【摘要】：隨著科技的發(fā)展,人類已經(jīng)邁入了人工智能時代,越來越多的產(chǎn)品走向“智能化”。人工智能算法離不開大規(guī)模數(shù)據(jù)集的構(gòu)建,因此各種各樣的開源數(shù)據(jù)集應(yīng)運(yùn)而生。特定數(shù)據(jù)集的需求對數(shù)據(jù)標(biāo)注系統(tǒng)提出了新要求。此外,數(shù)據(jù)標(biāo)注是一項枯燥、費(fèi)時的工作,如何利用已有技術(shù)提升標(biāo)注的效率,也為標(biāo)注系統(tǒng)的設(shè)計帶來了挑戰(zhàn)。為了滿足特定的標(biāo)注需求,本文設(shè)計并實現(xiàn)了一種基于機(jī)器學(xué)習(xí)的圖像標(biāo)注系統(tǒng)。該系統(tǒng)不僅能夠滿足手工標(biāo)注的需求,也可以利用成熟的計算機(jī)視覺相關(guān)算法,完成初始自動標(biāo)注,人工修改,從而大大提升標(biāo)注效率。值得一提的是,該系統(tǒng)還具有較好的擴(kuò)展性,為圖像數(shù)據(jù)集的準(zhǔn)備奠定了良好的基礎(chǔ)。本文首先介紹了課題的研究背景和意義,確定了標(biāo)注系統(tǒng)的主要工作。其次對系統(tǒng)設(shè)計與實現(xiàn)過程中應(yīng)用到的相關(guān)技術(shù)和開源庫進(jìn)行了介紹與分析。然后介紹了圖像輔助標(biāo)注利用到的算法設(shè)計與分析,對現(xiàn)有的人體行為識別算法作出改進(jìn),并作出評估。隨后本文描述了系統(tǒng)的需求,介紹了系統(tǒng)的總體架構(gòu)設(shè)計,并將系統(tǒng)劃分為圖片預(yù)處理、人體關(guān)節(jié)點(diǎn)標(biāo)注和運(yùn)動階段分類標(biāo)注等子模塊,結(jié)合時序圖和流程圖,闡述了各子模塊的概要設(shè)計。在此基礎(chǔ)上,介紹了每一個模塊內(nèi)部的詳細(xì)設(shè)計與實現(xiàn),利用類圖和數(shù)據(jù)表展示了類中的方法實現(xiàn)。緊接著,對標(biāo)注系統(tǒng)的各個功能進(jìn)行了測試,描述了預(yù)期結(jié)果和實際結(jié)果。最后,對已完成的工作進(jìn)行了總結(jié),對下一步圖像標(biāo)注系統(tǒng)的相關(guān)工作進(jìn)行了展望。
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP181
【圖文】：

算法在ＵＣＦ５０數(shù)據(jù)集上將準(zhǔn)確率從８４．５％提高到了邋９１．２％，在ＨＭＤＢ５１數(shù)據(jù)集逡逑上將準(zhǔn)確率從４６．６％提高到了邋５７．２％。逡逑ＩＤＴ算法架構(gòu)圖如圖２－１所示。ＩＤＴ算法非常經(jīng)典，現(xiàn)在仍有其他方法和ＩＤＴ逡逑算法相結(jié)合的使用方式，并提升了一定的準(zhǔn)確率。逡逑Ｔｒａｃｋｉｎｇ邋ｉｎ邋ｅａｃｈ邋ｓｐａｔｉａｌ邋ｓｃａｌｅ邋ｓｅｐａｒａｔｅｌｙ邐Ｔｒａｊｅｃｔｏｒｙ邋ｄｅｓｃｒｉｐｔｉｏｎ逡逑Ｄｅｎｓｅ邋ｓａｍｐｌｉｎｇ邐ｙ］一＂邐／Ｉ逡逑十一一邋１＇．邐逡逑、、邐Ｗｖ邐ＨＯＧ邋ＨＯＦ邋ＭＢＨ逡逑＼邋、逡逑圖２－１邋ＩＤＴ算法架構(gòu)圖［Ｉ５］逡逑ＩＤＴ算法利用密集采樣來選取特征點(diǎn)，跟蹤并形成特征點(diǎn)的軌跡。軌跡的形逡逑狀利用（Ａｐｔ，Ａｐ＆Ｋ）來描述，位移矢量定義為：逡逑}0＝（ｐｔ＋ｉ邋－邋Ｐｔ）邋＝邋0ｔ＋１－ｙｔ）邐（２－１）逡逑９逡逑

