Галерея 3221530

Галерея 3221530
Все категории Антиквариат Бизнес и промышленность Билеты Бытовая электронная аппаратура Видеоигры и приставки DVD и фильмы Детские товары Для автолюбителей Здоровье и красота Игрушки и увлечения Изделия из керамики и стекла Искусство Книги Компьютеры/планшетные ПК и сети Куклы и мягкие игрушки Марки Монеты и банкноты Музыка Музыкальные инструменты и оборудование Недвижимость Одежда, обувь и аксессуары Подарочные карты и сертификаты Предметы коллекционирования Разное Реликвии и сувениры Сотовые телефоны и аксессуары Специальные услуги Спорт. сувениры и тов. для болельщиков Спортивные товары Товары для дома и сада Товары для путешествий Товары для рукоделия Товары для ухода за домашними животными Фотоаппараты и видеокамеры Ювелирные украшения и часы
Войдите в систему , чтобы просмотреть свои сведения о пользователе
Произошла ошибка. Чтобы узнать подробнее, посмотрите корзину.
Пользователи, которые просмотрели этот товар, также просмотрели
BUY 2, GET 1 FREE (add 3 to cart) See all eligible items and terms
Надежный продавец, быстрая доставка и простой возврат товаров.
Вы получите ваш заказ, либо мы возместим его стоимость.
Tablot Samba Cabriolet - Vintage Photograph 3221919
“ These photos emanate from a working newspaper archive thus concede routine physical
” ... Подробнее Подробнее o состоянии товара
Не отправляет товар в: Российская Федерация . См. подробнее о доставке
60-дневный возврат товаров . Продавец оплачивает доставку возвращаемого товара . См. подробнее - дополнительная информация о возвратах

Средство перевода предоставлено исключительно для вашего удобства. Точность и доступность перевода не гарантируется.

Примечание. Точность и доступность перевода не гарантируется.

Продавец берет на себя полную ответственность за это объявление о товаре.
Последнее обновление 24.02.2023 15:52:05 MSK Просмотреть все версии Просмотреть все версии
“These photos emanate from a working newspaper archive thus concede routine physical
imperfections that can include production flaws, hand placed editorial notes, and paste residue. These
details can be seen in the auction photo which shows front and back. Also creasing, border chips and minor
paper loss can occur. View all photos thoroughly prior to bidding.”
Описание товара, предоставленное продавцом
Для получения подробной информации см. Условия возврата eBay открывается в новом окне или в новой вкладке . Если вы получили товар, не соответствующий описанию, на вашу покупку распространяется действие Гарантии возврата денег eBay открывается в новом окне или в новой вкладке .
Продавец берет на себя полную ответственность за это объявление о товаре.
Последнее обновление 24.02.2023 15:52:05 MSK Просмотреть все версии Просмотреть все версии
Товар не доставляется в Российская Федерация
Выбрать страну: -Выбрать- Австралия Австрия Азербайджан Албания Алжир Американские Виргинские о-ва Американское Самоа Ангилья Ангола Андорра Антигуа и Барбуда Аргентина Армения Аруба Афганистан Багамы Бангладеш Барбадос Бахрейн Беларусь Белиз Бельгия Бенин Бермуды Болгария Боливия Босния и Герцеговина Ботсвана Бразилия Бруней-Даруссалам Буркина-Фасо Бурунди Бутан Вануату Ватикан Великобритания Венгрия Венесуэла Виргинские острова (Великобритания) Вьетнам Габон Гаити Гайана Гамбия Гана Гваделупа Гватемала Гвинея Гвинея-Бисау Германия Гернси Гибралтар Гондурас Гонконг Гренада Гренландия Греция Грузия Гуам Дания Демократическая Республика Конго Джерси Джибути Доминика Доминикана Египет Замбия Западная Сахара Западное Самоа Зимбабве Израиль Индия Индонезия Иордания Ирак Ирландия Исландия Испания Италия Йемен Кабо-Верде Казахстан Каймановы острова Камбоджа Камерун Канада Катар Кения Кипр Киргизия Кирибати Китай Колумбия Коморские острова Конго Коста-Рика Кот-д'Ивуар Кувейт Лаос Латвия Лесото Либерия Ливан Ливия Литва Лихтенштейн Люксембург Маврикий Мавритания Мадагаскар Майотта Макао Македония Малави Малайзия Мали Мальдивы Мальта Марокко Мартиника Маршалловы острова Мексика Микронезия Мозамбик Молдова Монако Монголия Монтсеррат Намибия Науру Непал Нигер Нигерия Нидерландские Антильские острова Нидерланды Никарагуа Ниуэ Новая Зеландия Новая Каледония Норвегия О. Святой Елены Объединенные Арабские Эмираты Оман Острова Кука Пакистан Палау Панама Папуа – Новая Гвинея Парагвай Перу Польша Португалия Пуэрто-Рико Реюньон Руанда Румыния США Сальвадор Сан-Марино Саудовская Аравия Свазиленд Сейшельские о-ва Сенегал Сент-Винсент и Гренадины Сент-Китс и Невис Сент-Люсия Сент-Пьер и Микелон Сербия Сингапур Словакия Словения Соломоновы о-ва Сомали Суринам Сьерра-Леоне Таджикистан Таиланд Тайвань Танзания Теркс и Кайкос Того Тонга Тринидад и Тобаго Тувалу Тунис Туркменистан Турция Уганда Узбекистан Уоллис и Футуна Уругвай Фиджи Филиппины Финляндия Фолклендские о-ва Франция Французская Гвиана Французская Полинезия Хорватия Центральноафриканская Республика Чад Черногория Чехия Чили Швейцария Швеция Шри-Ланка Эквадор Экваториальная Гвинея Эритрея Эстония Эфиопия Южная Корея Южно-Африканская Республика Ямайка Япония
Налог с продаж за товар № 394479908322
Налог с продаж за товар № 394479908322
Продавец взимает налог с продаж за товары, отправляемые в следующие штаты:
Регион Налоговая ставка с продаж
1***i (3242) - Отзыв, оставленный покупателем 1***i (3242).
r***5 (116) - Отзыв, оставленный покупателем r***5 (116).
e***e (3902) - Отзыв, оставленный покупателем e***e (3902).
Refresh your browser window to try again.
Произошла ошибка, повторите попытку.
Продавец оплачивает доставку возвращаемого товара
Товар обычно отправляется в течение 3 раб. дн. после получения платежа.

