为解决自然条件下人脸表情识别易受角度、光线、遮挡物的影响以及人脸表情数据集各类表情数量不均衡等问题,提出基于Res2Net的人脸表情识别方法。使用Res2Net50作为特征提取的主干网络,在预处理阶段对图像随机翻转、缩放、裁剪进行数据...为解决自然条件下人脸表情识别易受角度、光线、遮挡物的影响以及人脸表情数据集各类表情数量不均衡等问题,提出基于Res2Net的人脸表情识别方法。使用Res2Net50作为特征提取的主干网络,在预处理阶段对图像随机翻转、缩放、裁剪进行数据增强,提升模型的泛化性。引入广义平均池化(generalized mean pooling, GeM)方式,关注图像中比较显著的区域,增强模型的鲁棒性;选用Focal Loss损失函数,针对表情类别不平衡和错误分类问题,提高较难识别表情的识别率。该方法在FER2013数据集上准确率达到了70.41%,相较于原Res2Net50网络提高了1.53%。结果表明,在自然条件下对人脸表情识别具有更好的准确性。展开更多
噪声的包络调制检测(Detection of Envelope Modulation on Noise,DEMON)谱分析技术已被广泛应用于特征提取领域,但经典DEMON谱提取中高频信号频段的选取会影响DEMON谱的提取效果。针对这一问题,文中首先运用经验模态分解(Empirical Mod...噪声的包络调制检测(Detection of Envelope Modulation on Noise,DEMON)谱分析技术已被广泛应用于特征提取领域,但经典DEMON谱提取中高频信号频段的选取会影响DEMON谱的提取效果。针对这一问题,文中首先运用经验模态分解(Empirical Mode Decomposition,EMD)方法获得一系列固有模态函数(Intrinsic Mode Function,IMF),依据各阶模态函数与原信号的相关程度,筛选出更具代表性的几阶固有模态函数进行解调,再对解调的结果运用11/2维谱分析方法进行谱分析以抑制高斯噪声,通过这种方法获得的DEMON谱信噪比优于传统方法。实测湖试数据分析结果表明,该改进方法可以有效地进行特征提取,结果优于经典DEMON谱分析方法;该改进方法具有一定的实用性,有利于进行后续目标分类识别。展开更多
使用SAC/SAC-CI方法,利用D95、D95(d)、6-311g以及6-311g(d)等基组,对Li2分子的基态(X1∑g+)、第一激发态(A1∑u+)及第二激发态(B1∏u)的平衡结构和谐振频率进行了优化计算。通过对四个基组的计算结果的比较,得出了D95(d)基组为四个基...使用SAC/SAC-CI方法,利用D95、D95(d)、6-311g以及6-311g(d)等基组,对Li2分子的基态(X1∑g+)、第一激发态(A1∑u+)及第二激发态(B1∏u)的平衡结构和谐振频率进行了优化计算。通过对四个基组的计算结果的比较,得出了D95(d)基组为四个基组中的最优基组的结论;使用D95(d)基组,利用SAC的GSUM(Group Sum of Operators)方法对基态(X1∑g+)、SAC-CI的GSUM方法对激发态(A1∑u+和B1∏u)进行单点能扫描计算,用正规方程组拟合Murrell-Sorbie函数,得到了相应电子态的完整势能函数;从得到的势能函数计算了与基态(X1∑g+)、第一激发态(A1∑u+)和第二激发态(B1∏u)相对应的光谱常数(Be,αe,ωe和ωexe),结果与实验数据较为一致。其中,基态、第一激发态与实验数据吻合得非常好。展开更多
文摘为解决自然条件下人脸表情识别易受角度、光线、遮挡物的影响以及人脸表情数据集各类表情数量不均衡等问题,提出基于Res2Net的人脸表情识别方法。使用Res2Net50作为特征提取的主干网络,在预处理阶段对图像随机翻转、缩放、裁剪进行数据增强,提升模型的泛化性。引入广义平均池化(generalized mean pooling, GeM)方式,关注图像中比较显著的区域,增强模型的鲁棒性;选用Focal Loss损失函数,针对表情类别不平衡和错误分类问题,提高较难识别表情的识别率。该方法在FER2013数据集上准确率达到了70.41%,相较于原Res2Net50网络提高了1.53%。结果表明,在自然条件下对人脸表情识别具有更好的准确性。
文摘噪声的包络调制检测(Detection of Envelope Modulation on Noise,DEMON)谱分析技术已被广泛应用于特征提取领域,但经典DEMON谱提取中高频信号频段的选取会影响DEMON谱的提取效果。针对这一问题,文中首先运用经验模态分解(Empirical Mode Decomposition,EMD)方法获得一系列固有模态函数(Intrinsic Mode Function,IMF),依据各阶模态函数与原信号的相关程度,筛选出更具代表性的几阶固有模态函数进行解调,再对解调的结果运用11/2维谱分析方法进行谱分析以抑制高斯噪声,通过这种方法获得的DEMON谱信噪比优于传统方法。实测湖试数据分析结果表明,该改进方法可以有效地进行特征提取,结果优于经典DEMON谱分析方法;该改进方法具有一定的实用性,有利于进行后续目标分类识别。
文摘使用SAC/SAC-CI方法,利用D95、D95(d)、6-311g以及6-311g(d)等基组,对Li2分子的基态(X1∑g+)、第一激发态(A1∑u+)及第二激发态(B1∏u)的平衡结构和谐振频率进行了优化计算。通过对四个基组的计算结果的比较,得出了D95(d)基组为四个基组中的最优基组的结论;使用D95(d)基组,利用SAC的GSUM(Group Sum of Operators)方法对基态(X1∑g+)、SAC-CI的GSUM方法对激发态(A1∑u+和B1∏u)进行单点能扫描计算,用正规方程组拟合Murrell-Sorbie函数,得到了相应电子态的完整势能函数;从得到的势能函数计算了与基态(X1∑g+)、第一激发态(A1∑u+)和第二激发态(B1∏u)相对应的光谱常数(Be,αe,ωe和ωexe),结果与实验数据较为一致。其中,基态、第一激发态与实验数据吻合得非常好。