通過三維卷積從空間和時間兩個維度提取特征，得到多個相鄰幀間的運(yùn)動信息。逡逑該模型通過輸入的幀生成多個通道的信息，并最后將所有通道的信息組合起來，逡逑作為整體特征。３ＤＣＮＮ的網(wǎng)絡(luò)架構(gòu)圖如圖２－３所示。逡逑ｍｍｍｍ，邐－：逡逑ｒ邋ｆ邋％邋＼邋Ｖ＼、逡逑ｈａｒｄｗｉｒｅｄ邋？邋：邐ｃｏｎｖｏ詘ｏｎ邋？邋＾邋R%；．，ｗ，邋ｓｕｂｓａｍｐｌｉｎ＾邐ｃｏｒｖｄｕｔｋｎ邋欉．ｓｕｂｓａｍｐｉｉ＾邋＊，邋ｃｏｎｖｏｒｕｔｉｏｎ逡逑％邋％邋＼邋％逡逑■邐．邐，３．二２邐１３—逡逑Ｈｉ．邐Ｃ？？．逡逑３３＠６0ｘ４°邐２３＊２＠５４ｘ３４邐２３＊２＠２７ｘ１７逡逑圖２－３邋３ＤＣＮＮ網(wǎng)絡(luò)架構(gòu)圖［２２］逡逑Ｔｒａｎ［２３］等人在３ＤＣＮＮ的基礎(chǔ)上，提出了邋Ｃ３Ｄ網(wǎng)絡(luò)結(jié)構(gòu)。他們一共提出了逡逑三個貢獻(xiàn)：（１）三維卷積比二維卷積更適合時空特征的學(xué)習(xí)（２）對三維卷積來逡逑說，在所有層中使用３ｘ３ｘ３的卷積核的效果是最好的（３）提出了邋Ｃ３Ｄ模型。逡逑Ｃ３Ｄ有８個卷積層、５個池化層、兩個全連接層，以及一個ｓｏｆｔｍａｘ輸出層，在逡逑四個不同基準(zhǔn)上的效果優(yōu)于當(dāng)時最先進(jìn)的方法，并在另外兩個基準(zhǔn)上和當(dāng)時最先逡逑進(jìn)的方法效果相當(dāng)。逡逑２．２．４邐ＲＮＮ邋方法逡逑遞歸神經(jīng)網(wǎng)絡(luò)（ＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋｓ

邐北京郵電大學(xué)工學(xué)碩士學(xué)位論文邐逡逑ＬＲＣＮ（Ｌｏｎｇ－ｔｅｒｍ邋Ｒｅｃｕｒｒｅｎｔ邋Ｃｏｎｖｏｌｕｔｉｏｎａｌ邋＂Ｎｅｔｗｏｒｋｓ）網(wǎng)絡(luò)，ＬＲＣＮ邋使用邋ＣＮＮ邋處理逡逑可變長視頻輸入，ＣＮＮ的輸出被輸入到一組ＬＳＴＭ中，最后生成一個變長的預(yù)逡逑測。ＬＲＣＮ的網(wǎng)絡(luò)架構(gòu)如圖２－４所示。逡逑Ｉｎｐｕｉ邐Ｖｉｓｕａｌ邐Ｓｅｑｕｅｎｃｅ邋Ｏｕｔｐｕｔ逡逑Ｆｅａｔｕｒｅｓ邋Ｌｅａｒｎｉｎｇ逡逑

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李兵;林文釗;羅崢尹;;基于機(jī)器學(xué)習(xí)的智慧農(nóng)業(yè)決策系統(tǒng)設(shè)計與實現(xiàn)[J];信息與電腦(理論版);2018年24期

