三维深度点云监督和置信度修正的人脸欺诈检测算法

基于深度学习的人脸身份认证由于使用便捷和用户体验好,成为我国当今最受欢迎的人工智能技术应用之一.人脸识别和认证系统必须确保所比对的人脸是真实人脸,否则输出的结果没有任何商业价值.位于系统前端的人脸欺诈检测也称活体检测是保障人脸识别和认证系统有效输出的关键.现有人脸欺诈检测算法虽然库内性能尚佳,但由于实验室训练环境无法完全模拟真实应用场景,造成源域和目标域的数据在分布上存在差异,导致跨库检测性能明显下降.尽管通过增加检测特征的种类和个数可以改善算法性能,但会导致检测网络构造复杂,模型变大,计算复杂度增加.为了改善算法的跨库检测性能并降低计算的复杂度,本文提出一种基于三维(3D)深度点云监督和置信度修正机制的人脸欺诈检测算法.主要贡献包括:设计了DenseBlockNet,仅用较浅层的DenseBlockNet网络即可提取真假人脸之间具有很好区分度的深度信息特征,模型小;将DenseBlockNet输出的二维深度图与采样点位置进行关联,构造三维深度点云,采用倒角损失函数监督预测的深度点云与实际点云标签之间的三维空间距离,同时还采用图二元交叉熵损失监督预测的深度图与深度图标签之间的差异;在3D深度点云预测模块中引入置信度修正机制,修正二分类误差,同时避免库内过拟合,提高算法的泛化能力.所提出方法与包括2种最新文献的8种典型算法在Replay-attack、CASIA-FASD、MSU-MFSD、Rose-Youtu、OULU-NPU等5个主流人脸欺诈检测数据库上进行了充分的对比实验,实验结果表明,所提出的算法在库内和跨库检测中均能保持半总错误率最低或次低,且模型最小,参数量最少,计算复杂度最低.

一种基于三维深度数据的脸部特征检测方法

提出了一种表征曲面上某点局部形状的新方法———曲率符号分布形状描述子(CurSignTration).根据高斯曲率和平均曲率的符号确定曲面上点的形状分类,对某点邻域内所有点的形状按编码进行统计,将统计结果归一化后得到的直方图作为该点的CurSignTration.CurSignTration描述了三维深度图像中某点邻域的形状分布状况,对给定的三维深度数据点建立了一种除坐标之外的特征信息.这种表征方法对平移、旋转及镜像变换具有不变性.结合基于外观的人脸特征检测方法,用CurSignTration可以对人脸的三维深度图像进行姿态不变的脸部特征检测.对15张三维深度人脸图像的特征点检测结果表明了CurSignTration的有效性.

高精度三维深度域成像技术在文卫濮结合部的应用

油气分布在空间中而非时间中。目前 ,叠前深度偏移技术在复杂断块的勘探中发挥了其独特的作用 ,其中 ,建模问题是该技术至为关键的问题 ,文中探讨了在东濮凹陷复杂断块中建模的原则和经验 。

一种恢复图象中三维深度信息的方法

计算机双目立体视觉技术是获取图象中景物的三维深度信息的有效途径，其中关键步骤是立体图象对间对应象点的匹配。本文提出了一种基于边缘特征的匹配算法，通过边缘特征提取，相似性检验和相容性检验完成整个匹配过程；经实验表明，该算法匹配速度快，匹配率较高。通过对积木图象对匹配后三维重建显示，重建结果令人满意，证明算法是可行的。

