&>&基于深度学习的人体行为识别算法综述
基于深度学习的人体行为识别算法综述
上传大小：703KB
人体行为识别分两个过程：特征表征和动作的识别及理解。
综合评分：0
{%username%}回复{%com_username%}{%time%}\
/*点击出现回复框*/
$(".respond_btn").on("click", function (e) {
$(this).parents(".rightLi").children(".respond_box").show();
e.stopPropagation();
$(".cancel_res").on("click", function (e) {
$(this).parents(".res_b").siblings(".res_area").val("");
$(this).parents(".respond_box").hide();
e.stopPropagation();
/*删除评论*/
$(".del_comment_c").on("click", function (e) {
var id = $(e.target).attr("id");
$.getJSON('/index.php/comment/do_invalid/' + id,
function (data) {
if (data.succ == 1) {
$(e.target).parents(".conLi").remove();
alert(data.msg);
$(".res_btn").click(function (e) {
var parentWrap = $(this).parents(".respond_box"),
q = parentWrap.find(".form1").serializeArray(),
resStr = $.trim(parentWrap.find(".res_area_r").val());
console.log(q);
//var res_area_r = $.trim($(".res_area_r").val());
if (resStr == '') {
$(".res_text").css({color: "red"});
$.post("/index.php/comment/do_comment_reply/", q,
function (data) {
if (data.succ == 1) {
var $target,
evt = e || window.
$target = $(evt.target || evt.srcElement);
var $dd = $target.parents('dd');
var $wrapReply = $dd.find('.respond_box');
console.log($wrapReply);
//var mess = $(".res_area_r").val();
var mess = resS
var str = str.replace(/{%header%}/g, data.header)
.replace(/{%href%}/g, 'http://' + window.location.host + '/user/' + data.username)
.replace(/{%username%}/g, data.username)
.replace(/{%com_username%}/g, data.com_username)
.replace(/{%time%}/g, data.time)
.replace(/{%id%}/g, data.id)
.replace(/{%mess%}/g, mess);
$dd.after(str);
$(".respond_box").hide();
$(".res_area_r").val("");
$(".res_area").val("");
$wrapReply.hide();
alert(data.msg);
}, "json");
/*删除回复*/
$(".rightLi").on("click", '.del_comment_r', function (e) {
var id = $(e.target).attr("id");
$.getJSON('/index.php/comment/do_comment_del/' + id,
function (data) {
if (data.succ == 1) {
$(e.target).parent().parent().parent().parent().parent().remove();
$(e.target).parents('.res_list').remove()
alert(data.msg);
//填充回复
function KeyP(v) {
var parentWrap = $(v).parents(".respond_box");
parentWrap.find(".res_area_r").val($.trim(parentWrap.find(".res_area").val()));
评论共有0条
VIP会员动态
CSDN下载频道资源及相关规则调整公告V11.10
下载频道用户反馈专区
下载频道积分规则调整V1710.18
spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip
资源所需积分/C币
当前拥有积分
当前拥有C币
输入下载码
为了良好体验，不建议使用迅雷下载
基于深度学习的人体行为识别算法综述
会员到期时间：
剩余下载个数：
剩余积分：0
为了良好体验，不建议使用迅雷下载
积分不足！
资源所需积分/C币
当前拥有积分
您可以选择
程序员的必选
绿色安全资源
资源所需积分/C币
当前拥有积分
当前拥有C币
为了良好体验，不建议使用迅雷下载
资源所需积分/C币
当前拥有积分
当前拥有C币
为了良好体验，不建议使用迅雷下载
资源所需积分/C币
当前拥有积分
当前拥有C币
您的积分不足，将扣除 10 C币
为了良好体验，不建议使用迅雷下载
无法举报自己的资源
你当前的下载分为234。
你还不是VIP会员
开通VIP会员权限，免积分下载
你下载资源过于频繁，请输入验证码
您因违反CSDN下载频道规则而被锁定帐户，如有疑问，请联络:!
