MAFDNet:复杂环境下图像自适应分类新方法

复杂环境下,往往困难样本和简单样本并存,现有分类方法主要针对困难样本进行设计,所构建网络用于分类简单样本时会造成计算资源的浪费;而网络修剪和权重量化等方法则不能同时兼顾模型的准确度和存储开销。为提升计算资源的使用效率并有更好的准确率,本文着眼于输入样本的空间冗余,提出了复杂环境下图像自适应分类网络MAFDNet,并引入置信度作为分类准确性的判断,同时提出了由内容损失、融合损失和分类损失组成的自适应损失函数。MAFDNet由3个子网组成,输入图像首先被送入到低分辨率子网中,该子网有效提取了低分辨率的特征,具有高置信度的样本先被识别并从网络中提前退出,低置信度的样本则需要依次进入更高分辨率的子网中,而网络中的高分辨率子网具有识别困难样本的能力。MAFDNet将分辨率自适应和深度自适应结合在一起,通过实验表明,在相同计算资源条件下,MAFDNet在CIFAR?10、CIFAR?100和ImageNet这3个复杂环境数据集上的top?1准确率均得到提升。

基于沉浸式情景的面向对象课程教学设计与实践

针对沉浸式情景在面向对象课程教学当中的应用,介绍利用面向对象方法搭建的一套数据手套驱动的沉浸式手语教学平台,详细阐述该平台设计、教学方法和策略设计、教学质量评价,并强调思政元素在手语教学平台中的融入,最后针对近3年相关专业学生参与该课程后取得的成效进行多维度效果评价。

人脸表情识别综述

人脸表情识别是人类情感识别的基础,是近年来模式识别与人工智能领域研究的热点问题。本文首先总结了人脸表情识别的发展过程,主要包括传统的表情特征提取、表情分类方法与基于深度学习的表情识别方法,并对各种算法的识别率与性能进行了分析与比较。然后介绍了表情识别常用的数据集及各数据集的优势与存在的问题,并针对这些问题归纳分析了生成对抗网络等用于数据增强的技术与方法。最后,总结了表情识别领域目前存在的问题并展望了未来可能的发展。

一种基于LEACH的异构WSN能量均衡成簇协议

无线传感网络低功耗路由的研究对于延长无线传感网络的生存周期具有重要的意义。针对多种类型数据同时采集的异构无线传感器网络,提出了LEACH改进协议—可变通信周期策略的能量均衡成簇协议ACPSEB-LEACH(Alterable Communication Period Strategy and Energy Balanced-LEACH),该协议从抑制节点数据发送量方面出发,将数据采集周期与数据通信周期分离,采取簇内可变通信周期策略以减少部分节点的能量消耗。在此基础上,引入节点活跃度因子进行簇头选举公式优化和成簇优化,实现全局网络能量均衡。仿真表明,改进后的协议在延长网络生存周期、平衡全局能量上有更好的效果。

新工科背景下物联网专业学生创新实践能力培养

针对地方高校培养出的学生高分低能现象较为普遍,不少学生不能适应社会需求的情况,提出在新工科教育的背景下,围绕加强学生理论结合实际能力,实现创新能力培养的目标,构建相适应的物联网专业培养方案和教学体系,建立本硕贯通、一体化的相互支撑和有机联系的课程体系,从基本理念、培养方案等各个方面说明创新教育的实践过程。

基于Gabor不确定度的嵌入式人脸识别系统

多尺度Gabor特征的维数和数据量过大,不适合在ARM板上直接实现完成。利用计算每个尺度Gabor特征不确定度并采用加权融合的方法,很好地解决了图像维数和数据量过大的难点。加权融合过程包括多尺度Gabor特征的提取、不确定度权值的计算和加权融合过程;同时使用了类Haar特征提取人脸、利用二维主成分分析(2DPCA)对人脸图像进行降维。基于EELiod 270嵌入式开发平台,使用ORL和Yale图像库对该方法进行了测试,并与其他人脸识别算法进行比较。结果显示,在保证识别率的同时,算法运算量大幅度下降,且实时识别效果良好。

一种结合K-means均匀分簇和数据回归的WSN能量均衡策略

针对LEACH协议簇头节点分布不均导致无线传感网节点能量消耗不均衡等不足,提出一种结合K-means均匀分簇和数据回归的能量均衡策略.采用优化初始簇中心K-means算法构建均匀分簇的分级无线传感网,通过获取节点地理位置信息,采用K-means聚类算法形成k个均匀分簇,再选举簇内节点剩余能量最多者当选簇头.该成簇算法可以使网络负载均匀,延长网络生存周期.通过优化初始簇中心的选择,降低K-means算法的迭代次数,使其更快收敛,成簇时间开销更少,簇与簇之间的地理分布也更均匀.在稳定数据传输阶段,采用数据回归的方法来减少普通节点与簇首的通信量,以达到降低功耗的作用.实验结果表明,该策略能够有效降低节点的功耗,延长网络的生存时间.