All Books Conferences Courses Journals & Magazines Standards Authors Citations
In this paper, a behavior recognition model based on fused convolutional neural network is constructed based on the combination of dual stream neural network, 3D convolut... View more
Abstract: The purpose is to minimize subjective errors in the manual analysis of volleyball game videos and improve the traditional Human Behavior Recognition (HBR) algorithms’ exc... View more
The purpose is to minimize subjective errors in the manual analysis of volleyball game videos and improve the traditional Human Behavior Recognition (HBR) algorithms’ excessive calculation, high hardware requirements, and poor long-stream video modeling ability. Firstly, this paper expounds on the relevant theories. Secondly, a fusion Convolutional Neural Network (CNN)-based HBR model is implemented. It combines the two-stream CNN (TSCNN), Three-Dimensional (3D) CNN, and Long Short-Term Memory (LSTM) and gives full play to the LSTM’s long-term Dynamic Information Extraction (DIE) ability. Finally, the public dataset is selected to verify the model’s volleyball-game-video-oriented HBR performance. Here are the experimental results. (1) The optimal key parameters of the proposed fusion-CNN-based HBR model are determined as follows: the number of video segments is three, the average method is used for feature fusion, and then the HBR accuracy is the highest when the fusion ratio of spatial feature map and temporal feature map is 4:6, and the learning rate is 0.0014. (2) The average recognition accuracy of the proposed fusion-CNN-based HBR model on three different datasets is 4%, 2.7%, and 3% higher than other popular networks, respectively. The improvement effect of the model is remarkable, and it is suitable for studying Human Behavior Analysis (HBA) in volleyball match videos. Finally, the proposed HBR model can provide more accurate results for volleyball videos’ HBR, which is significant in promoting the rapid development of volleyball sports. The proposed model can classify and label videos and understand and describe video behaviors to simplify video processing procedures and save social resources.
Published in: IEEE Access ( Volume: 10 )
Date of Publication: 11 November 2022
In this paper, a behavior recognition model based on fused convolutional neural network is constructed based on the combination of dual stream neural network, 3D convolut... View more
TABLE 1
Ablation experimental results
W. Gu, J. Zhang, J. Zhang, Z. Li and L. Nie, "Study on the influence of volleyball sports on the construction of physical culture in colleges and universities", World Sci. Res. J , vol. 7, pp. 47-51, Jan. 2021.
K. Aini, M. Asmawi and R. Pelana, "Games based model of volleyball passing exercise for junior high school student", ACTIVE J Phys. Educ. Sport Health Recreat. , vol. 9, pp. 17-22, Mar. 2020.
F. A. Salim, F. Haider, D. Postma, R. van Delden, D. Reidsma, S. Luz, et al., "Towards automatic modeling of volleyball players’ behavior for analysis feedback and hybrid training", J. Meas. Phys. Behav. , vol. 3, no. 4, pp. 323-330, May 2020.
J. Chang, S. Hong, D. Son, H. Yoo and H. Ahn, "Development of real-time video surveillance system using the intelligent behavior recognition technique", J. Inst. Internet Broadcast. Commun. , vol. 19, no. 2, pp. 161-168, Feb. 2019.
Y. Chen, S. Hu, H. Mao, W. Deng and X. Gao, "Application of the best evacuation model of deep learning in the design of public structures", Image Vis. Comput. , vol. 102, Oct. 2020.
M. Hu, Y. Zhong, S. Xie, H. Lv and Z. Lv, "Fuzzy system based medical image processing for brain disease prediction", Frontiers Neurosci. , vol. 15, pp. 965, Jul. 2021.
C. Liu, J. Ying, H. Yang, X. Hu and J. Liu, "Improved human action recognition approach based on two-stream convolutional neural network model", Vis. Comput. , vol. 37, no. 5, pp. 1327-1341, Jun. 2021.