2 舒娜;劉波;林偉偉;李鵬飛;;分布式機(jī)器學(xué)習(xí)平臺與算法綜述[J];計算機(jī)科學(xué);2019年03期

3 劉傳會;汪小亞;郭增輝;;機(jī)器學(xué)習(xí)在反洗錢領(lǐng)域的應(yīng)用與發(fā)展[J];清華金融評論;2019年04期

4 朱輝;;機(jī)器學(xué)習(xí)在企業(yè)級場景中的實踐與探討[J];中國建設(shè)信息化;2018年03期

5 彭傳意;;機(jī)器學(xué)習(xí)——我們該如何與機(jī)器競爭[J];數(shù)字通信世界;2018年01期

6 陳軼翔;埃里克·布倫喬爾森;湯姆·米切爾;;機(jī)器學(xué)習(xí)的能力范圍及其對勞動力的影響[J];世界科學(xué);2018年04期

7 趙長林;;機(jī)器學(xué)習(xí)即服務(wù)[J];網(wǎng)絡(luò)安全和信息化;2017年10期

8 ;機(jī)器學(xué)習(xí)作用于信息安全的五大頂級案例[J];網(wǎng)絡(luò)安全和信息化;2018年01期

9 吳承楊;;2018年來說說機(jī)器學(xué)習(xí)[J];軟件和集成電路;2018年05期

10 宋雯博;;大數(shù)據(jù)下的機(jī)器學(xué)習(xí)的應(yīng)用趨勢[J];電腦迷;2018年09期

相關(guān)會議論文 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王衍魯;張利會;張淑潔;石潔茹;王鵬;;大學(xué)新生學(xué)校適應(yīng)的個體與環(huán)境因素探究:基于機(jī)器學(xué)習(xí)的考察[A];第二十屆全國心理學(xué)學(xué)術(shù)會議--心理學(xué)與國民心理健康摘要集[C];2017年

3 張長水;;大數(shù)據(jù)機(jī)器學(xué)習(xí)[A];2015年中國自動化大會摘要集[C];2015年

4 何琳;侯漢清;;基于標(biāo)引經(jīng)驗和機(jī)器學(xué)習(xí)相結(jié)合的多層自動分類[A];2005年中國索引學(xué)會年會暨學(xué)術(shù)研討會論文集[C];2005年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機(jī)器學(xué)習(xí)在中醫(yī)計算機(jī)診斷識別系統(tǒng)中的應(yīng)用思考[A];第一屆全國中西醫(yī)結(jié)合診斷學(xué)術(shù)會議論文選集[C];2006年

7 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

8 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語和句子極性分析[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

9 吳娜;刁聯(lián)旺;;基于機(jī)器學(xué)習(xí)的博弈對抗模型優(yōu)化框架軟件系統(tǒng)設(shè)計[A];第六屆中國指揮控制大會論文集（上冊）[C];2018年

10 蔣雍建;程楠;劉澤佳;周立成;湯立群;劉逸平;蔣震宇;;基于響應(yīng)統(tǒng)計特征和機(jī)器學(xué)習(xí)的橋梁損傷識別方法研究[A];2018年全國固體力學(xué)學(xué)術(shù)會議摘要集（下）[C];2018年