计算机接口电路的Simulink仿真

由于Simulink的模块库中,缺少各种可编程接口芯片模块,进行接口电路的仿真主要是通过确定电路的功能之后选择Simulink中的有关模块,对这些模块进行修改,重新封装,构建所需要的电路。结合Intel8255A可编程并行接口芯片(PPI),阐述了利用Simulink实现计算机接口电路仿真的过程。

融合加权颜色相关图和改进LBP的彩色人脸图像识别

彩色人脸图像识别的关键是如何获取较好的彩色人脸图像信息.根据现有算法的不足提出加权颜色相关图和LBPT算法,并采用有效的方法结合这两种方法实现高效的彩色人脸图像识别.加权颜色相关图不仅体现了彩色人脸图像中颜色的整体分布情况,还反映了颜色之间的空间相关性以及颜色的分布紧密度.LBPT算子是通过自适应获取邻域半径、确定邻域半径与邻域像素点个数关系以及阈值设定来反映灰度图像的纹理特征.二者结合表征了彩色人脸图像的颜色特征和纹理特征.实验证明,加权颜色相关图和LBPT算子的结合在识别精度上有一定的提高.

基于多子空间直和特征融合的人脸识别算法

多个子空间直和能保证多个子空间数据融合时多个子空间得到的特征向量相互两两正交,融合数据采用该特征表示时冗余最小,更有利于分类识别。本文基于多子空间直和进行特征融合,提出了一种新的人脸识别算法。通过2DPCA算法,首先分别计算所有训练样本归一化后正脸、左侧脸及右侧脸图像的协方差矩阵的各P个最大特征值对应的P个相互正交的特征向量,然后通过选取3个子空间的部分满足直和条件的特征向量组成各自的特征空间(投影空间),再将样本正脸、左侧脸及右侧脸图像分别向各自特征空间投影得到3个特征矩阵,最后将此3个特征矩阵融合为该样本的特征矩阵用于最近邻分类器进行分类识别。最终通过本文3组实验数据的对比说明了该算法能减少计算量并且提高了识别率。

结合互信息量和Log-Gabor特征的嵌入式人脸识别

Log-Gabor函数在高频端有个延长的尾巴,能有效改善普通Gabor函数低频表示不足而高频过度表示的缺点,且Log-Gabor滤波器无直流分量,带宽不受限制,比Gabor滤波器更适于提取人脸特征。一幅人脸图像经4个尺度6个方向的Log-Gabor滤波器组成的滤波器组特征提取之后,数据量是原来的24倍,而嵌入式设备资源有限,难以处理如此多的数据。提出了结合互信息量和Log-Gabor特征的嵌入式人脸识别方法。该方法使用Log-Gabor滤波器组对人脸图像进行特征提取,利用互信息量计算权值,然后用权值将Log-Gabor特征进行融合,并使用2DPCA进一步降维,最后运用最近邻分类器进行识别。实验结果表明,该方法能够在保持识别率的情况下,有效缩短识别时间。

一种结合深度学习和随机森林的地平线检测方法

已有地平线检测方法检测效果受环境影响较大,计算复杂度较高。提出了一种基于深度学习与随机森林相结合的地平线检测方法。利用深度学习模型进行深度特征提取,将得到的深度特征用于随机森林训练,采用随机森林回归投票方式得到地平线检测结果。仿真结果表明,所提方法检测效果较好。不仅在笔直的道路上检测结果与真实值比较相近,而且在阴影区域以及弯道中的预测值也基本与真实值重合,表明该方法鲁棒性强,能够很好的用于复杂道路场景中的地平线检测。

Gabor特征融合的嵌入式人脸识别系统的研究

在嵌入式人脸识别系统中,由于多尺度Gabor抽取特征的维数和数据量过大,不适合在ARM板上实现,提出了多尺度Gabor特征加权融合的方法,很好地解决了图像维数和数据量过大的难点。加权融合过程包括多尺度Gabor特征的提取、特征权值的计算和加权融合过程。同时使用了类Haar特征提取人脸、2DPCA对人脸图像进行降维。基于EELiod 270嵌入式开发平台实现了一个嵌入式系统,结合典型图片库和实际图片进行了人脸识别测试,实践结果表明,系统在保证一定的识别率的同时,大幅度降低了运行时间,实时识别效果良好。

Intel X86系列CPU模拟器的研究与实现

CPU模拟器能够提供一个了解计算机内部操作的入口,便于工程技术人员对所设计的电路进行验证,同时模拟器还是一个有效的教学工具.结合CPU电路执行一段程序的过程说明了利用Simulink构建X86CPU模拟器电路的方法,通过调用Simulink的子系统创建电路的模拟,去除多余的引脚,简化了电路,突出了使用Simulink模拟的高效性和准确性.

