基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高动作识别的速度和准确性,本文研究了从初级视觉皮层V1中提取特征表示人体动作的问题,提出了采用integrate and fire(I&F)脉冲神经元模拟V1阶段神经元的方法。通过对脉冲输出进行分析,取脉冲序列平均发放率的熵,作为表征人体动作的特征向量,送入分类器进行分类。经过在Weizmann数据库下的测试,试验结果表明,本文的方法比Esco-bar[1]的方法更加有效.
推荐文章
基于改进的深度神经网络的人体动作识别模型
动作识别
深度学习
时空金字塔
注意力机制
卷积神经网络
基于改进的深度卷积神经网络的人体动作识别方法
动作识别
批归一化
深度学习
卷积神经网络
基于三维卷积神经网络的动作识别算法
卷积神经网络
三维卷积
人体姿态估计
动作识别
基于深度学习的人体动作识别方法
深度信息
人体动作识别
深度学习
空间结构动态深度图
深度卷积神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于脉冲神经网络的人体动作识别
来源期刊 现代科学仪器 学科 工学
关键词 初级视觉皮层 脉冲神经元 脉冲序列
年,卷(期) 2012,(2) 所属期刊栏目 仪器研制与开发
研究方向 页码范围 29-32,36
页数 分类号 TH162|TH79
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘海华 中南民族大学生物医学工程学院 66 472 13.0 18.0
2 高智勇 中南民族大学生物医学工程学院 45 209 7.0 11.0
3 黄丽鸿 中南民族大学生物医学工程学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (9)
参考文献  (9)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
初级视觉皮层
脉冲神经元
脉冲序列
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代科学仪器
双月刊
1003-8892
11-2837/TH
大16开
北京海淀区西三环北路27号理化实验楼512室
1984
chi
出版文献量(篇)
4906
总下载数(次)
12
总被引数(次)
20682
论文1v1指导