基于多尺度时空特征和篡改概率改善换脸检测的跨库性能

目前大多DeepFake换脸检测算法过于依赖局部特征,尽管库内检测性能尚佳,但容易出现过拟合,导致跨库检测性能不理想,即泛化性能不够好。有鉴于此,文中提出一种基于多尺度时空特征和篡改概率的换脸视频检测算法,目的是利用假脸视频中广泛存在的帧间时域不连续性缺陷来解决现有检测算法在跨库、跨伪造方式和视频压缩时性能明显下降的问题,改善泛化检测能力。该算法包括3个模块:为检测假脸视频在时域上留下的不连续痕迹,设计了一个多尺度时空特征提取模块;为自适应计算多尺度时空特征之间的时空域关联性,设计了一个三维双注意力机制模块;为预测随机选取的像素点的篡改概率和构造监督掩膜,设计了一个辅助监督模块。将所提出的算法在FF++、DFD、DFDC、CDF等公开大型标准数据库中进行实验,并与基线算法和近期发布的同类算法进行对比。结果显示:文中算法在保持库内平均检测性能优良的同时,跨库检测和抗视频压缩时的综合性能最好,跨伪造方法检测时的综合性能中等偏上。实验结果验证了文中算法的有效性。

结合沙漏注意力与渐进式混合Transformer的图像分类方法

Transformer在图像分类任务中具有广泛应用,但在小数据集分类任务中,Transformer受到数据量较少、模型参数量过大等因素的影响,导致分类精度低、收敛速度缓慢。本文提出了一种融合沙漏注意力的渐进式混合Transformer模型。首先,通过下-上采样的沙漏自注意力建模全局特征关系,利用上采样补充下采样操作丢失的信息,同时采用可学习温度参数和负对角掩码锐化注意力的分数分布,避免因层数过多产生过度平滑的现象;其次,设计渐进式下采样模块获得细粒度多尺度特征图,有效捕获低维特征信息;最后,使用混合架构,在顶层阶段使用设计的沙漏注意力,底层阶段使用池化层替代注意力模块,并引入带有深度卷积的层归一化,增加网络局部性。所提方法在T-ImageNet、CIFAR10、CIFAR100、SVHN数据集上进行实验,分类精度可以达到97.42%,计算量和参数量分别为3.41G和25M。实验结果表明,与对比算法相比,该方法的分类精度有明显提升,计算量和参数量有明显降低,提高了Transformer模型在小数据集上的性能表现。

基于SfM单目六自由度位姿估计数据集自动标注

为解决在训练物体六自由度位姿估计神经网络时,人工标注真实场景数据集困难的问题,提出一种自动生成大量单目六自由度位姿估计数据集的方法,可提高数据集标注效率和精度。考虑采集图象环境的光照、物体遮挡等条件,以单目RGB相机、物体三维模型作为输入,在运动恢复结构(structure form motion,SfM)算法框架中添加尺度先验信息约束,实现在真实场景快速生成大量用于六自由度位姿估计训练的数据集。以生活用品为例,分别制作无遮挡、有遮挡数据集,与现有六自由度位姿估计数据集作对比,使用神经网络算法验证根据该方法制作出数据集的可行性与有效性。

基于二阶远离步的积极集最小闭包球算法

对高维大规模数据集的近似最小闭包球(Minimum Enclosing Ball,MEB)问题进行研究,提出一种基于二阶远离步的积极集最小闭包球算法。首先,基于对偶目标函数的二阶泰勒展开选择远离步指标,给出求解MEB问题的二阶远离步算法,并计算算法的多项式时间复杂度。然后,进一步设计一个改进的积极集算法计算高维大规模数据集的近似MEB,算法每次迭代选取距离球心较远的数据点构造积极集,并调用二阶远离步算法求解。数值实验结果表明,所提算法能够快速有效地处理高维大规模数据集的高精度近似MEB问题。