相關(guān)重要報紙文章 前10條

1 趙熙熙;機(jī)器學(xué)習(xí)有望找到致命病毒宿主[N];中國科學(xué)報;2018年

2 CIO.com資深作家 Clint Boulton 編譯 Charles;領(lǐng)先一步:機(jī)器學(xué)習(xí)的10個成功案例[N];計算機(jī)世界;2018年

3 Bob Violino 編譯 Charles;盲目冒進(jìn):機(jī)器學(xué)習(xí)的5個失敗案例[N];計算機(jī)世界;2018年

4 本報駐波士頓記者 侯麗;深入挖掘機(jī)器學(xué)習(xí)潛力[N];中國社會科學(xué)報;2019年

5 王方 編譯;菌自何方 機(jī)器學(xué)習(xí)早知道[N];中國科學(xué)報;2019年

6 Matt Asay 編譯 Monkey King;為什么機(jī)器學(xué)習(xí)沒有捷徑可循？[N];計算機(jī)世界;2019年

7 本報記者 操秀英;當(dāng)量子計算遇到機(jī)器學(xué)習(xí)會碰撞出什么火花？[N];科技日報;2019年

8 彭博企業(yè)數(shù)據(jù)業(yè)務(wù)全球負(fù)責(zé)人 Gerard Francis;金融數(shù)據(jù)質(zhì)量決定機(jī)器學(xué)習(xí)時代的投資回報[N];計算機(jī)世界;2019年

9 Isaac Sacolick 編譯 Charles;關(guān)于機(jī)器學(xué)習(xí)的5個要點(diǎn)[N];計算機(jī)世界;2019年

10 記者 張夢然;全新算法助機(jī)器學(xué)習(xí)抵抗干擾[N];科技日報;2019年

相關(guān)博士學(xué)位論文 前10條

1 梁霄;機(jī)器學(xué)習(xí)在量子物理學(xué)中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2019年

2 陳明哲;未來蜂窩網(wǎng)絡(luò)中基于機(jī)器學(xué)習(xí)的資源管理技術(shù)研究[D];北京郵電大學(xué);2019年

3 王磊;基于機(jī)器學(xué)習(xí)的藥物—靶標(biāo)相互作用預(yù)測研究[D];中國礦業(yè)大學(xué);2018年

4 張慶;鈣鈦礦型功能材料的基因組工程研究[D];上海大學(xué);2018年

5 管月;醫(yī)學(xué)腫瘤影像分類算法研究及其在肝癌上的應(yīng)用[D];南京大學(xué);2018年

6 郝小可;基于機(jī)器學(xué)習(xí)的影像遺傳學(xué)分析及其應(yīng)用研究[D];南京航空航天大學(xué);2017年

7 施建明;基于機(jī)器學(xué)習(xí)的產(chǎn)品剩余壽命預(yù)測方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2018年

8 陳再毅;機(jī)器學(xué)習(xí)中的一階優(yōu)化算法收斂性研究[D];中國科學(xué)技術(shù)大學(xué);2018年

9 陸海進(jìn);Zr合金熱動力學(xué)研究及機(jī)器學(xué)習(xí)[D];上海大學(xué);2018年

10 戴望州;一階邏輯領(lǐng)域知識與機(jī)器學(xué)習(xí)的結(jié)合研究[D];南京大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 杜宇梅;政策不確定性與公司長期投資[D];廈門大學(xué);2017年

2 樓麗琪;基于機(jī)器學(xué)習(xí)的光網(wǎng)絡(luò)告警智能分析技術(shù)研究[D];北京郵電大學(xué);2019年

3 王磊;基于廣告流量的異常檢測系統(tǒng)的研究與實現(xiàn)[D];北京郵電大學(xué);2019年

4 戎宇;基于機(jī)器學(xué)習(xí)的二進(jìn)制軟件漏洞挖掘技術(shù)研究[D];北京郵電大學(xué);2019年

5 黃濤;基于機(jī)器學(xué)習(xí)的新聞分類系統(tǒng)研究與實現(xiàn)[D];北京郵電大學(xué);2019年

6 彭丹蕾;商品評論情感分析系統(tǒng)的設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2019年

7 邱啟哲;基于機(jī)器學(xué)習(xí)的安全異常發(fā)現(xiàn)系統(tǒng)的設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2019年

8 劉琦凱;基于機(jī)器學(xué)習(xí)的量化投資系統(tǒng)[D];北京郵電大學(xué);2019年

9 胡智超;基于機(jī)器學(xué)習(xí)與啟發(fā)式算法的物流調(diào)度研究[D];北京郵電大學(xué);2019年

10 程翔龍;基于機(jī)器學(xué)習(xí)的威脅情報可信分析系統(tǒng)的研究[D];北京郵電大學(xué);2019年

本文編號：2794537