轻量级空间移位MLP用于指静脉分割

基于CNN和Transformer架构图像分割网络模型参数繁多、计算复杂,需要消耗大量的内存资源,这使得它们无法满足快速、有效的指静脉图像分割需求,并且在算力有限的嵌入式平台部署非常困难。因此,提出一种基于MLP的轻量级手指静脉分割算法。首先,通过不同轴向移动特征图获取信息流来捕获局部依赖性,提高局部信息提取能力;其次,使用标记MLP块对特征图进行标记和投影卷积特征;然后,在下采样和上采样之前都添加一个轻量级注意力模块来提升分割性能,在输入到MLP的同时转移输入的通道,使网络模型更专注于学习本地依赖性。在SDU-FV、HKPU和UTFVP三个公开的手指静脉数据集中进行实验,结果表明:该方法仅使用了346.949K Params、1.835G Flops和11.023M的计算复杂度,分割性能指标Dice、AUC、Acc分别达到0.515 6、0.895 9、91.68%。在三种NVIDIA嵌入式平台上,该算法的Dice和AUC指标均取得了最优性能。

自适应主元提取算法及其在人脸图像特征提取中的应用

本文指出了E .Oja将统计主元分析思想用于递推网络与S .Kung自适应主元提取 (APEX)算法在提取特征信息上的共同点和差异 ,证明了该算法的收敛性 .仿真结果验证了该算法的收敛性和稳定性 ,分析了主元数、子图像大小及学习率参数对该算法的影响 ,说明了该算法在人脸识别中是一种运算量较小的有效特征提取方法 .

面向活体人脸检测的时空纹理特征级联方法

为了解决身份认证中的安全问题,通常采用活体人脸检测方法.为提高活体人脸检测的鲁棒性,文中提出时空纹理特征级联方法.首先采用局部二值模式(LBP)计算韦伯局部描述符(WLD)的差分激励,利用Prewitt算子计算WLD的方向角,提取时空域的纹理特征.再将3个正交时空平面XY、XT、YT的纹理特征直方图进行级联,得到动态纹理特征即时空纹理级联特征,并对真实人脸和伪装人脸做出判定.在公开活体人脸数据库上的实验表明,相比现有主流局部纹理特征方法,文中方法识别率更高.

基于双激活层深度卷积特征的人脸美丽预测研究

目前,人脸美丽预测存在数据规模小、分类难度大、深度特征研究不足等问题.为此,本文提出基于双激活层深度卷积特征的人脸美丽预测研究的解决方案.首先,采用数据增强和人脸对齐方法来增加训练集的样本数量和提高数据库的数据质量.其次,提出一种双激活层改进CNN模型,使其更适合人脸美丽预测应用.实验结果表明,本文所提方法在分类和回归预测方面均大幅度优于传统人脸美丽预测方法;同时,在主流的CNN模型中取得了较好的实时性和准确性,基于2000测试集的分类准确率达到61.1%,回归相关度达到0.8546.因此,双激活层在深层人脸美丽特征学习中发挥了重要作用,可广泛应用于人脸图像识别与处理.

一种基于奇异值特征的神经网络人脸识别新途径

本文在ZHong等人使用的奇异值分解 (SVD)基础上 ,将人脸图像矩阵的奇异值作为识别特征 ,解决了奇异值处理、神经网络训练策略和竞争选择问题 ;运用BP网络进行识别 ,提出了一种基于奇异值特征的神经网络人脸识别新方法 .基于ORL人脸数据库的多次反复实验结果表明 ,在大样本情况下 ,识别方法具有实现简单、识别速度快、识别率高的特点 ,为人脸的实时识别提供了一种新途径 .

核零空间线性鉴别分析及其在人脸识别中的应用

零空间线性鉴别分析NLDA充分利用样本总类内离散度矩阵的零空间信息,能有效克服线性鉴别分析LDA的小样本问题.核方法通过非线性映射,将输入空间样本映射到高维特征空间,再在高维特征空间利用线性特征提取算法.因此,核方法属于非线性特征提取算法.文中结合LDA、NLDA和核方法的优点,引入了核零空间线性鉴别分析KNLDA,导出了KNLDA算法.该算法通过引入核函数,得到低维矩阵,有效避免了直接计算复杂的非线性映射函数,解决了高维类内离散度矩阵的维数灾难问题.同时,将KNLDA算法应用于人脸识别.基于ORL人脸数据库以及ORL与Yale混合人脸数据库的实验结果表明了KNLDA算法的有效性.