融合多尺度特征的高分辨率森林遥感图像分割

为实现对青海三江源国家级自然保护区高原森林的有效监测,基于深度学习技术提出一种融合多尺度特征的遥感图像分割算法。首先,构建了该地区首个2 m空间分辨率的高原森林数据集;其次,为解决遥感图像真值标签不足影响网络模型训练的问题,针对森林遥感图像分割的特点提出一种将图像打乱重组的数据增强方法,将训练数据扩充至1 600张;然后,为解决主流分割网络处理大范围遥感图像存在无法聚焦细节的缺陷,基于编解码结构,提出一种融合多尺度特征的高分辨率森林遥感图像分割网络模型,该模型融合了所设计的卷积模块、多尺度特征融合模块和特征放大提取模块。实验结果表明,所提数据增强方法提升了模型的分割精度,同时该模型经数据增强训练,交并比(intersection over union, IoU)高达89.64%,结果优于当前主流图像分割模型。

一种基于YOLOv4的密集人群小目标检测方法

针对密集人群中由于视觉受阻和目标被遮挡导致小目标检测精度不佳的问题,本文基于YOLOv4模型将卷积块–像素块注意力机制模块(convolutional-pixel block attention module,CBAM-PIX)融入主干网络CSPDarknet53,并利用级联思想改进特征融合网络。注意力机制方法和特征融合方法不仅提升了数据的丰富性,而且提高了空间通道像素提取信息的能力和目标检测的准确性。此外,通过减少网络层数降低计算量和减少参数,提高了网络模型在有限计算资源和设备需求下的适应能力。实验结果表明,改进的模型算法在用于密集人群小目标检测时精确度提升了1.96%,且鲁棒性强。该算法为解决复杂背景下密集人群小目标检测提供了有效的解决方案,具有应用价值。

基于BM-TransUNet的咽后壁识别分割

图像分割经历了从基于传统的阈值分割等方法逐步发展到基于卷积神经网络的方法.传统的卷积神经网络在分割领域中表现突出,但训练速度慢、分割精度不够高等局限性也逐渐显现.为了克服这些局限性,本文在TransUNet网络的基础上进行改进,提出了基于BM-TransUNet网络的图像分割识别方法,在TransUNet网络的在第1层之后加上深度可分离卷积模块,并在编码器下采样的卷积层后引入注意力机制模块,让算法更好地探索分割对象特征,同时在编码器与解码器之间引入多尺度特征融合模块FPN.本文基于自制的咽后壁数据集,用于图像分割训练,并将训练后的BM-TransUNet网络与多种传统分割网络的效果进行对比.实验结果表明,相比于其他传统的深度学习模型,BM-TransUNet网络的识别方法具有较高的分类准确性和泛化能力,精确度Precision和Dice系数分别达到了93.61%和90.76%,显示出较好的计算效率,能有效地应用于分割任务.

基于土壤特征和土地利用变化的土壤质量评价最小数据集确定

进行土壤质量评价前,必须先从大量土壤理化、生物学参数中严格选取对土壤质量敏感的评价参数最小数据集(MDS)。考虑到目前经济转型期我国剧烈的土地利用变化对各种土壤过程的深刻影响,通过以下3步选取土壤质量评价MDS:通过主成分分析(PCA)计算各土壤参数在所有特征值≥1的主成分上的综合荷载;通过多变量方差分析定量了土地利用变化对各土壤参数的贡献;通过均值多重比较确定了土地利用年限对土壤性质的定量影响。最后经过线性变换、分组、相关分析检验等过程,得到一个能最大限度的代表所有候选土壤参数而又尽可能少的损失这些候选参数所包含的土壤质量信息的最小数据集。该土壤质量评价MDS因子选取方法能很好地整合土地利用变化的综合定量影响,同时具有很好的灵活性、可扩展性并能外推到其它地区。通过将该方法分别应用在1985年及2004年采样分析的两套数据各12个土壤候选参数集上,得到了各包含6个因子的MDS及其在20a尺度上的变化规律,发现MDS因子略有不同,但变化不大。