若举报审核通过，可返还被扣除的积分
被举报人：
请选择类型
资源无法下载 （ 404页面、下载失败、资源本身问题）
资源无法使用 （文件损坏、内容缺失、题文不符）
侵犯版权资源 （侵犯公司或个人版权）
虚假资源 （恶意欺诈、刷分资源）
含色情、危害国家安全内容
含广告、木马病毒资源
*投诉人姓名：
*投诉人联系方式：
*版权证明：
*详细原因：
基于深度学习的人体行为识别算法综述847 次阅读
本文仅用于学习和交流目的，不得用于商业目的。非商业转载请注明作译者、出处，并保留本文的原始链接：
周涵宁，本科毕业于清华大学自动化系，于美国伊利诺伊大学香槟分校获得计算机视觉领域博士学位。
曾担任富士施乐硅谷研究中心研究员、亚马逊总部高级技术经理、盛大创新院资深研究员兼产品经理、智谷研发VP和宝宝树的CTO等。
现任Hulu北京研发中心研究推荐算法研究负责人（Hulu是全美第二大付费在线视频平台）。具有15年的产品研发、创新和团队管理经验，专注于实现应用数据和算法从0到1的产品落地，在数据分析和机器学习方面有丰富的经验。
访谈话题：
为什么从自动化专业转向了人工智能方向（计算机视觉）？您在研究方向的选择上，会考虑哪些因素？
我们学校的自动化专业下面有一个方向叫作模式识别，它是人工智能的一个应用领域。我举一个模式识别在工业界的应用，比如应用图像传感器做自动化质量检测，就是一个人工智能落地的场景。美国硅谷有一家叫KLA-Tencor的上市公司，他们的主要产品就是基于无损探测器（包括光学传感器）进行硅片自动质检。另外，指纹识别和光学字符识别（OCR）也是模式识别的范畴。它们都和计算机视觉有很强的联系。
选择计算机视觉作为研究方向，除了在自动化系的基础训练，还有一个重要因素是实习经历。我在大三的时候，到微软中国研究院（现在叫微软亚洲研究院）实习。当时研究院的主攻方向是计算机视觉和多媒体技术，每几周都会有相关的国际专家来交流讲座，其中包括我后来追随的博士导师，计算机视觉领域的开山鼻祖，UIUC大学的黄煦涛教授。我当时做的项目之一是基于多张图片的三维场景重建。耳濡目染，我对计算机视觉领域产生了浓厚的兴趣。
自动化跟智能化的区别是什么？
传统的自动化主要是以相对固定的模式，处理相对简单的场景。智能化则具有人的感知、决策和逻辑能力，可以更加灵活多变的处理各种复杂场景。举例来说，如果在Outlook里设置了一个日历事件，下午4点要开会，那么电脑到了下午3:45的时候就会弹出一个事件提醒，这叫作自动化。如果电脑根据你当时的位置、路上的交通状况和附近的空闲出租车状态，自动计算出从你所在的位置叫出租车再行驶到会场需要花费37分钟，然后在3:22 PM的时候帮你填好预约出租车的订单。你只需点一下确认按钮，就可以收拾好笔记本出门了。这就叫智能化。
随着各种智能算法可靠性的提高，它们逐渐融入到人们的日常生活，这些传统意义上的"智能化"，也慢慢变成了"自动化"。例如，垃圾邮件过滤和拼音联想输入，都用到了基于机器学习的智能算法，但是人们对这类产品的预期也相应的提高了，不再认为这些功能是很"智能"的了。
要在工作中运用机器学习方面的技术，普通程序员需要如何准备？
主要是补充线性代数、凸优化和概率统计方面的知识。相比传统算法，机器学习算法的最大不同之处是它的执行步骤和参数，不是由程序员人工设定的固定组合，而是基于训练样本学习到的概率模型。要理解各种机器学习方法的优缺点，能够将当前应用的场景，抽象成经典的机器学习问题。
例如，Hulu视频App的首页推荐，之前是按照产品经理手工定义的几类不同内容来源来排列展示的优先级，然后再对相同优先级的内容，按照首播时间、最近热度等因素排序。这就是典型的面向传统编程模式的设计。新版App的首页排序正在向基于机器学习的数据驱动算法转变。我们根据点击率预估进行排序，其中的点击率预测模型训练，会参考产品经理给出的首播时间、最近热度等特征，但是会基于在线学习的框架，自动根据用户的场景不同而动态调整各个特征的权重。
从职业履历来看，您既做过技术研发也做过团队管理，更喜欢哪个方向？
