现实场景下基于数据增强的人脸表情识别

现实场景下获取的人脸表情图像受姿态、背景、性别、种族等的影响,使得在此类不可控环境下的人脸表情识别率低。针对上述问题,现在出现了各种数据增强的方式,用于实现现实场景下的人脸表情图像数据增强,目的是通过增加数据集的多样性来提升分类精确度。实验结果证明,文中所提方法相较于传统的将所有表情进行同步数据增强的方法,在FER2013数据集上实现了50%识别精确度的提升,且将损失维持在了1.5左右。

自然场景下基于数据增强的人脸表情识别研究进展与趋势

由于自然场景下的人脸表情存在光照、姿态、种族、性别等因素的影响,人脸表情图像数据集的多样性才是能够保障自然场景下的人脸表情识别的性能高效提升的关键.基于自然场景下的人脸图像数据增强的方法,通过增加人脸表情数据集的多样性,提升在自然场景下人脸表情识别的精确度.对最近人脸表情识别的数据增强方法进行了总结和分析,并对在自然场景下人脸表情识别数据增强的发展趋势进行了展望.

深度伪造生成与检测研究综述

目前用于建立和操作多媒体信息技术已经发展到了可确保高度真实感的程度。深度伪造作为一种生成式深度学习算法,可实现音频、图像、视频的伪造生成,近些年也取得了相当巨大的进步,与之对抗的深度伪造检测技术也在不断的发展中。梳理常见深度伪造生成的技术以及相关的数据集,总结其中的原理以及最新方法成果;并对深度伪造检测相关技术和数据集进行分析总结。对深度伪造生成和检测的未来研究方向进行了总结和展望。

网络反恐的情报工作研究

在信息时代,网络与社会的各种功能紧密相连,也与人的生活密不可分。在网络技术飞速发展的过程中,恐怖主义分子牢牢地把握住了这个机会,将恐怖主义犯罪与网络结合起来,使其变得更加具有威胁性,因此网络恐怖主义犯罪成为全世界必须正视的问题。本文对网络恐怖主义犯罪的定义、表现形式进行了详细的研究,并在情报的搜集、分析和研判三个方面提出了相应的建议。