不连续相位跳变点的三维深度分割

本文提出了一种简易的三维深度分割技术,该技术能够对存在突变表面的物体的不同深度区域进行分割。为实现该项技术,首先需要搭建由投影仪、相机和物体组成的深度分割平台。由投影仪向被分割物体投射一系列相移数字光栅;数字光栅经物体表面调制,被相机采集并存入计算机中待后续处理。将所采集的序列数字光栅进行顺序置换操作,依次获得三种序列的数字光栅组,通过最小二乘法对不同序列光栅组进行解相位并因此得到包裹相位组。包裹相位组经差分与相交运算后,可获得相交边缘;对相交边缘进行图像增强操作后即可对不同三维深度的不连续区域进行分割。仿真结果表明,对于900 pixel×900 pixel范围的复杂面型,该算法的分割偏移误差仅为2 pixel。实验结果表明该技术能够对多个不同深度的相似颜色物体进行精确的分割。因此,本方法具备低消耗,高精度三维深度分割的能力。

基于三维深度学习的汽车气动性能实时预测

为适应现代汽车快速设计的需求,采用基于三维深度学习算法的汽车气动参数实时预测,计算汽车的空气阻力系数。利用Rhinoceros软件对包含多种车型的汽车模型库进行T样条曲面重构,制作汽车外形的三维点云数据集;分别利用FLUENT和CFX对模型逐个进行不同风速工况下的仿真分析,得到相应的空气阻力系数,并建立三维深度学习的训练和测试数据集;采用PointNet深度学习框架训练并计算各模型的空气阻力系数。训练集的对比结果表明,采用深度学习方法快速预测汽车气动性能可得到基本满意的效果。

机载激光雷达数据的三维深度学习树种分类

针对传统基于激光雷达(Light Detection And Ranging,LiDAR)数据的树种分类方法难以直接且全面地利用点云的三维结构信息的问题,提出一种基于三维深度学习的机载LiDAR数据的树种分类方法。该方法直接从三维数据中抽象出高维特征,而无须将点云转化为体素或二维图像。以塞罕坝国家森林公园内白桦和落叶松两个树种的无人机LiDAR数据为研究对象,对其进行数据滤波,去除噪声和地面点;基于点云距离和改进的分水岭分割的方法提取单木并制作数据集;最终建立由权重共享的多层感知器、最大池、全连接层和softmax分类器组成的深层神经网络,其能自动提取树木的高维特征并实现树种分类。实验结果显示分类总体准确率为86.7%,kappa系数为0.73,最优特征维度为1024,最优点密度为2048。与将单木点云投影到二维视图的方法相比,该算法提供了更高的分类精度,且能有效减少计算成本、提高工作效率。

利用三维深度神经网络提取个性化牙弓线

针对现有正畸治疗中牙弓提取方法存在交互烦琐、效率低、个性化程度低等问题,提出一种基于三维深度神经网络的个性化牙弓智能提取方法.首先,分析牙弓的分布形态,采用归一化点云模型对牙列模型进行标签化预处理,并构建训练数据集;其次,利用训练好的网络模型对牙列点云进行分割,使用全连接条件随机场(conditional randomfield,CRF)对分割区域进行建模和优化,提取预测结果中标签值为1的牙列点云作为提取牙弓线的预备体;最后,将分割结果中标签值为1的牙列点云的边界点作为预备体边缘点,并采用多项式样条曲线拟合的方法构建牙弓线形状.使用800组标签化的牙列点云训练网络模型进行实验,结果表明,使用所提方法构建的牙弓线提取网络分割精度可以达到96.10%,提取时长与传统方法相比缩短了3~8 s;所提方法与医生手工提取方法相比,提取畸形程度较小牙列的牙弓线的平均误差小于0.5 mm,提取畸形程度较大牙列牙弓线的平均误差小于1 mm.

