基于改进PageRank算法和spin-glass模型的多角度识别可控的社区发现算法

针对如何有效解决社区发现算法中的社区重叠问题,以及如何改善社区扩张模式,提出了一种基于改进Page Rank算法和spin-glass模型的多角度识别可控的社区发现算法(PRSGMFCA)。首先通过优化的Page Rank算法对每一个节点排序,确定其中的核心节点;再通过基于Potts spin-glass模型的多角度识别模块度优化局部社区的扩张模式,解决传统模块度在分辨率极限方面的束缚和影响;同时在发现过程中,引入改进的贪心迭代算法发现局部社区;最后实现准确地发现重叠结构与节点。经过在计算机模拟网络与真实网络环境下应用比较分析,PRSGMFCA与传统的技术方案相比具有较好的稳定性与正确率,并且其算法复杂度也在可以接受的范围内。

面向多角度和口罩遮挡的加权人脸识别方法研究与实现

在深度学习迅速发展的背景下,人脸识别技术已取得了显著的进步。然而,在实际应用中,由于口罩的遮挡以及人脸角度的变化,人脸识别的精确度和实用性面临了新的挑战。目前对于口罩遮挡的人脸识别和人脸角度变化情况下的人脸识别主要是各自独立处理,尚未有完整解决这两个因素共同影响的多条件人脸识别问题的方法。因此,本文提出了一种新的加权人脸识别方法,该方法综合考虑了口罩遮挡和人脸角度变化的问题。该方法首先根据是否佩戴口罩将人脸识别问题进行分类,然后利用多种人脸识别模型进行识别。最后,该方法引入了一个基于头部转动角度的权重决定机制,以便在面部转动和口罩遮挡的情况下,更好地利用不同的识别模型。在处理多角度和口罩遮挡问题时,该方法的方法表现优于现有的人脸识别方法,为后疫情时代的人脸识别提供了新解决方案。

AGV机器人多角度静态识别图像智能拼接方法

传统多角度静态图像识别拼接方法存在图像拼接精准度低、识别准确率低和拼接时间、识别时间长的问题,对此,文章提出了AGV机器人多角度静态识别图像智能拼接方法。对中心矩进行了归一化处理,获得多角度不变矩,利用不变矩对静态图像进行特征提取;采用对数几率回归分类算法进行分类;采用最大似然法估算图像中的参数;利用梯度下降法判定参数最小值,得到图像识别结果;利用AGV机器人,将图像的识别结果投影到变换矩阵中,将矩阵中的重叠图像划分成一个缝合部分和两个过渡部分;通过多分辨率图像融合算法和加权平均图像融合算法对这三个部分进行融合,得到完整的图像,实现静态图像智能拼接。实验结果表明,该方法的拼接精准度较高、识别准确率始终在80%以上,拼接时间最高仅为36 s,识别时间始终低于20 s,该方法的准确性高、实时性强。

一种基于EfficientNet与BiGRU的多角度SAR图像目标识别方法

合成孔径雷达(SAR)的自动目标识别(ATR)技术目前已广泛应用于军事和民用领域。SAR图像对成像的方位角极其敏感,同一目标在不同方位角下的SAR图像存在一定差异,而多方位角的SAR图像序列蕴含着更加丰富的分类识别信息。因此,该文提出一种基于EfficientNet和BiGRU的多角度SAR目标识别模型,并使用孤岛损失来训练模型。该方法在MSTAR数据集10类目标识别任务中可以达到100%的识别准确率,对大俯仰角(擦地角)下成像、存在版本变体、存在配置变体的3种特殊情况下的SAR目标分别达到了99.68%, 99.95%, 99.91%的识别准确率。此外,该方法在小规模的数据集上也能达到令人满意的识别准确率。实验结果表明,该方法在MSTAR的大部分数据集上识别准确率均优于其他多角度SAR目标识别方法,且具有一定的鲁棒性。

基于主方向重建的SURF多角度识别匹配算法优化

针对物体多角度识别过程中存在着因偏转和俯仰角偏差而造成的匹配精度低等问题,本文提出了具有旋转不变性的SURF匹配优化思想.本思想采用聚类算法将提取的关键点进行分类,在类中通过距离高斯加权来得到关键点水平和垂直方向的Haar小波值,进而更精准地确定特征点主方向;针对匹配过程中出现的误匹配对,利用误匹配粗减思想进行剔除;之后,为进一步提高匹配机率,采用物体环视全景图作为后台基准图像.实验结果表明,本思想对物体多角度图像的识别机率和识别正确率明显提高,且匹配耗时也有所减低,并具有一定的实用性和推广性.

