基于双向嵌套级联残差的交通标志检测方法

交通标志检测是自动驾驶领域的一个重要课题,其对于检测系统的实时性和精度都有非常高的要求。目标检测领域中的YOLOv3算法是业界公认在精度和速度上都处于前列的一种算法。文中以YOLOv3检测算法作为基础网络,提出一种双向嵌套级联残差单元(bid⁃NCR),替换掉原网络中顺序堆叠的标准残差块。双向嵌套级联残差单元的两条残差边采用相同的结构,都是一次卷积操作加上一次级联残差处理,两条边上级联的标准残差块的数量可以调节,从而形成不同的深度差。然后将两条边的结果逐像素相加,最后再做一次卷积操作。相较于标准残差块,双向嵌套级联残差单元拥有更强的特征提取能力和特征融合能力。文中还提出跨区域压缩模块(CRC),它是对2倍率下采样卷积操作的替代,旨在融合跨区域的通道数据,进一步加强主干网络输入特征图所包含的信息。实验结果表明:提出的模型在CCTSDB数据集上mAP(0.5)、mAP(0.5∶0.95)分别达到96.86%、68.66%,FPS达到66.09帧。相比于YOLOv3算法,3个指标分别提升1.23%、10.35%、127.90%。

采用Gentle AdaBoost和嵌套级联结构的实时人脸检测

本文提出一个基于Gentle AdaBoost和嵌套级联结构(Nesting Cascade Structure)的快速人脸检测器。采用嵌套级联结构并在训练过程中剔除前级节点分类器已使用过的特征,解决了经典的AdaBoost级联分类器因各节点分类器独立训练导致不同节点之间特征相同的弱分类器大量存在而影响检测速度的问题,提高了人脸检测速度。采用Gentle AdaBoost算法训练节点分类器以提高各节点分类器的泛化能力,进一步减少嵌套级联结构中弱分类器的个数。实验结果表明本文所提出的人脸检测算法大幅度减少了级联分类器所需的弱分类器个数,使检测的速度得到明显的提高,在CIF(352×288)格式的视频上达到每帧8毫秒的检测速度,优于现有的人脸检测算法,而且检测的准确性也比现有的人脸检测算法略有提高。

基于多尺度特征和嵌套级联Adaboost的车辆检测

为提高车辆检测的速度和准确性,提出了一种基于多尺度方向梯度直方图(HOG)和多尺度多块局部二进制模式(MB-LBP)两种特征与嵌套级联Gentle Adaboost的车辆检测算法。分别使用积分直方图和积分图像加速提取多尺度HOG和多尺度MB-LBP特征。基于两种特征为Gentle Adaboost构建两种弱分类器,并采用嵌套级联Gentle Adaboost分类器提高检测率和检测速度。仿真实验结果表明:相比于现有的几种车辆检测算法,提出的算法检测速度更快,且检测精度和召回率更高。

基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术

图像隐写技术是将秘密信息嵌入到载体图像中,以保护信息的机密性,并确保不被观察者察觉。然而,在传输过程中,由于分辨率限制,载密图像的边缘区域容易受到裁剪。因此,如何从边缘区域缺失的载密图像中恢复出有效的连续隐藏信息是一个值得研究的问题。同时,图像隐写技术的另一个挑战是如何在不被检测到的情况下增加信息的有效载荷容量。为了解决上述问题,提出了一种数据驱动的图像隐写算法方案。采用了一种大容量、裁剪稳健的多级双向映射的可逆隐写网络,能够从边缘破损的载密图像中尽可能完整地恢复出连续的秘密图像。此外,算法具有高度的灵活性,可以通过多层级联中改变图像分支的通道数量实现不同规格的大尺寸图像隐写。实验表明,在各种公开数据集上生成的载密图像的视觉隐蔽性、质量度量指标和裁剪恢复能力方面显著优于其他方法。

基于HOG-CSLBP的快速行人检测算法

针对现存行人检测方法中行人特征描述易受周围光照影响及特征分类算法易受样本不确定性因素干扰等问题,提出一种基于变粒度HOG-CSLBP特征的行人检测算法。对HOG特征进行变粒度编码,融合纹理特征,构造出新的HOGCSLBP特征,利用非对称GentleBoost算法训练弱检测器,利用嵌套级联结构的检测器实现行人检测。在公开INRIA行人库上的实验结果表明,该方法与其它方法相比具有检测精度高、速度快等优点,能够满足实时检测的要求。

多频激励忆阻型Shimizu-Morioka系统的簇发振荡及机理分析

为了研究忆阻系统的簇发振荡及其形成机理,该文在Shimizu-Morioka(S-M)系统的基础上引入忆阻器件和两个慢变化的周期激励项,建立了一种多时间尺度的忆阻型S-M系统。首先研究了单一激励下S-M系统的簇发行为及分岔机制,得到一种对称型"sub-Hopf/sub-Hopf"簇发模式。然后借助De Moivre公式将多频激励系统转化为单频激励系统,结合快慢分析法重点分析了附加激励幅度对"sub-Hopf/sub-Hopf"簇发模式的影响。对应于不同附加激励幅度该文发现了两种新的簇发模式,即扭曲型"sub-Hopf/sub-Hopf"簇发和嵌套级联型"sub-Hopf/sub-Hopf"簇发。借助时序图、分岔图和转换相图分析了相应的簇发机制。最后,采用Multisim软件搭建电路模型并进行仿真实验,得到的实验结果与理论分析结果相吻合,从而实验证明了忆阻型S-M系统的簇发模式。

毒品检验区块链数据共享融合激励算法

提出了一种基于双宽带学习特征层融合与级联决策层融合激励的毒品检验数据多模态共享激励算法,以提高毒品检验实验室对贡检验数据共享积极程度,达到促进检验数据共享为目标。通过每个实验室共享数据的数据量、基于信息熵的共享数据质量和基于参与者的声誉评价,进行多模态融合激励算法研究。仿真实验表明:采取双宽度学习特征层融合和双宽度学习嵌套级联决策层融合的多模态融合激励是有效的。