从个人层面上，我觉得技术研发更有成就感，因为专注和沉浸在解决问题的过程中，是一件很享受的事。做技术研发也对自己的时间和精力有更好的掌控感。相比之下，团队管理者需要有牺牲小我、成就团队的胸怀。我读过一本很好的书——Leaders Eat Last，讲的就是这个意思。同时，还需要具备较高的情商和同理心，才能处理好承上启下的沟通，这方面我推荐大家读阿德勒写的《沟通的艺术》。
对于程序员来讲，哪个能力（技术vs管理）更重要？获得这样的能力，需要如何准备？
技术是立身之本，没有这个基础就不能成为一名合格的程序员。如果想要不断地提高自己的能力，解决更大的难题，即使不戴管理的头衔，也还是要掌握一些管理方面的知识。如何推进项目，如何说服他人，如何与其他团队沟通，等等。获得这些技能，我们需要运用“一万小时定律”循序渐进地进行有意训练：首先掌握一定的理论知识，这里我推荐看《高效能人士的七个习惯》；然后在实际工作中去运用，体会哪些方法是适合自己性格的。如果在这个"术"的层面训练到了一定的程度，就可以尝试上升到“道”的层面，就是找到自己最擅长和最认同的事业，并运用之前学到的“术”，在助人的过程中实现自己的人生价值。
Hulu这个名字跟汉字的关系很大，背后的故事是什么？
Hulu成立于2007年，当时的创始团队中就有华人，他们建议用汉字“葫芦”的汉语拼音来命名这家公司。因为Hulu希望以优质的视频内容吸引用户，让用户产生好奇心——“葫芦里卖的什么药”，并用个性化推荐引导用户发现更多内容。
Hulu未来会进入中国市场吗？跟国内的视频网站相比，Hulu有哪些优势特点？
Hulu目前只在美国运营，领导层会根据市场和用户的需求，评估Hulu国际化的战略。与国内视频网站相比，Hulu拥有更多的美剧资源，今年还推出了电视直播业务，用户可以在全平台随时看到50多个电视台正在播放的内容，包括体育实况、新闻等时效性很强的节目。
推荐系统对于视频网站的重要性是怎样的？
推荐系统，从更广的意义来讲，属于个性化系统，它是线上分发渠道相比线下渠道（例如，院线和传统电视台等渠道）的最显著技术优势，是视频网站的核心竞争力。它可以用来引导用户发现新内容，提高用户活跃度和粘性。
客制化可以有几个层级，个性化是其中最细致的一层。在个性化之上，可以按照粗略的用户分组来实现客制化。对于25~30岁这个年龄段的所有女性用户，我们可以使用同一排序模型。在客制化的基础上，可以叠加针对每个用户的个性化特征。如果把推荐系统看成是函数 y = A(x)，其中x是关于每个用户的特征，y是输出的推荐结果，那么分组客制化，就是把A(.)函数针对不同组的x分别训练，然后利用集成学习(ensemble learning)整合。
如何衡量一个推荐系统是否优秀？
从业务上讲，用户的观看时长和订阅数可以间接反映推荐系统的有效性。但是，这两个指标会受到内容库和市场推广周期的影响。例如，新的爆款剧《冰与火之歌》第七季上线后，会在短时间内带来大量新的订阅用户，并且大幅度地提升用户的观看时长，但是一两周以后，这些指标就会逐渐回落。而在整个期间，推荐算法本身的质量并没有变化。
我们不仅需要根据业务指标来衡量推荐系统，还要参考一些直接的度量标准，比如点击率、多样性、内容覆盖率等。要想获得这些直接的度量指标，开发人员需要和业务部门沟通和讨论，根据他们的反馈做出调整。有的产品强调方便性，我们就要尽量缩短用户从浏览到观看花费的时间，而有的产品是为了给用户提供更多的选择，希望用户浏览尽量多的内容，我们就需要对它们各自定义不同的指标。
以某个场景为例，说明一下基于深度学习的视频推荐系统相比传统推荐系统的优势？
以特征选择为例，深度学习中的非线性映射（利用激活函数的非线性），自动化了特征选择的步骤，使得我们可以更容易地整合多种信息源。传统上基于用户行为的协同滤波和基于内容元数据的系统，则是分开训练两个模型，然后将结果融合在一起的。但是，这样很难将融合过程中观察到的误差传递到分开训练的两个模型的过程中。深度学习提供了一个端到端的框架，使得我们可以用同一个网络结构来将用户行为和内容元数据一起映射到用户－物品相关性评分的学习中。
在11月9~12日的TOP100summit2017上，您分享的哪些内容是值得关注的？
我着重介绍了Hulu利用多臂老虎机来平衡热门和长尾内容的展现，以及用循环神经网络模型做序列推荐的成果。前者可以更有效的利用有限的展示位来做长尾内容的冷启动，后者是对自动连播场景的一种比较有效的建模方法。
