安全管理莫怕“适当感冒”

适当感冒是一件好事,你信吗？从医学的角度来讲,适当感冒的确是件好事,那是因为它是人体尤其是少儿建立自身免疫系统的一种方式。因此人们大可不必埋怨一两次感冒的不期到访给自己带来的不便,更不用因为一两次感冒就开始怀疑自己的免疫功能出问题。

基于ACNN和Bi-LSTM的微表情识别

针对微表情动作幅度小、强度低等缺点,提出了一种基于带有注意力机制的卷积神经网络(ACNN)和双向长短期记忆网络(Bi-LSTM)相结合的神经网络结构。实验采用CASME II数据集,为了减少出现过拟合的风险,首先将预处理后的特征向量经过预训练的VGG16网络提取出基本特征,接着对输出特征进行裁剪,得到带有局部特征的24个微表情识别块和带有整个图片特征的全局特征向量;然后将24个识别块分别经过局部识别块注意力卷积神经网络(BR-ACNN)提取出带有注意力信息的局部特征,将全局特征向量经过全局注意力卷积神经网络(GR-ACNN)提取出带有注意力信息的全局特征;最后,将提取的局部和全局特征,经过Bi-LSTM提取出微表情序列之间的相关性信息。实验结果显示,5折交叉验证平均准确率为0.69,UF_(1)为0.638 2,UAR为0.675 0。CASME II数据集上结果显示,所提算法模型相对OFFApexNet模型,其UF_(1)提高了0.028 1,UAR提高了0.096 9;相对ATNet模型,其UF_(1)提高了0.007 2,UAR提高了0.032 0。

融合边缘条件的多个鉴别器生成对抗网络

针对现有图像处理方法仍然存在人脸补全后,人脸五官等局部区域的视觉连通性较差的问题,提出了一种包含全局鉴别网络、局部鉴别网络和人脸部位鉴别网络的边缘补全方法。其中全局鉴别网络鉴别全图的视觉连通性;局部鉴别网络约束补全部分;人脸部位鉴别网络约束补全图像效果。将残缺灰度图、残缺边缘图和掩膜图输入到边缘补全网络,得到补全边缘图。然后将补全边缘图和残缺彩色图输入到图像补全网络,得到补全图像。边缘补全网络和图像补全网络进行端对端连接,形成一个完整的解决方案。在CelebA数据集上与对照组进行视觉连通性对比,结果表明:提出的算法能够更好地还原人脸部位的信息。