企业官网建设流程全解析

电子商务网站建设策划书的流程,wordpress邮件设置方法,广州建设网站哪家好,谷歌网页版入口基于MATLAB的HOG特征LSTM分类先说说HOG特征提取这茬儿。这货对图像边缘梯度特别敏感#xff0c;用来抓取人体轮廓效果拔群。在MATLAB里其实不用自己造轮子#xff0c;vision.PeopleDetector自带的HOG参数调教得不错#xff1a; hog extractHOGFeatures(imresize(frame,[128…基于MATLAB的HOG特征LSTM分类先说说HOG特征提取这茬儿。这货对图像边缘梯度特别敏感用来抓取人体轮廓效果拔群。在MATLAB里其实不用自己造轮子vision.PeopleDetector自带的HOG参数调教得不错hog extractHOGFeatures(imresize(frame,[128 64]));这句代码把视频帧统一缩放到128x64尺寸主要是为了保证不同分辨率视频的特征维度一致。不过实际用的时候发现直接怼原始HOG特征进LSTM效果不咋地得做点特征工程。这里有个骚操作——把连续5帧的HOG特征拼成时序数据sequenceBuffer zeros(hogSize, 5, single); for i 1:numFrames currentHOG extractHOGFeatures(processFrame(videoFrames(:,:,:,i))); sequenceBuffer circshift(sequenceBuffer, -1, 2); sequenceBuffer(:,end) currentHOG; endcircshift这函数用起来贼溜像传送带一样滚动更新特征序列。注意这里转置操作不是手滑HOG特征默认是行向量转成列向量方便后续LSTM处理。轮到LSTM登场的时候网络结构得讲究点。试过直接用全连接层接LSTM结果过拟合得亲妈都不认识。后来改成这样layers [ sequenceInputLayer(hogSize*5) bilstmLayer(128,OutputMode,sequence) dropoutLayer(0.5) bilstmLayer(64,OutputMode,last) fullyConnectedLayer(numClasses) softmaxLayer classificationLayer];双向LSTM先输出完整序列再取最后一个时间步这招对付短时动作特管用。不过要注意输入维度得是特征长度x时间步数之前在这儿卡了整整两天...训练时有个坑得提醒HOG特征数值范围太大直接喂给LSTM会爆炸。试过各种归一化方法发现zscore配合移动平均效果最稳[mu,sigma] deal(mean(trainFeatures,2), std(trainFeatures,0,2)); normalizedFeatures (trainFeatures - mu) ./ (sigma 1e-6);加个epsilon防止除零这个trick是从keras里偷师的。实际测试发现准确率能提升7个点左右。最后来个完整流程体验下% 加载预处理好的数据集 load(actionDataset.mat); % 生成HOG序列 hogSequences cell(size(videos)); parfor i 1:numel(videos) hogSequences{i} generateHOGSequence(videos{i}); end % 训练LSTM options trainingOptions(adam, ... MiniBatchSize, 16, ... Shuffle, every-epoch, ... Plots, training-progress); net trainNetwork(hogSequences, labels, layers, options);用parfor加速特征提取是真香不过要注意MATLAB的并行池得提前开好。训练过程可视化这功能救了我狗命能实时看到有没有翻车。实测在自制的太极拳动作数据集上这方法能达到89%的准确率。比纯CNN方案省了3/4的显存在老爷机GTX1060上也能愉快跑起来。不过要处理长视频还是得在时序切片上动点脑筋这个下回再唠。