页
        5.3.1 RGAN算法评价标准第59-60页
        5.3.2 STLSTM-NF算法评测标准第60页
    5.4 实验结果及分析第60-73页
        5.4.1 RGAN系统关键参数变化第60-62页
        5.4.2 RGAN算法实验结果及分析第62-66页
        5.4.3 STLSTM-NF算法实验结果及分析第66-71页
        5.4.4 STLSTM-NF算法的滤波模块参数实验第71-72页
        5.4.5 RGAN+STLSTM-NF算法实验结果及分析第72-73页
    5.5 本章小结第73-74页
第6章 总结与展望第74-76页
    6.1 总结第74页
    6.2 进一步工作方向第74-76页
致谢第76-77页
参考文献第77-80页

论文共80页,点击 下载论文
上一篇:基于上下文的卷积神经网络多物体检测算法研究
下一篇:基于卷积神经网络的ECT图像重建算法研究