基于不变矩特征和神经网络的人脸识别模型

不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例不变性,广泛应用于图像识别。该文将图像矩阵的不变矩作为识别特征,建立了人脸识别模型。将人脸图像经过不变矩特征提取、不变矩矢量标准化及不变矩矢量排列处理后,运用BP网络进行识别,经过竞争选择,获得识别结果。利用ORL人脸数据库进行仿真实验,结果表明,该文的人脸识别模型实现简单、识别率高、训练速度与识别速度较快、便于实时实现。

基于BP神经网络的人脸识别

将BP神经网络用于人脸识别 ,建立了人脸识别模型 ,研究了样本采样训练、样本批量训练和样本完整训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP神经网络与竞争选择处理过程。利用ORL人脸图像数据库进行了仿真实验 ,结果表明 ,其识别模型在实际应用中是可行的。该模型简单 ,识别率较高。如将训练策略配合使用 ,则在提高训练速度和训练效率的同时 。

基于径向基函数与B样条曲线的三维人脸重建方法

用二维人脸照片构造三维特定人脸模型是三维人脸建模研究的热点问题。采用立体视觉重建三维特征点,通过人脸正侧面照片特征点的分层、分部位的径向基函数重构一般人脸模型,得到部位轮廓特征明显的三维特定人脸模型,利用B样条曲线进行三维人脸曲面重构;然后运用拉普拉斯金字塔法得到近似的人脸全视角纹理图;再将近似人脸全视角纹理图映射到三维特定人脸模型,从而得到三维特定真实感的人脸模型。实验结果表明,该方法计算简单,生成特定人脸模型效果逼真,可用于特定人脸动画制作的逼真人脸建模。

基于对角DCT与2DPCA算法的人脸识别

提出了一种对角离散余弦变换(Discrete Cosine Transform,DCT)和二维主元分析(Two-Dimensional Principal Component Analysis,2DPCA)相结合的人脸识别方法。该算法首先将人脸图像转换成对角图像,同时利用DCT压缩并重建人脸图像;然后通过2DPCA进行特征提取得到人脸识别特征;最后运用最近邻分类器进行识别。基于ORL(Olivetti Research Laboratory)、受污损ORL及Yale人脸数据库的实验结果证明了该算法的有效性。

基于小波变换的二维独立元在人脸识别中应用

针对二维主元分析(Two-Dimensional Principal Component Analysis,2DPCA)和独立元分析(Independent Component Analysis,ICA)的特点,给出了二维独立元分析(Two-Dimensional Independent Component Analysis,2DICA)的概念。在2DICA算法的基础上,提出了基于小波变换(Wavelet-Transform,WT)的2DICA(Wavelet-Transform and Two-Dimensional Independent Component Analysis,WT-2DICA)人脸识别算法。首先,利用小波变换将原始图像的高频分量和低频分量进行不同程度的分离,并忽略高频分量,获得原始图像的基本特征;然后,利用2DICA算法求得投影特征;最后依据最近邻法则完成人脸识别。基于ORL(Olivetti Research Laboratory)与Yale人脸数据库的实验结果表明,WT-2DICA算法正确识别率高于2DPCA算法与2DICA算法,是一种有效的人脸识别方法。

工程实践项目:回归工程之本义

在回归工程思想的引导下,近年来大学生工程实践项目在美国发展十分迅速,在美国大学工学院的人才培养中发挥着重要作用。本文力图从类型分析的角度对其进行研究,并从目的和需求两个方面对其特点、模式等进行分析,在此基础上,对我国高等工程教育实践教学环节的改革提出一些建议和对策。

基于局部小波变换与奇异值分解的虹膜识别算法

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。文章提出了一种基于局部小波变换和奇异值分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波分解,并对各窗口的子带图像作筛选处理,然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩,得到虹膜识别特征。最后利用加权欧氏距离分类器进行识别。基于CASIA虹膜数据库的实验结果表明了该算法的有效性,为虹膜识别提供了一种新途径。

结合局部二值模式和卷积神经网络的人脸美丽预测

卷积神经网络(Convolution Neural Network,CNN)用于人脸美丽预测,能学习到深层次的特征表达,但提取的是全局特征,忽略了人脸的局部信息,因此,泛化能力不强。为此,本文提出一种结合局部二值模式(Local binary pattern,LBP)和卷积神经网络的人脸美丽预测算法。首先,利用数据增强技术扩大数据库规模;其次,将LBP纹理图像和原始灰度图像进行通道融合;再采用1×1卷积操作进行通道特征图的线性组合,从而实现网络跨通道的信息整合,提升人脸美丽预测精度。基于大规模亚洲女性人脸美丽数据库(Large Scale Asian Fe-male Beauty Database,LSAFBD)的实验结果表明,该算法在分类和回归预测中均取得了较好效果,优于其他模型的人脸美丽预测算法;表明在卷积神经网络中加入纹理图像能有效提升人脸美丽预测精度。