陡倾角构造三维深度偏移及速度模型建立

引言对于横向速度迅速变化的复杂地质环境,用时间偏移法解决构造成像问题是不合适的。这主要是由于时间偏移不能正确处理速度边界的绕射,从而导致同相轴的错位和不聚焦。相反,采用深度偏移方法就会取得令人满意的结果。理想情况下,深度偏移应该对每一条叠前射线路径进行处理。然而,三维叠前深度偏移仍然不能应用到三维数据体的现实使我们不得不作三维叠后深度偏移处理。幸运的是,近年来,

基于点云深度学习的果树枝条实例分割算法

果树枝条的实例分割对于探索果树表型至关重要。然而,在形态结构复杂、实例密度高的情况下,使用现有方法精确分割枝条仍具有挑战性。提出了一种结合局部相似性的新型三维深度学习方法,以实现果树枝条精确的语义和实例分割。所提出的方法首先利用PointNet++网络模型对果树点云数据进行了高精度的语义分割,有效区分果树的主干、一级枝、二级枝和三级枝。随后,将提取的语义特征划分为多个局部区域,以降低计算复杂度,并为每个局部区域点生成一个相似性矩阵,以捕捉局部相似性信息。最后,使用双铰链损失函数对相似性矩阵进行优化,以完善实例分割结果。实验结果验证了此方法在准确分割果树枝条方面的有效性。实验结果表明此方法不仅省去了劳动密集型的实地测量,还为获取果树的表型参数提供了有价值的信息。

三维人脸深度图的流形学习-LOGMAP识别方法

人脸识别是生物特征识别技术最友好的身份识别方式,而三维人脸识别由于可解决二维人脸识别中存在的光照、姿态等局限,成为人脸识别的研究热点,但其特征维数过高是该领域的瓶颈,而维数约减是解决这一问题的关键。流形学习是一类非线性维数约减算法,LOGMAP是一种基于黎曼法坐标的流形学习算法,该算法可以在保持度量信息不变的情况下,把高维空间的数据映射到低维空间。构建了基于流形学习的三维人脸识别框架,并结合LOGMAP进行三维人脸深度图的识别。实验结果表明,该方法在三维深度图上可以得到良好的识别效果。

三维叠前深度偏移技术在江苏CB地区的应用效果

当地下地质构造复杂或介质速度横向变化剧烈时,必须做叠前深度偏移。影响叠前深度偏移效果的两个关键因素是速度—深度模型的精确性及输入道集数据的质量。围绕这两方面的内容,本文通过CB地区三维叠前深度偏移的试验和应用研究,建立了一套适合江苏油田特点的处理流程,总结出了做好三维叠前深度偏移处理工作的八项技术要点,包括三维建模、前期数据准备、井资料的使用、浅层速度分析、优化速度模型、模型平滑、空间假频抑制及孔径选择等。实际资料处理及钻探的结果均证实这套技术组合及流程是有效的。

松辽盆地北部深层火山岩地质条件下三维叠前深度偏移速度模型建立

松辽盆地北部徐家围子断陷深层地质条件复杂,虽然常规叠后时间偏移处理的成果,能够识别区域构造与火山岩的复合发育区基本轮廓,但陡倾角地层的反射成像不清晰,火山岩地层边界模糊,其原因在于断陷地层的速度结构复杂,常规叠后时间偏移不能使反射波正确归位,只有三维叠前深度偏移技术才能提高成像精度。分析了兴城地区的地质条件,指出本区准确建立偏移速度模型难点是深层火山岩结构,并给出了基于叠前深度偏移迭代的速度建模对策。结果表明这种速度建模方式行之有效。

海拉尔盆地铜钵庙南地区三维地震资料叠前深度偏移处理

海拉尔盆地铜钵庙南地区构造破碎、断块发育、地层倾角大、速度横向变化大,导致地震成像难度大,储层纵横向变化快、油水关系复杂,在常规地震资料处理结果上难以准确识别构造,无法满足解释要求,三维叠前深度偏移技术成为提高该地区地震资料成像精度的首选技术。分析了该区域的地质特征及勘探面临的问题及地震资料的特点和成像难点,并给出相应技术对策,即剩余静校正技术、偏移速度模型建立技术及三维叠前深度偏移的参数选取,展示了三维叠前深度偏移技术应用效果。结果表明,三维地震资料深度成像技术能够大幅度提高地震成像质量,有利于构造识别。

