基于图像重构和l_0范数稀疏表示的人脸识别算法

用现有的人脸识别方法处理人脸姿态和光照的变化仍有一定的难度,本文提出一种基于图像重构和l_0范数稀疏表示的人脸识别算法:首先,采用深度学习网络提取人脸特征;然后,根据提取的特征重构人脸图像;最后,用l_0范数快速稀疏分类的识别算法在重构图像上进行识别.基于FERET人脸数据库的实验结果表明,本算法可在姿态变化比较大的情况下保持较高的人脸识别率以及较快的识别速度.

基于深度卷积神经网络的火灾预警算法研究

烟雾检测在火灾预防中起着非常重要的作用,针对传统方法中检测精度低、开阔空间难以检测的问题,文章提出了基于深度卷积神经网络的火灾烟雾检测方法。近年来,卷积神经网络在各种目标检测中发挥着越来越重要的作用,各类应用于目标检测的神经网络框架也被提出并应用到实际生活当中,文章通过替换特征提取器(例如Inception Net和残差网络)和参数优化来改进现有的目标检测框架Faster R-CNN,Single Shot Multi Box Detector(SSD),Region-based Fully Convolutional Networks(R-FCN)并将其应用在火灾烟雾检测上。在烟雾检测数据上,m AP最高达到了56.04%,与现有的烟雾检测方法相比,文章方法在检测精度上和速度上都取得了较好的结果。