基于人脸与虹膜的融合算法研究

对原始图像作对角变换,并在此基础上利用二维离散余弦变换(2DDCT)进行特征压缩,将人脸与虹膜特征相融合,利用二维主元分析(2DPCA)分别从纵横双向进行特征提取,最后利用最小距离分类器进行识别。基于CAS-PEAL人脸数据库与CASIA虹膜数据库的实验结果表明,该方法降低了维数,有效地利用了分类特征信息,提高了正确识别率;证明了该算法的有效性,为多生物特征识别提供了一种新途径。

基于3D卷积神经网络的活体人脸检测

非法入侵者通过伪装人脸骗取系统认证,给人脸认证系统带来了严重的威胁。因此,活体人脸检测成了人脸认证系统走向实用必须解决的一个重要课题。现有活体人脸检测方法多为基于照片的人脸攻击方面的研究成果,对于基于视频的人脸攻击,效果并不理想。3D卷积神经网络(Convolutional Neural Network,CNN)具有深度学习的特点,能自动学到图像的分布式特征表示;与2D卷积相比,它能学到连续视频帧的动作信息。本文结合3D卷积神经网络的特性,提出利用3D卷积实现视频人脸伪装检测。通过提取3D卷积神经网络最后全连接层学到的时间空间特征,训练SVM(Support Vector Machine)分类器,实现真实人脸和伪装人脸的分类。实验采用两个人脸伪装公开数据库Replay Attack和CASIA,实现多尺度内部数据库测试和交叉数据库测试。实验结果相对于纹理特征及2D卷积方法有较大提高,可应用于视频人脸攻击的活体人脸检测。

轻量化多特征融合的指纹分类算法研究

快速准确的指纹分类在大型指纹识别系统中是加速目标指纹查找的关键技术。目前,指纹分类算法存在复杂度高、操作繁琐、参数较多、所需数据规模大、且无法充分利用指纹特征信息等问题。神经网络深层提取的特征更加关键,也更有代表性,但忽略了部分浅层信息。针对指纹分类存在的问题,本文提出一种轻量化多特征融合的指纹分类算法。该算法设计了轻量化Finger-SqueezeNet来训练指纹图像,采用查表法求得指纹的细化图之后,利用改进的分布求和梯度法求取相应细化图的感兴趣区域(Region Of Interest,ROI)图像;将指纹ROI图像输入网络深层与提取的特征图进行特征融合,使得深层网络也能获得浅层中纹线准确的走向信息,从而增强网络对于纹型的敏感度;采用Maxout激活函数对网络提取的特征进行激活。实验结果表明,本文算法不仅减少了训练参数量,而且通过指纹ROI图像补偿深层特征图,更加充分利用了指纹的纹型信息,轻量化算法也可为指纹分类模型拓展到移动端提供理论支撑。

信号与系统精品课程的建设与实践

本文介绍了五邑大学“信号与系统”省级精品课程的建设情况。着重介绍了精品课程的立体化建设结构、课程群立体化教学结构，以及如何有效培养学生的“系统观念”、“工程观念”、“科技进步观念”和“创新意识”。

基于局部奇异值对称平均的人脸识别方法

提出了一种基于局部奇异值对称平均的人脸识别方法。该方法首先对原始图像进行线性映射处理;接着采用局部奇异值分解提取人脸特征,并对所获得的特征作对称平均处理;最后依据最近邻决策规则进行识别。基于ORL人脸数据库的实验结果表明,该方法大大降低了原始特征空间的维数,有效地消除了图像亮度和噪声的影响,并取得了较高且稳定的正确识别率,在人脸识别中是一种有效的方法。

小波包分解在虹膜识别中的应用

小波包分解是从小波变换延伸而来的一种更精细的信号分析算法,具有分析高频特征信息的优势。文中结合小波包分解的特点,提出了一种基于小波包分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波包分解,并对各窗口的子带图像作筛选处理;然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩,得到虹膜识别特征;最后利用加权欧氏距离分类器进行识别。实验结果表明了该算法的有效性。