浪浪的博客

摘要 本文提出一种在图片中高效识别多人2D动作。该方法使用无参函数并通过学习图片中每个人身体相关部分，我们称之为PAFs。该方法编译全局环境，允许一个greed booton-up parsing，在实现实行性能的同时保持高精度，而不论图像中有多少人。该架构旨在通过相同序列预测过程的两个分支联合学习部分位置及其关联。我们的方法在COCO2016骨骼点挑战赛上首次提出，并且以显著的优势超...

解读：基于动态骨骼的动作识别方法ST-GCN（时空图卷积网络模型）本文为 AAAI 2018 录用论文「Spatial Temporal Graph Convolutional Networks for Skeleton Based Action Recognition」，香港中文大学提出一种时空图卷积网络，并利用它们进行人类行为识别。这种算法基于人类关节位置的时间序列表示而对动态骨骼建模，并...

基于身体局部语义特征的单张图片动作识别前言概要介绍已有工作局部动作语义局部动作作为中级语义信息局部动作的定义动作识别身体局部位置的定位局部与身体动作识别实验前言小组最近在做基于骨骼点的动作识别课题，在找到了一篇ICCV 2017的“Single Image Action Recognition using Semantic Body Part Actions”(https://github.c...

一、资料目标检测|SSD原理与实现SSD基础原理（有网络图）CNN目标检测（三）：SSD详解二、代码keras版本三、示意图

1.求取预测的矩阵import numpy as npfrom sklearn.metric import confusion_matrixfrom keras import modelfrom keras.models import predictc=np.zeros(shape=(9,9)) #建立一个空矩阵，一共分为9类for i in range (10): #取模型...