基于LBPT方法的彩色人脸图像识别

针对现有彩色人脸图像识别时获取较好的彩色人脸图像信息算法的不足,提出了LBPT(Local Binary Parttern Threshold)算法实现高效的彩色人脸图像识别。LBPT算法是通过自适应获取邻域半径、确定邻域半径与邻域像素点个数关系以及阈值设定来反映灰度图像的纹理特征。利用RGB颜色空间模型将彩色人脸图像分离为R,G,B 3个分量图;利用LBPT算法获取分量图的特征;利用不确定度方法为分量图特征分配权值并融合,进一步实现识别。实验证明:LBPT算子在识别精度上有一定的提高。

结合相对熵和多跳转发路由的改进WSN节能策略

目前,基于低功耗自适应集簇分层型协议(LEACH)的改进协议大多是从簇头选举、簇的分布、路径选择等方面入手,数据之间的冗余性考虑不够。提出了一种结合相对信息熵的改进LEACH协议(LEACH-CIE),结合相对熵模型,计算节点相邻两个周期数据概率分布的相对熵值,再与阈值进行比较,以此判断数据的冗余度,通过拒绝冗余数据的传输,达到降低网络能耗的目的。在数据发送阶段,考虑通信距离、能耗比等因素,提出一种兼顾自身剩余能量的多跳转发路由(MFRCRE),优化节点转发条件,均衡网络各节点的能量消耗速率。实验结果表明,该方法可以有效地降低并均衡网络节点的能耗以延长网络生存周期。

基于多源数据融合的人脸识别研究

多源人脸信息的融合识别是多源信息融合领域与人脸识别领域的交汇点,它能减少人脸多姿态、表情等因素对人脸识别的影响。通过对对已有的多源人脸的融合技术以及单源人脸的识别技术的分析,提出结合2DPCA、二维Gabor小波和多子空间分析进行多源人脸信息的融合实现多姿态人脸识别。首先,对样本图像进行二维Gabor小波特征描述,然后利用2DPCA降维,最后利用多子空间分析进行多源信息融合完成多姿态人脸的识别。试验证明方法提高了多姿态人脸识别的精度。

RD-GAN:一种结合残差密集网络的高清动漫人脸生成方法

随着动漫产业的快速发展,动漫人脸的生成成为一项关键技术。由于动漫人脸具有的高度简化和抽象的独特风格以及倾向于具有清晰的边缘、平滑的阴影和相对简单的纹理,现有方法中的损失函数面临很大的挑战,同时绘画的风格迁移技术无法获得满意的动漫结果。因此,本文提出了一种新颖的适用于动漫图像的损失函数,该函数的语义损失表示为VGG网络高级特征图中的正则化形式,以应对真实图像和动漫图像之间不同的风格,具有的边缘增强的边缘清晰损失可以保留动漫图像的边缘清晰度。4个公开数据集上的实验表明:通过本文提出的损失函数可以生成清晰生动的动漫人脸图像;在CK+数据集中,本文方法相比于现有的方法识别率提高了0.43%(宫崎骏风格)和3.29%(新海诚风格);在RAF数据集中,本文方法识别率提高了0.85%(宫崎骏风格)和2.42%(新海诚风格);在SFEW数据集中,本文方法识别率提高了0.71%(宫崎骏风格)和3.14%(新海诚风格);在Celeba数据集中也显示了本文方法优异的生成效果。实验结果说明本文方法结合了深度学习模型的优点,使检测结果更加准确。

基于深度学习的驾驶关注区域检测研究与实现

作为智能驾驶的一个关键技术,驾驶关注区域检测方法对智能驾驶或者智能预警系统的性能具有重要影响。针对现有方法存在的不足,基于深度学习,提出一种有效的驾驶关注区域检测方法。采用摄像机自标定的方法得到摄像机的内外参数,利用Canny边缘检测及二分k-means聚类实现消失点的估计,基于所得到的各种估计,建立道路检测模型,利用SSD模型训练得到深度特征,采用SSD卷积层结合FCN8的上采样层进行路面区域检测。在公开数据集上进行了测试,实验结果表明:与现有方法相比,所提的方法不但具有较好的道路检测效果,同时能够比较准确的检测出阴影部分的道路区域。

基于时空上下文信息的POI推荐模型研究

随着基于位置的社交网络(LBSN)技术的快速发展,为移动用户提供个性化服务的兴趣点(POI)推荐成为关注重点。由于POI推荐面临着数据稀疏、影响因素多和用户偏好复杂的挑战,因此传统的POI推荐往往只考虑签到频率以及签到时间和地点对用户的影响,而忽略了签到序列中用户前后行为的关联影响。为了解决上述问题,该文通过序列的表示考虑签到数据的时间影响和空间影响,建立了时空上下文信息的POI推荐模型(STCPR),为POI推荐提供了更精准的个性化偏好。该模型基于序列到序列的框架下,将用户信息、POI信息、类别信息和时空上下文信息进行向量化后嵌入GRU网络中,同时利用了时间注意力机制、全局和局部的空间注意力机制来综合考虑用户偏好与变化趋势,从而向用户推荐感兴趣的Top-N的POI。该文通过在两个真实的数据集上实验来验证模型的性能。实验的结果表明,该文所提出的方法在召回率(Recall)和归一化折损累计增益(NDCG)方面优于几种现有的方法。