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.

云监督:智能革命时代权力监督的一种新路径

云计算、大数据、互联网等技术的交融发展推动着新一轮的公共管理治理变革,云监督开创了"互联网+监督"的新模式。云监督是一种突破时空限制、贯穿权力过程、信息高度流动、社会高度参与和高度智能化的监督模式。在云监督驱动下,需要构建社会力量广泛参与、权力主体广泛合作、线上与线下广泛互动、数据信息广泛共享的监督机制以适应其发展。尽管云监督对于构建廉洁政府、效能政府和法治政府有着深远的意义,但在未来发展中仍需关注技术理性与价值理性的分化趋势、"去中心化"与"再集权化"的取向反思、公共监督与个人隐私的边界审视等重要问题。

关于危险作业“云监督”模式的探索研究

本文以危险作业专项监督中动火作业为切入点,对目前危险作业管理存在的问题及现场监督的解决途径进行了系统分析,并通过研究动火作业风险管理的规律和特点,准确把握了动火作业风险管控的重点和难点。综合上述分析,结合监督实践,对危险作业“云监督”模式实施路径进行了详尽的探索分析,通过转变监督观念、前移监督关口、多层级方案审核、作业实施步步确认、差异化监督、精细化监督等6项实施策略,确保“云监督”高质量开展,为其他危险作业监督工作提供了借鉴。

基于云平台的电务综合监督系统部署研究

从电务综合监督系统的功能和结构出发,主要研究电务综合监督系统部署和现场试验,系统基于云平台架构。现场的示范应用表明,系统能够完成高铁信号系统运行状态的监督,电务安全生产指挥管理,辅助电务人员进行维护维修工作。

基于车载激光扫描数据的城市独立地物提取方法

城市特征地物既包括城市建筑,也包含一些辅助设施。为提升城市三维模型构建质量及效率,将道路两侧的城市地物(独立行树、路灯)作为研究对象,利用车载激光点云数据进行特征地物提取。首先对独立地物分布特征、类别特征以及在扫描数据中的特点进行分析,制定独立地物自动识别检验方案,实现点云数据的监督分类,最终完成道路两侧独立地物自动提取。最后对人工提取的试验区点云数据与自动提取数据进行对比分析,结果表明,道路两侧独立地物提取精度较好,提取方案可行。