文件名称:论文研究-基于动态序列图像的流形学习研究.pdf
文件大小:465KB
文件格式:PDF
更新时间:2022-08-11 17:37:04
视频序列,流形学习,自编码网络,降维,重构
动态场景的外形或表观在很大程度上往往受到一个潜在低维动态过程的控制。基于视频序列之间的时间相干特性,引入一种称为自编码(autoencoder)的特殊双向深层神经网络,采用CRBM(continuous restricted Boltzmann machine)的网络结构,用来学习序列图像的低维流形结构。将autoencoder 用于人体步态序列的实验表明,该方法能提供从高维视频帧到具有一定物理意义过程的低维序列的映射,并能从低维描述中恢复高维图像序列。