Y. Hu, "Design and implementation of abnormal behavior detection based on deep intelligent analysis algorithms in massive video surveillance", J. Grid Comput. , vol. 18, pp. 227-237, Aug. 2020.
J.-C. Chen, C.-Y. Lee, P.-Y. Huang and C.-R. Lin, "Driver behavior analysis via two-stream deep convolutional neural network", Appl. Sci. , vol. 10, no. 6, pp. 1908, Mar. 2020.
L. Chen, R. Liu, D. Zhou, X. Yang and Q. Zhang, "Fused behavior recognition model based on attention mechanism", Vis. Comput. Ind. Biomed. Art , vol. 3, no. 1, pp. 1-10, Sep. 2020.
S. Lan, S. Jiang and G. Li, "An elevator passenger behavior recognition method based on two-stream convolution neural network", J. Phys. Conf. , vol. 1955, no. 1, Jun. 2021.
Z. Du, G. Zhang, W. Lu, T. Zhao and P. Wu, "Spatio–temporal transformer for online video understanding", J. Phys. Conf. , vol. 2171, May 2022.
A. Dhillon and G. K. Verma, "Convolutional neural network: A review of models methodologies and applications to object detection", Prog. Artif. Intell. , vol. 9, no. 2, pp. 85-112, 2020.
R. P. de Lima and K. Marfurt, "Convolutional neural network for remote-sensing scene classification: Transfer learning analysis", Remote Sens. , vol. 12, no. 1, pp. 86, Sep. 2020.
R. Yamashita, M. Nishio, R. K. G. Do and K. Togashi, "Convolutional neural networks: An overview and application in radiology", Insights Imag. , vol. 9, pp. 611-629, Sep. 2020.
A. Khan, A. Sohail, U. Zahoora and A. S. Qureshi, "A survey of the recent architectures of deep convolutional neural networks", Artif. Intell. Rev. , vol. 53, no. 8, pp. 5455-5516, Mar. 2021.
L. Wang, L. Wang, H. Lu, P. Zhang and R. Xiang, "Salient object detection with recurrent fully convolutional networks", IEEE Trans. Pattern Anal. Mach. Intell. , vol. 41, no. 7, pp. 1734-1746, Apr. 2018.
Y. Yu, X. Si, C. Hu and Z. Jianxun, "A review of recurrent neural networks: LSTM cells and network architectures", Neural Comput. , vol. 31, no. 7, pp. 1235-1270, Nov. 2019.
T. Fischer and C. Krauss, "Deep learning with long short-term memory networks for financial market predictions", Eur. J. Oper. Res. , vol. 270, no. 2, pp. 654-669, Jul. 2018.
Le, Ho, Lee and Jung, "Application of long short-term memory (LSTM) neural network for flood forecasting", Water , vol. 11, no. 7, pp. 1387, Apr. 2019.
E. Zhang, B. Xue, F. Cao, J. Duan, G. Lin and Y. Lei, "Fusion of 2D CNN and 3D DenseNet for dynamic gesture recognition", Electronics , vol. 8, no. 12, pp. 1511, Dec. 2019.
W. Zhou, Z. Chen and W. Li, "Dual-stream interactive networks for no-reference stereoscopic image quality assessment", IEEE Trans. Image Process. , vol. 28, no. 8, pp. 3946-3958, Oct. 2019.
T. Akilan, Q. J. Wu, A. Safaei, J. Huo and Y. Yang, "A 3D CNN-LSTM-based image-to-image foreground segmentation", IEEE Trans. Intell. Transp. Syst. , vol. 21, no. 3, pp. 959-971, Aug. 2019.
Y. Ren, C. Zhu and S. Xiao, "Small object detection in optical remote sensing images via modified faster R-CNN", Appl. Sci. , vol. 8, no. 5, pp. 813, Dec. 2018.
L. Zhang and H. Schaeffer, "Forward stability of ResNet and its variants", J. Math. Imag. Vis. , vol. 62, no. 3, pp. 328-351, Jan. 2020.
S.-L. Lin, "Application combining VMD and ResNet101 in intelligent diagnosis of motor faults", Sensors , vol. 21, no. 18, pp. 6065, Feb. 2021.
Q. Zhu, Z. He, T. Zhang and W. Cui, "Improving classification performance of softmax loss function based on scalable batch-normalization", Appl. Sci. , vol. 10, no. 8, pp. 2950, Jun. 2020.
C. Zhang, E. Nateghinia, L. F. Miranda-Moreno and L. Sun, "Winter road surface condition classification using convolutional neural network (CNN): Visible light and thermal image fusion", Can. J. Civil Eng. , vol. 49, no. 4, pp. 569-578, May 2022.
V. Bijalwan, V. B. Semwal, G. Singh and T. K. Mandal, "HDL-PSR: Modelling spatio–temporal features using hybrid deep learning approach for post-stroke rehabilitation", Neural Process. Lett. , vol. 16, pp. 1-20, Jan. 2022.

