基于深度学习的非对齐人脸验证方法

当前大多数方法需要对人脸进行对齐等预处理,这不仅影响验证流程的连续性,还严重影响人脸验证的效率。本文设计了两种神经网络模型及三个阶段式的训练验证构架以及基于深度特征与SIFT特征相结合的高效的非对齐人脸验证方法:方法利用卷积神经网络的池化层中间结果同步生成SIFT特征描述符从粗粒度到细粒度进行多级联的非对齐的人脸验证,这极大的提高人脸验证的速度及准确度;在训练阶段提出了使用三元组样本作为输入,Triplet loss作为损失函数有效提高不同人之间的区分度提高人脸验证的准确率;本文根据不同应用场景设计了两种深度学习架构适应小型及大型设备的需要。本方法经过在Web-face数据集训练及在LFW,YOUTUBE等数据集上验证,结果表明该方法具有良好的性能。

结构参数对非对齐入口式T型微混合器内混合特性的影响

对非对齐入口式T型微混合器内流动与混合特性开展了三维数值模拟.结果显示,非对齐式入口的布置方式使流体流入通道时在重力方向上出现位移差,增大了流体的接触面积且沿通道轴向方向上出现明显的旋流状运动,从而进一步强化混合.同时,结合数值模拟和田口优化法对影响该微混合器混合性能的3个设计参数进行比较和分析,并结合信噪比的变化确定了非对齐入口式T型微混合器的最佳结构设计方案.这些参数对混合的影响强度分别为:入口通道宽度w>入口通道与主通道高度比h/H>入口通道入流角度α.

面向视角非对齐数据的多视角聚类方法

如何在视角对齐关系错位时有效进行非对齐多视角学习是一类新的挑战性问题。针对这一问题,提出面向视角非对齐数据的多视角聚类方法。一方面,为了捕获多视角异构特征的跨视角相似度信息,基于多视角非负矩阵分解进行表示学习,将原始特征嵌入一个可度量的低维同构空间。另一方面,在低维同构空间中,以二部图最优匹配模型建模视角对齐关系,并提出参考视角概念将模型推广至多视角情形。将表示学习和视角对齐关系学习整合到统一的Bi-level优化框架,使其在迭代中相互促进,进一步提高模型对视角非对齐数据的学习能力。在视角非对齐数据聚类应用上的大量实验结果表明,相比于8种先进的多视角聚类方法,所提方法在3个数据集上的多项性能指标均取得了较优的性能。

非对齐分布冗余数据自适应快速去除方法仿真

针对当前方法非对齐分布冗余数据误判率高、网络剩余能量少,导致冗余数据去除准确性差、网络能量消耗高的问题,提出基于多节点样条理论的非对齐分布冗余数据自适应快速去除方法,利用主动采样的方法对非对齐分布冗余数据的特征进行提取,并采用线性频谱分析法对冗余数据的特征分类;按照多节点样条理论逼近误差小、插值过程不需要求解方程等性质,建立局部支集、对称的基函数,可以得到被逼近函数的支集以及支集测度,与多节点样条函数的拟合逼近原理相符,再利用小波函数消除数据中的噪声,从而设计出一种高效、快速的冗余数据快速去除方法,最终实现了非对齐分布冗余数据的快速去除。实验结果表明,提出方法在对非对齐分布冗余数据自适应快速去除时,冗余数据去除的误判率较低,并且冗余数据去除时的网络剩余能量较多,不仅能够准确的去除冗余数据,网络能量消耗也较低,提高了网络的生命周期。

一种龙芯平台上多媒体指令优化时地址非对齐问题的解决方案

在龙芯平台多媒体指令优化过程中,通常用浮点存取指令存取需并行计算的整数.若这些整数存放在非自然对齐的内存地址上,会导致优化函数的性能显著下降.为了保证优化函数在访问非对齐数据时也有同样的性能,本文采用龙芯通用指令中的非对齐存取指令实现多媒体指令对非对齐数据的存取需求.非对齐存取指令是成对使用的,两条非对齐存取指令的处理时长大概是单条浮点存取指令的五倍左右,故需要合理安排非对齐存取指令的使用.基于此,本文先设计了龙芯平台上64位的非对齐访存函数接口,同时保留现有访存接口;然后设计接口自适应择优算法,用以根据程序上下文灵活选取这些访存接口;最后对LibYUV库的优化函数应用接口自适应择优算法进行测试.结果表明,在数据非对齐时,多媒体指令优化函数出现性能提升比例较小甚至普遍下降的情况;而使用接口自适应择优算法后,所有优化函数平均保持近40%的性能提升比例.

