CNS-Net:一种循环多注意力特征聚合架构

基于卷积神经网络(convolutional neural network,CNN)方法在高分辨率遥感图像分类时,提取全局特征信息和局部特征信息方面有一定优势,但不能有效区别关键信息和干扰信息。由此,提出一种端到端的CNS-Net网络来提取图像显著性特征。首先,设计了一个全局增强性模块(global enhancement module,GEM)通过显示建模通道之间的相互依赖关系,使网络选择性提取关键区域;其次,提出了一个多级循环注意模块(multi-stage cyclic attention module,MCAM)来捕捉特征信息的长期依赖关系和上下文感知信息;最后,在4个公共数据集上进行实验,结果表明所提方法达到了最优的分类性能。

FSDN:基于嵌套U-Net结构的人脸阴影检测模型

人脸阴影检测通常作为人脸图像相关任务的预处理步骤,避免阴影带来干扰。提出基于深度学习的人脸阴影检测方案,在解决方案中,首先根据光照和人脸结构信息,对耶鲁人脸数据库中1600张光照不均匀人脸图像的阴影区域进行标注,构建人脸阴影检测数据集;之后设计基于嵌套U-Net结构和注意力模块的人脸阴影检测网络,嵌套U-Net结构被用于提取图像的高分辨率信息和全局特征,注意力模块被用于融合各个嵌套U-Net的输出,同时抑制低阶子层带来的噪声信息;最后在标注的人脸检测数据集上对网络进行了评估,实验结果表明,所提方法的平均检测错误率比对照组中最优方案降低了14.2%,可以有效地检测图像中的小面积阴影,并提供更精确的阴影边缘定位。

基于特征点矢量与纹理形变能量参数融合的人脸表情识别

人脸表情识别是人机交互领域的研究热点和难点之一。为了有效去除由于个体差异而造成的表情特征的差异,该文首先基于特征点矢量提出特征点距离比例系数;其后,又给出纹理形变能量参数的概念;最后,将二者融合用于人脸表情识别。所提方法在Cohn-Kanade数据库及BHU人脸表情数据库进行了测试,实验结果表明该方法较传统的方法在识别率上分别提高了4.5%与3.9%。

基于机器视觉的锦纶丝染色能力判定

针对项目合作企业在锦纶丝染色能力判定方面遇到的问题,介绍了企业的判定方法和原理。在此基础上,就实践生产中遇到的问题,提出了基于机器视觉的锦纶丝染色能力判定方法,并给出了相关的理论证明。实验结果表明该方法不仅可以给出锦纶丝染色能力的量化值和避免染花现象对判定结果的影响,而且能有效地应用于企业生产实践。

文科专业《数据库技术及应用》课程教学改革探究

结合理论与实验教学实践,综合分析当今高校文科生学习《数据库技术及应用》课程的现状及存在问题,并提出了相应的改革措施,以达到提高教学质量的目的。

区块链技术的应用进展与发展趋势

从2015年以来,作为比特币底层技术的区块链技术,开始成为继物联网、云计算、大数据和人工智能之后,人们争相研究和应用的热点,并被Gartner列为未来十大技术发展趋势之一。区块链具有去中心化、共识机制、不可篡改、智能合约等特性,是一种全新的、去中心化架构的计算范式。本文在分析、比较国内外区块链研究现状和简要介绍区块链关键技术(原理)的基础上,梳理了近几年区块链技术的最新应用进展,分析当前区块链应用面临的主要问题,对区块链未来的应用前景与发展趋势进行展望,进而为未来区块链的研究和应用提供有益的启发和借鉴。

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法。首先,提取查询图像和图像库中样本图像的GIST(Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果。实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率。