基于深度学习的视频推荐系统，下一步的发展是怎样的？
中短期的规划主要是基于内容的推荐，解决冷启动问题。
视频网站的核心价值是对内容的理解。基于用户行为的相关内容分析，已经到了比较成熟的阶段，接下来的主要挑战是对新内容和中长尾内容的冷启动。目前，现有的方法依赖于人工标签，存在一定的局限性，随着计算机视觉技术的发展，未来将会有越来越多的系统是基于内容理解来自动打标签。
长期的规划是，基于自然语言对话进行内容的推荐。
智能助手的应用是一个很有潜力的发展方向。例如，我晚上回到家，对电视说“我今天心情低落”，电视就会推荐一些治愈系的影视作品。如果我接着说“我想看点搞笑的”，它就会在之前推荐的基础上，筛选出喜剧。这个场景虽然看似简单，却涉及复杂的情感类语义标签和多轮对话之间的上下文关联。
更多精彩，加入图灵访谈微信！
0 收藏&&|&&0
分享到微博？
我要该，理由是：
在 SegmentFault，学习技能、解决问题
每个月，我们帮助 1000 万的开发者解决各种各样的技术问题。并助力他们在技术能力、职业生涯、影响力上获得提升。基于深度学习算法的主动配电网负荷预测研究--《2017智能电网新技术发展与应用研讨会论文集》2017年
基于深度学习算法的主动配电网负荷预测研究
【摘要】：针对主动配电网的短期负荷预测问题,提出一种基于深度学习算法的预测模型。介绍主动配电网以及深度学习算法,分析主动配电网负荷分类,研究负荷影响因素和深度学习的工作框架,从而构建负荷预测模型。
【作者单位】：
【分类号】：TM715
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【相似文献】
中国期刊全文数据库
郭建栋;;[J];中小企业管理与科技(下旬刊);2013年11期
滕雪莉;;[J];黑龙江科技信息;2013年36期
袁清芳;;[J];农村电气化;2012年10期
郭恒;;[J];科技风;2012年21期
陈祥;崔弘;买文捷;;[J];电气应用;2013年11期
武祖林;;[J];科技与企业;2013年24期
赵政;;[J];轻工科技;2013年11期
汪君;;[J];通讯世界;2013年23期
何季民;[J];东方电气评论;2003年01期
张国光;[J];电气时代;2004年11期
中国重要会议论文全文数据库
陈排患;;[A];首届长三角科技论坛——能源科技分论坛论文集[C];2004年
陈祥;;[A];2011年云南电力技术论坛论文集（入选部分）[C];2011年
杜永平;杨富民;洪志勇;张建文;贾雅君;;[A];第二十届华东六省一市电机工程（电力）学会输配电技术讨论会论文集[C];2012年
;[A];中国农业机械工业协会风能设备分会2013年度论文集（上）[C];2013年
赵云军;唐巍;;[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
刘森;李盛伟;李永丽;;[A];2007中国继电保护及自动化行业年会论文集[C];2007年
郭明珠;田世明;王莹;;[A];2012年电力通信管理暨智能电网通信技术论坛论文集[C];2013年
;[A];中国农机工业协会风能设备分会《中小型风能设备与应用》（2014年第3期）[C];2014年
王少林;唐巍;;[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
盛方正;周宇栋;陈之琛;;[A];第十九届输配电研讨会论文集[C];2011年
中国重要报纸全文数据库
苟慧智;[N];中国电力报;2006年
赵菊昌;[N];国家电网报;2010年
国家能源局电力安全监管司
苑舜　周波;[N];中国电力报;2013年
本报记者 郭惠;[N];国家电网报;2014年
马旭升;[N];中国能源报;2014年
本报实习记者
王颖春;[N];中国证券报;2010年
国网能源研究院
黄碧斌;[N];国家电网报;2013年
中国社科院财经战略研究院
冯永晟;[N];中国消费者报;2013年
王旭辉;[N];中国能源报;2013年
