基于内容风格增强和特征嵌入优化的人脸活体检测方法

针对现有人脸活体检测算法的特征表示不佳,以及在跨数据集上泛化性能较差等问题,提出了一种基于内容风格增强和特征嵌入优化的人脸活体检测方法。首先,使用ResNet-18编码器提取来自多个源域的通用特征,并经过不同注意力机制的两个自适应模块进行分离,增强全局内容特征与局部风格特征表征;其次,基于AdaIN算法将内容特征与风格特征进行有机融合,进一步提升特征表示,并将融合后的特征输入到特定的分类器和域判别器进行对抗训练;最后,采用平均负样本的半难样本三元组挖掘优化特征嵌入,可以兼顾类内聚集和类间排斥,更好地捕捉真实和伪造类别之间的界限。该方法在四个基准数据集CASIA-FASD、REPLAY-ATTACK、MSU-MFSD和OULU-NPU上进行训练测试,分别达到了6.33%、12.05%、8.38%、10.59%的准确率,优于现有算法,表明该方法能够显著提升人脸活体检测模型在跨数据集测试中的泛化性能。

基于深度学习的服装图案刺绣风格化设计探析

为了将基于深度学习的图像风格迁移技术引入纺织服装中刺绣元素设计领域,拓展刺绣在服装中的创新思路和表现形式,本文利用DIN算法进行服装图案风格迁移处理,将图像风格化处理技术应用到服装图案设计中,对服装图案进行图案刺绣风格化处理,在实现服装图案的刺绣化效果的同时减少人力物力的投入。与基于AdaIN算法的图像风格化处理相比,较好的保留了原图的结构且更显自然,验证了该方法的有效性。研究认为DIN算法在服装图案刺绣风格化处理上具有一定可行性,可利用图像风格迁移技术更好的实现刺绣在服装设计中的应用与研究。