复杂观测系统下的三维波动方程叠前深度偏移

波动方程三维叠前深度偏移是近年应复杂地质构造与地震岩性成像需求而发展的一项关键技术 .此项技术与集群式并行机的结合 ,更是将其价格性能比降低至工业生产规模应用水平 .然而 ,波动方程三维叠前深度偏移的实用化还需要诸如地震资料网格化、并行计算负载平衡等一系列配套技术 .本文针对油田实际资料 ,试验了其应用波动方程三维叠前深度偏移的规则化技术 ,并结合地震炮集数据的特点 ,在自组装的集群式并行机上 ,解决了其节点间的负载平衡问题 .本项工作有助于推近复杂观测系统下的地震数据实现三维波动方程叠前深度偏移 .

三维叠前深度偏移在复杂断裂区的应用

随着各探区油气勘探工作的不断深入 ,复杂构造区成为新的油气有利远景区。而在复杂断裂区 ,常规时间偏移处理效果往往不好 ,这主要是由横向速度突变引起。为了得到精确的地下构造形态 ,必须利用叠前深度偏移能较好处理横向变速的优势对复杂断裂区进行精确成像。文中结合一个三维地震资料采集实例 ,给出了三维叠前深度偏移的处理方法和实现步骤 ,其中叠前深度偏移的关键是如何建立好层速度模型 ,并通过井资料和构造模型的约束来提高深度偏移的成像精度。由于叠前深度偏移能够提供精确的构造图象 ,这大大增加了复杂断裂区的解释可信度 ,从而降低了勘探与开发的风险。通过对成像效果进行分析 ,发现叠前深度偏移与钻井数据吻合较好 ,我们相信

三维叠前深度偏移技术在海拉尔地区的应用

本文利用叠前精细预处理、三维剩余速度分析、蒙特卡洛法自动速度拾取和三维克希霍夫叠前深度偏移等技术对海拉尔地区的三维地震资料进行了叠前深度偏移处理。与常规叠后时间偏移结果相比 ,浅、中层断层成像清楚 ,断面波发育 ,基底成像效果明显改进 ,深部反射结构清楚 ,地层接触关系清晰 ,为在该地区进一步进行油气勘探奠定了坚实基础。

双平方根方程三维叠前深度偏移

从双平方根 (DSR)形式的波动方程出发 ,基于沉降观测概念和地震波扰动理论 ,介绍了深度域的DSR全偏移算子及共成像道集的生成方法 .根据三维地震数据的方位角特征 ,通过对全偏移算子的稳相近似 ,依次导出了适应于零方位角道集、Cross line共偏移距道集以及共偏移距矢量道集的偏移算子 .理论分析与合成数据的数值试验表明 ,DSR全偏移算子、共方位角偏移算子对介质速度变化的适应性很强 ,而其余两种偏移算子仅适用于缓变速情况 .

三维叠前深度偏移在CX气田的应用

三维叠前深度偏移是解决复杂构造和速度横向变化剧烈地区地震资料成像问题的理想技术。应用三维叠前深度偏移成像技术,对CX气田的地震资料进行了三维叠前深度偏移处理,取得了良好的效果。其主要实现过程是:1在时间剖面上拾取速度层位,建立时间模型;2用相干反演法和叠加速度反演法相结合逐层求取层速度,建立层速度—深度地质模型;3用剩余速度分析修改和优化地质模型;

三维叠前深度偏移的CRP道集速度扫描分析技术及应用

三维共反射点 (CRP)道集百分比扫描技术 ,是一种基于剥层法的叠前深度偏移速度分析方法。通过对层速度模型做均匀扫描 ,得到不同速度下克希霍夫深度偏移后的 CRP道集 ,从道集中直接观察和拾取使同相轴拉平的正确速度和深度 ,就可以对原来的速度—深度模型进行修正。这种方法不受地下构造复杂程度和任何假设条件的限制 ,分析速度快 ,精度高 ,在胜利油田