基于小时降水资料研究北京地区降水的精细化特征

根据北京全区2007~2014年117个自动气象站逐小时降水资料,在揭示降水总体时空特征的基础上,进一步研究了北京地区各季(以春、夏、秋为主)降水的精细化特征。研究发现:北京全区年均降水量存在两个高值中心(城区和下风方向的降水高值中心),城市热岛效应可能是城区高值中心形成的重要影响因素之一;北京全区降水的季节分布不均,日分布也不均匀;城市化对北京地区降水的影响具有季节差异,夏季短历时和中历时降水在城区和东北部存在显著的大值区,受到城市热岛效应的影响可能较为明显,长历时降水在城区反而相对偏低,而春季城区短、中历时降水并未偏多,长历时降水却在城区出现明显的高值中心;降水日变化季节差异明显,春、秋两季呈现双峰型变化,而夏季呈现单峰型变化,该日变化的特征与全区降水的空间分布格局关系紧密。

面向数值模拟数据的HDF5性能优化

大规模数值模拟数据对可视化分析提出了挑战,I/O是影响可视化交互性能的重要因素.HDF5是科学计算领域广泛采用的存储格式,介绍了HDF5的抽象数据模型、数据读写流程,并使用典型数值模拟数据测试了HDF5的读性能.测试发现HDF5的数据集定位开销较大.根据数值模拟数据的数据块以整数有规律编号的特点,通过在HDF5中增加数据块视图对象来提高读性能.测试表明,该方法可显著加速数据的读取性能.

面向大规模数据集的近邻传播聚类

近邻传播聚类在计算过程中需构建相似度矩阵,该矩阵的规模随样本数急剧增长,限制了算法在大规模数据集上的直接应用。为此,提出一种改进的近邻传播聚类算法,利用数据点的局部分布,借鉴半监督聚类的思想构造稀疏化的相似度矩阵,并对聚类结果中的簇代表点再次或多次聚类,直至得到合适的簇划分。实验结果表明,该算法在处理能力和运算速度上优于原算法。

大规模数据场的并行可视化

大规模数据场的并行可视化一直是科学计算可视化中极具挑战性的一个研究领域 .本文介绍了我们设计与实现的一个面向大规模工程计算的小型并行可视化系统 ,该系统采用了场特征分析技术来提高可视化的质量 .可支持计算和可视化在计算服务器上同时进行 ,并可将可视化结果——可视的图形元素简化后输出到用户端进行显示 .为用户提供了大量的并行可视化算法 ,其中一些是其它商品化软件所未包括的 。

面向大规模噪声数据的软性核凸包支持向量机

现有的面向大规模数据分类的支持向量机(support vector machine,SVM)对噪声样本敏感,针对这一问题,通过定义软性核凸包和引入pinball损失函数,提出了一种新的软性核凸包支持向量机(soft kernel convex hull support vector machine for large scale noisy datasets,SCH-SVM).SCH-SVM首先定义了软性核凸包的概念,然后选择出能代表样本在核空间几何轮廓的软性核凸包向量,再将其对应的原始空间样本作为训练样本并基于pinball损失函数来寻找两类软性核凸包之间的最大分位数距离.相关理论和实验结果亦证明了所提分类器在训练时间,抗噪能力和支持向量数上的有效性.

基于MapReduce的层叠分组并行SVM算法研究

随着训练集规模的不断增大,支持向量机学习成为了密集型计算的过程。针对计算过程中存在占用内存大、寻优速度慢等问题,通过大量实验对分组训练和层叠训练两种并行SVM算法进行性能分析,给出层叠分组SVM并行算法,并利用MapReduce并行框架实现,解决了层叠训练模型效率低的问题。实验结果表明,采用这种学习策略,在保持精度损失较小的情况下,一定程度上减少了训练时间,提高了分类速度。

一种小规模数据集下的贝叶斯网络学习方法及其应用

提出了一种小规模数据集下学习贝叶斯网络的有效算法——FCLBN。FCLBN利用bootstrap方法在给定的小样本数据集上进行重抽样,然后用在抽样后数据集上学到的贝叶斯网络来估计原数据集上的贝叶斯网络的高置信度的特征,并用这些特征来指导在原数据集上的贝叶斯网络搜索。用标准的数据集验证了FCLBN的有效性,并将FCLBN应用于酵母菌细胞中蛋白质的定位预测。实验结果表明,FCLBN能够在小规模数据集上学到较好的网络模型。

