细化Transformer网络的弱监督图像语义分割

图像级标签的弱监督图像语义分割方法是目前比较热门的研究方向,类激活图生成方式是最为常用的解决该类问题的主要工作方法。由于类激活图的稀疏性,导致判别区域的准确性降低。针对上述问题,提出了一种改进的Transformer网络弱监督图像学习方法。首先,引入空间注意力交换层来扩大类激活图的覆盖范围;其次,进一步设计了一个注意力自适应模块来指导模型增强弱区域的类响应;特别地,在类生成过程中,构建了一个自适应跨域来提高模型分类性能。该方法在Pascal VOC 2012验证集和测试集上分别达到了73.5%和73.0%。实验结果表明,细化Transformer网络学习方法有助于提高弱监督图像的语义分割性能。

轮廓定位下的人头NSCT特征提取方法

监控设备目前大量被运用在众多公共场所,其采集的数据信息多数用于对行人的监控。人头目标检测工作也是该领域重要的工作,因为视频数据占用大量的存储空间,为了能减少其空间占存比,市场上绝大多数都会采用低分辨率存储方式,从而导致图像中的信息大量丢失,给人头的精确提取带来极大的影响。针对该类问题,利用人头类椭圆的共性进行人头的快速定位,再利用NSCT特征在轮廓细节上表现出的优越性,对轮廓区域进行NSCT特征提取,最后利用SVM训练器进行分类检测。实验结果表明:该方法能在保证检测实时性的基础上提高在低分辨率环境下的检测效果。

基于视频的人数统计方法综述

在视频监控领域中,人数统计工作一直是研究的热点话题,视频人数统计工作是实现和完善在图像视频监控领域应用的基础,如果能够准确、快速、低成本的完成人数统计工作,无论在商业领域、安全领域等都会带来无限的应用空间。因此,本文在前人所做的基础之上,结合近些年该领域的发展情况,进行了比较有针对性的描述。对一些比较热点的方法进行了详细的理论介绍,希望相关研究工作者能够基于本文所作的相关研究,发挥其更大的价值。

基于Curvelet变换的低分辨率人脸识别方法

随着我国经济实力的提高,大多公共场所都配备监控设备,用以对出现行人及行为的监控,通过监控识别人脸是人脸识别发展的重要方面,以后也将进一步发展。为减少视频数据的空间占比,目前市场大部分采用低分辨率的存储方式来存放视频数据,这对人脸的识别率带来了较大的影响。针对该类问题,首先利用Curvelet变换,对人脸多维空间特征进行数据采集,再利用2DPCA进行降维,最后以最近邻分类器识别,使用人脸数据图片库进行实验比对,完成人脸的识别。实验结果表明:该方法能在实时检测的基础上提高对低分辨率环境下的人脸识别效果。

基于低分辨率的人脸识别方法研究

随着我国经济实力的提高,大多公共场所都配备有监控设备[1],用以对出现行人及行为的监控,通过监控识别人脸是其发展的重要方面以后也将进一步发展;为减少视频数据的空间占比[2],目前市场大部分采用低分辨率的存储方式来存放视频数据,这对人脸的识别率带来了极大的影响;人脸识别是完善和加深图像识别在视频监控领域应用的基础,如何能够准确、快速、低成本的完成人脸识别工作,无论在生活领域、信息安全领域和公共安全领域等都有着无限的应用空间;因此,文章在前人所做的基础之上,结合近些年该领域的发展情况,进行了比较有针对性的描述;对一些比较热点的方法进行了详细的理论介绍,希望相关研究工作者能够基于文章所作的相关研究,发挥其更大的价值。