MIMO均衡下非对齐光子轨道角动量复用通信系统性能研究

轨道角动量(Orbital angular momentum, OAM)复用通信系统性能不可避免地受到发、收两端OAM态非对齐的影响.针对OAM态复用通信,提出了一种将多输入多输出(Multiple-input multiple-output,MIMO)均衡技术用于降低OAM系统发、收两端非对齐对系统性能带来影响的方案.所提方案利用MIMO均衡技术纠正或部分纠正复用OAM态在发、收两端非对齐时的模间串扰.数值仿真结果表明所提方案可有效地降低OAM非对齐通信系统模式间的串扰,提升了系统的误码率性能,在位置偏移和角度偏斜量较小情形下,系统误码率可提升1～2个数量级.

基于SPARC的地址非对齐异常处理研究

高可靠嵌入式系统中的异常处理策略是评估该系统可靠性的一个重要指标,尤其对于军工、航天等方面的应用。文中基于宇航级CPU AT697F和军用实时操作系统Vx Works,分析了SPARC V8体系结构下Vx Works的异常处理机制,并详细介绍SPARC V8体系结构特有的寄存器窗口机制以及该机制结合Vx Works操作系统的具体实现。在此基础上,提出了针对SPARC V8体系结构的一种异常处理策略,并基于该策略完成了内存地址非对齐访问的异常处理,提高了嵌入式实时系统的可靠性。

基于最强引力的空间非对齐图像数据风格迁移

针对图像风格迁移(Style Transfer)任务中的空间非对齐图像数据处理效果不理想的问题,提出一种基于语义学的最强引力方法.该方法是将图片与目标图片看作是一些高维度特征点(High-dimensional Feature Points)的集合,通过定义引力(Gravitation)来衡量两张图片中高维度特征点的相似程度.如果两张图片相似,则对应高维度特征点也互相吸引.生成图像的每个特征点在目标图像中找到与自身引力最强的特征点,然后最小化最强引力损失函数.实验结果表明,该方法对两张图片中语义相似的区域有很强的敏感度,生成图片的质量明显优于若干经典的方法.

即时加速非对齐数据传输的dma设计方法

针对软件处理字节非对齐数据传输时效率低的问题,提出了一种资源占用少、低功耗的即时拼接直接存储器存取(DMA)设计方案。用户按照字节传输方式配置DMA进行非对齐数据传输,DMA控制器自动进行适当的字节拼合,从而以字传输方式完成数据传输。该方案不仅能够应对32位系统所有字节不对齐和递增递减方向的组合,而且完全由硬件电路处理、软件编程没有额外的开销,仿真验证表明,该设计方法能够显著加快32位低功耗SOC系统字节非对齐数据的传输速度。目前已经应用于一种用电采集MCU芯片,用于协助软件高速处理加解密数据、通信协议帧等,结果表明,该芯片的DMA模块传输速率高、操作简便,可以满足设计要求。

轻量非对齐卷积神经网络模型探索

本文提出了一种轻量非对齐卷积神经网络模型的探索方法,探讨了现有卷积神经网络(CNN)模型中网络的参数数量与性能的关系,针对现有模型存在参数冗余的问题,给出了带有参数控制的解决方案.首先,分析了经典CNN模型的网络结构,并将其标准化表示为基于最小计算单元的模型结构;基于此进行比较分析,总结了近年来网络模型存在的问题和调整的趋势.其次,提出了一种轻量非对齐卷积神经网络模型的探索方法,该方法能够基于一组概率参数对模型参数数量进行控制,并实现不同级别特征的深度融合.最后,以DenseNet-40模型为基础进行了实验分析,得出了以测试误差下降≤1%为代价能够削减掉≥50%模型参数的结果.

基于非对齐UCA的部分涡旋波的稀疏多径传输特性研究

涡旋电磁波在稀疏多径场景中传输时存在模态间干扰,且波束的发散特性导致其远距离接收困难。针对上述问题,研究了收发端天线阵列非对齐场景下,采用部分孔径取样接收方案的涡旋波稀疏多径传输特性,分析了天线偏向角、多径数目、传输距离等参数对部分涡旋波传输性能的影响。结果表明:在远距离传输情况下,基于部分孔径取样接收的涡旋通信系统与基于完整孔径取样接收相比,容量的衰减程度更小,稳定性更好。

基于GAMP-MAP估计器的非对齐空中计算

现有的空中计算依赖融合中心的最大似然(maximum likelihood,ML)估计恢复来自不同设备传输信号的算术和,但在实践中,实现准确的信道增益预编码和设备之间的严格同步很困难,ML估计在非对齐空中计算场景中会遭受严重的错误传播,而且计算复杂度高。针对非对齐空中计算问题,设计了一个基于广义近似消息传递(generalized approximate message passing,GAMP)计算框架的最大后验估计器,即GAMP-MAP。该估计器使用传输符号数据的均值和方差作为先验以提高估计准确性,利用GAMP算法标量估计特性降低计算复杂度。在不同信道相位偏移和时间偏移下进行仿真实验,实验结果表明GAMP-MAP估计器的准确性明显优于ML估计器,其运行时间相对ML估计器和LMMSE估计器有显著下降。

