基于自适应角度损失函数的深度人脸识别算法研究

角度空间损失函数往往因需要手动调节超参数而引起算法训练的不稳定,类别标签数量的不同也将导致算法的移植性较差。针对这些问题,提出一种带有下界判断的自适应角度空间损失函数并应用于人脸识别。该方法以假设人脸表达特征分布在超球体空间为切入点,通过分析不同超参数对训练结果的影响,使预测概率公式的二阶导数为零并动态地计算当前mini-batch角度分布的去尾平均数;为了提高算法的可移植性,根据类别中心的最小期望后验概率给出自适应调节超参数的下界。通过在LFW和MegaFace百万级人脸数据集上进行算法评估,证明提出的方法可以有效地提高人脸识别精度以及模型收敛率,在亚洲人脸数据集上的实验证明该方法具有较好的鲁棒性与移植性。

浅析矿山测量技术在矿山工程中发展应用

我国矿山工程行业由于经济的推动而不断向前发展,作为矿山工程建设的重要组成部分矿山测量技术也需要根据时代的要求而不断创新。因此,从矿山测量技术的发展现状作为切入点,对未来矿山测量技术的发展进行展望,来实现矿山工程建筑企业发展的需要成为当今所面临的新的课题。

基于特定区域去相关的行人检测算法

针对传统行人检测算法提取特征包含大量冗余信息且识别精度低的问题,提出一种基于特定区域去相关的行人检测算法.根据平均人形模板特征图的响应值,证明头肩区域是分类阶段最具鉴别力的区域.将该统计人形先验信息融入到特征通道的去相关操作中,对头肩区域提取协方差生成一种新式滤波器,并在测试阶段与每个通道内的整个检测窗口共享,同时研究了跨通道共享协方差的问题.大量实验结果表明,提出的方法能够在维持检测速度不变的前提下有效降低平均对数漏检率,从而满足实时行人检测的要求.