一种新的多角度人脸表情识别方法

传统的多角度人脸表情识别方法是对角度特殊的样本采用角度特殊的分类器识别,该方法忽略了不同角度的人脸表情是相同的人脸表情的不同表现形式,而且传统的多角度人脸表情特征提取时间较长以及不能满足增量更新的要求,基于此,提出了一种新的多角度人脸表情识别方法。该方法首先提取回归模型的增量修正特征,然后用PCA进行特征选择,最后采用判别共享高斯过程隐变量模型识别多角度人脸表情。在CMU-PIE和LFPW数据库上的对比实验表明了该方法较传统的多角度人脸表情识别方法好。

基于旋转等变卷积的航拍红外图像目标识别算法

为提高传统无人机红外目标识别算法对输入图像的旋转鲁棒性,提出一种具有旋转等变性的红外图像目标识别算法。参照可见光三通道结构,将红外图像扩张为三通道以丰富输入图像的细节及边缘信息;以旋转等变卷积为基础,设计并实现能够高度保留图像旋转特征的标准旋转等变卷积模块和旋转残差模块,使得所设计模型FC-YOLOv5对图像及图像中目标旋转具有鲁棒性;加入压缩和激励注意力机制自适应地学习到每个通道的重要性,并且根据任务的需要加权调整特征图中的通道贡献,提取重要的特征信息并抑制不重要的特征信息。在航拍行人车辆数据集和海上船舶数据集上验证模型的性能,以基准模型YOLOv5s及常见轻量级目标识别任务所用模型YOLOv8s、NanoDet作为对照组模型。实验结果表明,所提算法的平均精度均值相较于基准模型能够提升2%~4%,且当输入图像具有不同角度的旋转时,能够比对照组模型识别到更多旋转目标,且识别错误更少。

多角度辨识压裂套管变形的失效影响因素及处理方法研究

根据煤层气大规模压裂的特点,从垂直段、倾斜段、水平段,钢等级、外径、壁厚,内压、孔径、节距等不同角度识别影响套管变形的破坏因素,同时对套管的损伤机理进行分析,阐述由内压变化引起的套管应力和位移的变化规律与形状,提出应用及处理方法,具有一定的参考作用。

基于深度学习的水果图像识别系统

设计了一个基于深度学习网络的水果图像识别系统,并在TI的工业派开发板上加以实现。形成了一个摄像头实时采集图片、分类网络处理图片、分类结果实时显示的水果图像识别系统。整体设计内容主要包括三个部分,首先是深度学习网络的设计与搭建,采用了稀疏化的CNN网络,主要包含卷积层、池化层以及全连接层的设计。另外对卷积层的权重进行了稀疏化设计,降低模型复杂度。其次是硬件电路设计,主要运用开发板的USB模块、串口模块、网络接口模块、HDMI视频输出模块,将摄像头、开发板、显示屏连接起来,搭建完整的硬件系统。最后是系统软件设计,主要包括深度学习的模型训练与导入部分,基于TIDLAPI,目标水果信息的获取与显示实现等。

基于不变矩和SVM分类的三维目标识别方法

在计算机视觉问题的研究中,针对三维目标识别,可综合应用图像的不变矩特征和支持向量机分类方法,为快速目标识别,减少计算量,提出了一种红外图像中多视点目标的识别方法。首先获取各类三维目标的若干二维视图,将视图放在一起进行标准化处理并提取它们的不变特征矩。然后对每组视图的Zernike矩进行聚类;将聚类中心对应的Zernike矩作为此类飞机的特征矩,就完成了三维目特性视图的选取。识别过程中,针对实际要识别的目标,提取它的特征矩并应用支持向量机的方法进行多目标分类。测试结果表明,提出的方法较好地实现了红外图像中多角度目标的识别准确性,与传统的三维目标识别算法相比,计算量较小,是一种有效的自动目标识别算法。

人脸识别算法在考勤系统的应用

深度学习与大数据技术的相遇,促使人脸识别技术在精度上已经达到很高水平,然而在实际应用场景中,尤其在复杂背景、移动中以及自然状态下的人脸识别,还没有达到令人满意的效果.针对人脸识别在考勤应用中的问题进行算法设计与改进,提出递归最小窗口算法,对M:N多人脸识别场景下人脸跟踪算法进行优化设计,通过多角度采样提高识别精度和识别鲁棒性,并在人脸考勤系统中进行应用实现与验证,取得多人同步3 s内完成考勤的成绩,在用户体验上获得了较明显的提升.