基于长偏置数据的一个光滑剩余生命函数估计量(英文)

受希勒引理的启发,针对长偏置数据给出一个带泊松权重的平均剩余生命函数的光滑估计量.同时研究了该光滑估计量的渐进性质,例如强相合性及渐进正态性等性质.

基于深度学习的人脸安全认证：现状与挑战

人脸识别作为一种非受控的、易用性强的生物特征验证技术,目前在安防、金融、消费等行业都有着广泛应用,是计算机视觉应用落地的典型代表.得益于海量的数据、硬件算力的提升和深度神经网络的技术发展,人脸验证在识别性能上取得了巨大的进步,深度学习取得了远超传统方法所能达到的性能.然而,高识别精度的人脸识别技术在恶意伪造身份攻击下存在明显安全漏洞.人脸防伪、人脸活体检测等技术正受到学术界和工业界越来越多的关注.介绍一些当前主流的识别和活体检测技术,以及基于深度学习技术的活体检测目前面临的若干挑战,如监督信号不足、数据偏置、跨摄像头模型泛化性不足和权威数据集的缺失.

外部信息引导和残差置乱的场景图生成方法

场景图因其具有的表示视觉场景内容的语义和组织结构的特点,有助于视觉理解和可解释推理,成为计算机视觉研究热点之一。但由于现存的视觉场景中目标和目标之间关系标注的不平衡,导致现有的场景图生成方法受到数据集偏置影响。对场景图数据失衡问题进行研究,提出一种基于外部信息引导和残差置乱相结合的场景图生成方法(EGRES),缓解数据集偏置对场景图生成的负面影响。该方法利用外部知识库中无偏置的常识性知识规范场景图的语义空间,缓解数据集中关系数据分布不平衡的问题,以提高场景图生成的泛化能力;利用残差置乱方式对视觉特征和提取的常识性知识进行融合,规范场景图生成网络。在VG数据集上的对比实验和消融实验证明,提出的方法可以有效改善场景图生成。对于数据集中不同标签的对比实验证明,提出的方法可以改善绝大多数关系类别的生成性能,尤其是中低频关系类别下的场景图生成性能,极大地改善了数据标注失衡的问题,比现有的场景图生成方法具有更好的生成效果。