正则化多任务学习的快速算法

正则化多任务学习(regularized multi-task learning,r MTL)方法及其扩展方法在理论研究及实际应用方面已经取得了较好的成果。然而以往方法仅关注于多个任务之间的关联,而未充分考虑算法的复杂度,较高的计算代价限制了其在大数据集上的实用性。针对此不足,结合核心向量机(core vector machine,CVM)理论,提出了适用于多任务大数据集的快速正则化多任务学习(fast regularized multi-task learning,Fr MTL)方法。Fr MTL方法有着与r MTL方法相当的分类性能,而基于CVM理论的Fr MTL-CVM算法的渐近线性时间复杂度又能使其在面对大数据集时仍然能够获得较快的决策速度。该方法的有效性在实验中得到了验证。

文献集规模对科技领域情报分析的影响:多种任务场景下的实证分析

面向特定领域开展科技情报分析时,由于文献的集中与离散分布规律,难以有效构造全量文献集。那么多大规模的领域文献集是可靠的?这一问题在不同的情报分析任务场景下,有不同答案。本文综合考虑待分析领域大小、待分析对象(学科分类、国家、机构、关键词、引文、作者,及其各自共现关系)、待分析对象的Top值截取(如高频词)数量、结果是否考虑排序等常见的多种任务场景,设计相应的实验方案。以“人工智能”领域WoS(Web of Science)数据为例,开展多种规模的数据抽样,并计算得出抽样子文献集对全量文献集的拟合指标值为4800个,以量化结果揭示科技情报分析中不同任务场景对文献集规模的要求。研究结果表明,涉及学科与国家分类的分析任务,以极小规模文献集便可得到较为可靠的结果;涉及作者的分析任务,对于文献集规模的要求极高,有必要采用全量数据;涉及机构、关键词、引文的分析任务,文献集达到一定规模可得到较为可靠的结果,但相应规模受不同因素的影响,尤其是共现分析、截取较多Top对象和结果要求排序这三种任务场景对文献集规模要求更高。

基于残差注意力多尺度关系网络的逻辑推理

逻辑推理是感知视觉元素间规律和联系的能力,使计算机拥有类人的推理能力是一项重要的研究内容。在大量数据和深度模型的驱动下,现今人工智能已在图像处理等领域中取得超越人类水平的表现,但通过图像进行逻辑推理的能力还较落后。为解决面向逻辑推理的多尺度关系网络(MRNet)特征提取能力不足及泛化性较差的问题,提出一种改进的残差注意力多尺度关系网络(ResAMRNet)。在主干网络中,利用残差结构并结合跳跃连接与长跳跃连接,将浅层特征融入深层网络训练过程中,减少特征信息丢失,并提高模型特征提取能力。在推理模块中,将通道注意力机制与残差模块相融合检测每行图片间的关系特征,差异化各特征通道的重要程度,自适应学习注意力权重,提取关键特征。设计双池化高效通道注意力机制,结合全局最大池化进一步获取对象的特征信息,提高模型泛化性。在RAVEN和I-RAVEN数据集上的实验结果表明,ResAMRNet的分类准确率相比于MRNet分别提升了8.3和18.1个百分点,具有较强的逻辑推理能力。

基于分类超平面的非线性集成学习机

针对支持向量机面临的大规模数据分类问题,提出基于分类超平面的非线性集成学习机NALM。该方法借鉴管理学中协同管理的思想,将大规模数据分成规模较小的子集,然后分别在子集上运行分类超平面算法,最后将各子集上的分类结果进行非线性集成得到最终的分类结果。该方法不仅继承了分类超平面的优点,而且还将分类超平面的适用范围从小规模数据扩展到中大规模数据,从线性空间推广到Hilbert核空间。若干数据集上的实验表明:NALM能以较少的支持向量来解决大规模样本分类问题。

大规模数值模拟数据的多分辨组织

大规模数值模拟数据对可视化分析提出了挑战,本文研究如何将大规模数据组织成多分辨的形式以提高大规模数据可视化的交互性能。鉴于大规模数值模拟剖分的数据块粒度与可视化分析优化的I/O粒度不匹配,本文提出了I/O优化的多分辨数据组织算法,并实现了多层存储与多级存储两种存储方案。使用实际的大规模数据进行了测试并取得了很好的效果。