基于相位补偿的非理想无线轨道角动量复用通信系统研究

电磁波轨道角动量各模态间满足严格正交性,为无线通信系统提供了一个新的复用维度。当前无线轨道角动量通信的研究仍集中于理想视距(LoS)场景,在实际通信场景中,多径效应和非对齐效应等非理想传输情况通常是无法避免的,这会使得无线轨道角动量多入多出(OAM-MIMO)通信系统的性能遭受较大损失。为提升非理想无线OAM-MIMO通信系统性能,该文建模了一种更加符合实际传输场景的毫米波OAM-MIMO 10射线信道模型;然后评估了多径效应和非对齐效应带来的性能损失问题;最后,提出了一种低复杂度的平均相位补偿与迭代功率分配(APC-IPA)联合优化方案来消除非对齐和多径效应造成的相位偏差,提升系统信道容量。仿真结果表明:在同时遭受非对齐和多径效应时,所提APC-IPA联合方案能够有效地提升系统信道容量。

利用飞行时间三维相机的非刚体形状三维重建

针对目前基于飞行时间原理的三维测距相机捕获数据分辨率低、噪声大,无法直接使用的问题,提出一种非刚体形状三维重建算法.首先对不同角度拍摄的深度图像数据进行分割、去噪等预处理;然后对生成的网格序列进行刚体对齐、选取关键帧网格,以减少运动模糊和数据冗余的影响,并进行全局非刚体配准和网格变形来减少静物或人体扫描中的非刚体误差;最后进行泊松网格重建,得到较高质量的重建模型.实验结果表明,该算法显著提高了三维测距相机捕获数据的质量,扩大了其应用范围.

面向SDR应用的向量存储器的设计与优化

针对面向SDR应用的SIMD数字信号处理器高带宽数据访存需求,提出并实现了一种新型的向量存储结构。该向量存储器由16路向量存储块构成,每路采用两组多体低位地址交叉编址存储结构,减少了访存体冲突,充分利用多存储体带宽,以较小的功耗代价实现并行访问多个向量数据。在此基础上,还设计了一种向量访存重整理单元,使向量存储器可灵活支持多路SIMD结构向量处理单元的非对齐访问,实现了其对向量存储器的共享。测试结果表明,该向量存储器能有效减少或消除向量处理单元之间的数据混洗操作,加速相关应用算法。

一种通用的含热阻温度场计算方法

针对含热阻温度场的计算问题,提出了一种通用的有限元求解方法。由于含热阻界面热流密度表达式具有对流换热的形式,该方法将热阻条件视为第三类边界条件。推导了热阻条件下的有限元方程,通过计算含热阻界面两侧单元形函数在单元相交区域的局部积分,实现了区域界面热阻条件的约束。算例表明,该方法不受区域界面数量的限制,能同时适用于对齐网格和非对齐网格,具有良好的通用性。

LTE系统中RRC消息编解码的研究与设计

RRC(无线资源控制)消息的编解码是LTE(长期演进)协议栈软件的关键一步。基于LTE协议中RRC消息的抽象语法和传送语法,设计了ASN(抽象语法标记)模块新的解决方案。该模块采用结构化编程理念,结构清晰,易于扩展。结合OSS Nokalva公司编解码工具的一致性测试表明,该模块能对RRC消息进行正确的编解码,完全能满足协议软件的要求。

基于MIPS32平台的Linux操作系统移植

论述基于MIPS32体系结构的Linux操作系统的移植技术;结合具体实例,给出在特定硬件平台(同济大学微电子中心自主开发的BC320芯片及板级系统)上移植Linux的实现过程;介绍建立交叉开发环境的方法,讨论当实际指令集为标准MIPS32指令集子集时(以4条非对齐存取指令为例),如何逻辑等效地完成操作系统移植的问题。

基于深度学习的低剂量CT去噪研究

CT图像对医生病情诊断起到重要作用,采用低剂量进行拍摄以降低辐射对病人影响成为热门研究方向。利用深度学习方法对低剂量CT图像进行去噪可以获得较好质量的图像,当前的方法需要大量对齐的数据进行训练,普适性不佳。研究提出一种可以采用非对齐数据进行训练的深度学习网络,通过对临床数据进行训练测试,表现出了较好的去噪效果,并获得相关医生认可。

Painlevé Integrability of Nonlinear Schrdinger Equations with both Space-and Time-Dependent Coefficients

We investigate the Painleve integrabiiity of nonautonomous nonlinear Schr6dinger （NLS） equations with both space-and time-dependent dispersion, nonlinearity, and external potentials. The Painleve analysis is carried out without using the Kruskal＇s simplification, which results in more generalized form of inhomogeneous equations. The obtained equations are shown to be reducible to the standard NLS equation by using a point transformation. We also construct the corresponding Lax pair and carry out its Kundu-type reduction to the standard Lax pair. Special cases of equations from choosing limited form of coefficients coincide with the equations from the previous Painleve analyses and/or become unknown new equations.