IEEE Account

Change Username/Password
Update Address

Purchase Details

Payment Options
Order History
View Purchased Documents

Need Help?

US & Canada: +1 800 678 4333
Worldwide: +1 732 981 0060

Contact & Support

In the last several decades, team ball games like volleyball have been among the top popular sports worldwide with successful commercialization [1] . Volleyball demands less physical contact than basketball, football, and baseball. For that reason, many people choose volleyball over basketball and football for physical exercise or entertainment [2] . Nevertheless, players must hit the ball with specific body parts and proper poses in volleyball to avoid injuries and improve serving and attacking accuracy and strength. Besides, the individual influence on game results might be more significant than other sports, given its relatively short innings, fewer players, and smaller courts [3] . During a match, the referee judges the athlete’s behavior through direct observation or video replay, which is somewhat subjective. Thus, referees’ experience and expertise might weigh too much sometimes. Therefore, the judgment might not always be accurate or comprehensive, and instability might become another concern. Volleyball game videos can be used to analyze athletes’ individual and group behaviors. It is also very important for the players and coaches to learn from their mistakes and opponents’ competencies. Compared with ordinary Two-Dimensional (2D) images, video information is more straightforward and better reflects real-game scenarios. Therefore, the traditional 2D image-oriented feature extraction is unsuitable for video behavior recognition [4] . With the rapid development of Computer Technology (CT), especially Artificial Intelligence (AI), spatiotemporal feature extraction methods are maturing and prevailing.
Deep Learning technology is widely used in image processing. For example, Chen et al. studied applying an optimal evacuation model based on Deep Learning in public structure design [5] . Hu et al. explored the application of Deep Learning in medical image processing [6] . Liu et al. improved the accuracy of human abnormal behavior recognition through a two-stream Convolution Neural Network (CNN) and obtained a higher accuracy than other literature methods [7] . Hu proposed an improved spatiotemporal CNN to simplify the high-complexity population anomaly detection model, extract time-related features, and increase training samples. They discovered that most abnormal behaviors could be detected, and the alarm information could be transmitted in real-time [8] . Chen et al. constructed a behavior analysis system based on Three-Dimensional (3D)-CNN. A spatial-stream CNN was used to extracted spatial features, and a temporal-stream CNN captured human motion information. Compared with traditional 2D-CNN, 3D-CNN could comprehensively extract video behavior features from space and time dimensions [9] . Chen et al. built a lightweight and efficient 2D and 3D integrated model. In the integrated model, 2D-CNN could obtain the feature mapping of the input image, and 3D-CNN could deal with the time relationship between frames. The proposed integrated model used the advantages of 3D-CNN in video time mode
Порно фото молоденькой девчонки с маленькими сиськами
Фейки с Пэрис Хилтон
Любительские порно фото очаровательной блондинистой телки

Галерея 3221530

Report Page