基于颜色空间与聚类分析相结合的袜带辨色分级方法

针对丝卷检测中锦纶长丝染色均匀度测定的问题,采用CCD摄像头提取袜套样本图像,提出了应用商图像归一化的方法对袜套图像进行光源空间均匀性校正;应用多项式回归模型对摄像头提取的袜套样本图像进行色度特征化处理,得到的平均和最大色差分别为0.439和1.328 CIELAB色差单位;通过HSV颜色空间的色度百分率直方图,得到待检测袜套的颜色特征值,再由经验方程将其转化为聚类分析的输入矢量,最后应用聚类的方法对全体袜套的特征进行分析,得到袜带的染色分级区间及各段袜套的染色评级。结果表明,取得聚类过程中的参数最大迭代次数为100,终止误差限为1×10-5,模糊加权指数为2,得到聚类中心个数分别取2、3、4、5时的分类结果与人眼视觉比较,误差在0.125%以内,该误差远低于生产技术指标的允许误差,可用于对袜套颜色指标的检测和分级。

袜套自动辨色分级专家系统设计与应用

针对丝卷检测中涤纶长丝染色均匀度分级评判的问题,设计了袜套自动辨色分级系统软件的各个模块,并按软件组织结构的要求,采用Visual C++软件设计平台设计了袜套自动分级辨色软件系统。其中三大模块:袜套颜色特征提取模块的设计主要应用了HSV颜色空间理论;分级评判模块的设计主要应用了专家系统理论;信息存储模块的设计主要应用了数据库技术。结果表明:该系统通过简洁的软件操作界面,实现了对袜套颜色的迅速、高效分类以及全局分析,是一个较为实用的袜套自动辨色分级系统。

基于深度学习的甜味剂分类模型

针对开发甜味剂过程中筛选百万级别甚至千万级别的天然或合成分子需要大量时间和资金的问题,该研究提出了一种基于深度学习的甜味剂分类模型。首先对数据集进行了扩增和优化,生成分子指纹以及分子图片,然后将注意力机制加入到DenseNet结构中,对分子特征和提取的特征进行融合。在20029个分子图像和分子指纹数据集上进行训练,并在独立测试集上进行模型检验。试验结果表明,分类准确率为0.934,准确率波动幅度小于0.005,4类物质(强甜味、弱甜味、无味、苦味)的分类精度均超过0.91,优于传统机器学习模型和常用的卷积神经网络模型,可以从大量分子中筛选并识别目标分子,能使相关研究人员更容易地筛选出潜在甜味剂,并为将来甜味剂的筛选提供了一种思路与方法。

动态人脸图像序列中表情完全帧的定位与识别

考虑到人脸表情演变是一个持续过程,相比于静态图像,动态图像序列更适合作为人脸表情识别的研究对象。该文提出了一种基于嵌入网络的序列帧定位模型,利用加载预训练权重的Inception ResNet v1网络提取人脸表情序列各帧的特征向量,通过计算特征向量间的欧氏距离,定位出具有最大表情强度的完全帧,进而获取人脸表情序列数据;为了进一步验证定位模型的准确性,分别利用VGG16模型和ResNet50模型对定位的完全帧进行人脸表情识别。在CK+和MMI人脸表情数据库上进行了实验,所提的序列帧定位模型的定位平均准确率分别达到98.31%和98.08%;利用VGG16模型与ResNet50模型对定位的完全帧进行表情识别,在两个数据库上的实验结果分别达到了96.32%和96.5%,87.23%和87.88%,结果表明所提出的模型能够获取可靠的表情完全帧,并取得了令人满意的人脸表情识别效果。

基于改进Retinex与光照补偿的人脸身份识别

为解决不均匀的光照分布影响人脸身份识别的准确率问题,提出了一种无约束光照条件下的人脸身份识别方法.该方法首先基于改进的Retinex理论对人脸灰度图像进行光照预处理;然后对处理后人脸图像中鼻子周围的遮挡阴影区域进行光照补偿;最后利用主动外观模型定位人脸特征点,并选取关键特征点计算人脸身份特征,进而实现人脸身份识别.基于扩展Yale人脸数据库和CMU-PIE数据库进行实验,结果表明所提方法能有效改善人脸图像的光照情况,提高人脸身份识别率.