林梅妹　陈德钧;[N];中国电力报;2013年
中国博士学位论文全文数据库
付学谦;[D];华南理工大学;2015年
孟建辉;[D];华北电力大学;2015年
张欣;[D];南京航空航天大学;2014年
DANG NGOC HUY(邓玉辉);[D];华北电力大学;2015年
张惠智;[D];天津大学;2015年
徐栎;[D];天津大学;2015年
陈晓龙;[D];天津大学;2015年
司新跃;[D];山东大学;2016年
尚瑨;[D];上海交通大学;2015年
曾德辉;[D];华南理工大学;2016年
中国硕士学位论文全文数据库
张鑫;[D];山东大学;2016年
常莉;[D];太原理工大学;2000年
王瑶;[D];昆明理工大学;2015年
黄付顺;[D];西南交通大学;2015年
刘建;[D];西南交通大学;2015年
巩翔宇;[D];郑州大学;2015年
张胜鑫;[D];山东大学;2015年
赵明;[D];河北农业大学;2015年
龙淼;[D];山东大学;2015年
张曦;[D];山东大学;2015年
&快捷付款方式
&订购知网充值卡
400-819-9993网站已改版，请使用新地址访问：
SRCNN 基于深度学习的图像超分辨率算法。
参考论文 Learning a Deep Convolutional Network Special Effects 图形 处理 247万源代码下载- www.pudn.com
&文件名称: SRCNN& & [
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 5453 KB
&&上传时间:
&&下载次数: 1
&&提 供 者:
&详细说明：基于深度学习的图像超分辨率算法。
参考论文 Learning a Deep Convolutional Network for Image Super-Resolution (ECCV 2014)
-Super resolution based on deep learning
Refer to Learning a Deep Convolutional Network for Image Super-Resolution
(ECCV 2014)
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&SRCNN\compute_psnr.m&&.....\demo_SR.asv&&.....\demo_SR.m&&.....\modcrop.m&&.....\...el\x2.mat&&.....\.....\x3.mat&&.....\.....\x4.mat&&.....\Readme.txt&&.....\Set14\baboon.bmp&&.....\.....\barbara.bmp&&.....\.....\bridge.bmp&&.....\.....\coastguard.bmp&&.....\.....\comic.bmp&&.....\.....\face.bmp&&.....\.....\flowers.bmp&&.....\.....\foreman.bmp&&.....\.....\lenna.bmp&&.....\.....\man.bmp&&.....\.....\monarch.bmp&&.....\.....\pepper.bmp&&.....\.....\ppt3.bmp&&.....\.....\Thumbs.db&&.....\.....\zebra.bmp&&.....\...5\baby_GT.bmp&&.....\....\bird_GT.bmp&&.....\....\butterfly_GT.bmp&&.....\....\head_GT.bmp&&.....\....\Thumbs.db&&.....\....\woman_GT.bmp&&.....\shave.m&&.....\SRCNN.m&&.....\model&&.....\Set14&&.....\Set5&&SRCNN
&[]:很好，推荐下载
&近期下载过的用户:
&输入关键字，在本站247万海量源码库中尽情搜索：