区域特征融合的高血压视网膜病变分类方法

由于高血压性视网膜病变(hypertensive retinopathy,HR)病灶特征不明显,传统分类算法难以对其进行有效分类。针对这一问题,提出一种具有整体特征和局部特征的区域特征融合HR分类方法,即在整体HR分类模型的基础上,融合局部特征动静脉交叉压迫(arteriovenous nicking,AVN)分类模型来增强HR分类效果。在AVN分类中,提出一种新型的交叉点检测算法,该算法对分类后的动静脉进行逻辑与运算以求出交叉点位置,利用感兴趣区域提取方法从HR眼底图像中提取AVN图像块。提出的融合模型在私有数据集上进行了评估,准确率、敏感性和特异性分别为93.50%、69.83%和98.33%。在单阶段分类模型中分别与已有的方法进行对比,实验结果证明所提出模型效果较好。

基于区域与全局融合特征的以图搜车算法

在视频监控场景中,由于车辆自身外观的多样性和相似性以及无约束的监控环境,以致很难通过全局外观特征区分不同的车辆目标。与全局外观特征相比较,局部区域特征更具区分能力。同时,为了兼顾算法的速度,本文提出一种基于区域与全局融合特征的以图搜车算法。该算法分为三个阶段:首先,以车辆IDs作为标签信息,训练一个车辆的全局特征网络;其次,加入局部区域特征网络,进而联合训练局部区域特征与全局特征网络;在推理阶段,仅采用全局特征网络的特征计算车辆图像之间的相似度。本文采用视频监控场景的图片作为数据集进行算法测试,结果显示所提出的方法的Top10性能达到了91.3%,特征提取时间与单次特征比对时间分别为13.8ms和0.0016ms,满足了应用需求。

基于区域NBPR特征及可信度修正的人脸表情识别

为了提取有利于表情分类的区域特征以及实现多区域特征的决策级融合,提出了一种基于邻近二值模式关系(neighbor binary pattern relation,NBPR)特征描述子和可信度修正证据融合(credibility modification evidence fusion,CMEF)的表情识别框架。首先针对传统局部二值模式(local binary pattern,LBP)算子仅以中心像素为编码阈值的局限,提出一种NBPR描述子,它对局部区域多方向相邻像素之间的二值模式异或关系进行编码;然后根据提取的眉毛、眼睛和嘴巴区域的NBPR纹理特征进行证据的初始基本概率分配;最后针对D-S(Dempster-Shafer)证据理论在合成冲突证据时的不足,通过一种新的基于证据可信度的合成方法实现3个区域证据的决策融合。该方法在CK(Cohn-Kanade)库上分别取得了94.67%的平均表情识别率以及752 ms的平均识别时间。实验结果表明,提出的NBPR描述子和CMEF策略有利于表情区域的纹理描述和决策级融合,从而具有较高的表情识别率。

空间分组增强注意力的轻量级人脸表情识别

由于人脸表情特有的复杂性与微妙性,对表情进行高精度识别是一个困难问题。针对轻量级网络在自然环境下对面部表情的特征提取不够充分、泛化能力不足等问题,提出了一种基于空间分组增强注意力的轻量级人脸表情识别方法。在浅层网络设计了并行的深度卷积残差结构,以增强模型对面部表情局部细节的表征能力,并与全局整体特征相融合。在深层网络建立了空间分组增强注意力机制,以提高表情特征分布的稳定性,并强化模型对表情细微变化的判别能力。为了避免模型过拟合,在不大量增加计算复杂度的前提下,对主干网络输出结构进行改进。该方法在公开的七分类数据集RAF-DB、AffectNet-7以及八分类数据集AffectNet-8上的表情识别准确率分别达到了88.33%、63.09%和60.12%,实验结果表明,所提方法在降低网络参数的同时,提高了表情识别准确率,证明了该方法的有效性,具有一定的应用前景。

改进深度信念网络在语音转换中的应用

综合考虑语音帧间关系及后处理网络的效果,提出一种改进的基于深度信念网络(DBN)的语音转换方法.该方法利用线性预测分析-合成模型提取说话人线性预测谱的特征参数,构建基于区域融合谱特征参数的深度信念网络用以预训练模型,经过微调阶段后引入误差修正网络以实现细节谱特征的补偿.对比实验结果表明,随着训练语音帧数的增加,转换语音的谱失真呈下降趋势.同时,在训练语音帧数较少的情况下,改进方法在异性间转换的谱失真小于50%,在同性间转换的谱失真小于60%.实验结果表明,改进方法的谱失真度较传统方法降低约6.5%,且同性别间转换效果比异性间转换效果更为明显,转换后语音的自然度和可理解度明显提高.