一种基于SVD分解的人脸对齐方法

提出了一种基于SVD分解的人脸对齐方法,该方法可以将不同角度的人脸变换为标准脸。首先对人脸点集和标准脸点集进行归一化,然后将人脸平移到原点(0,0)为中心的位置,这样人脸点集和标准脸点集中心已经对齐,接着通过SVD分解求解人脸点集配准标准脸点集的变换矩阵(即旋转矩阵),将人脸进行旋转后再平移到图片中心,就可以得到最终对齐后的人脸图片。

基于DDPG深度强化学习的电站脱硝过程优化控制

针对选择性催化还原(SCR,selective catalytic reduction)脱硝系统脱硝过程存在非线性、多工况等复杂特点,提出一种基于MiniBatchKMeans聚类与Stacking模型融合的SCR脱硝过程NO_(X)预测方法;该方法通过应用MiniBatchKMeans聚类算法对训练集进行工况聚类与划分优化,建立基于XGBoost、随机森林、LightGBM以及线性回归的Stacking融合框架预测模型(Stacking-XRLL),实现电站SCR系统多变工况下NO_(X)排放的精准预测;以广东某电站SCR系统脱硝过程中NO_(X)排放数据为例进行建模仿真与实验,结果表明与单一建模方法多层前馈神经网络(BP)、长短期记忆神经网络(LSTM)以及门控循环单元神经网络(GRU)相比,Stacking-XRLL建模方法的平均预测精确度达到了99%,并最终结合建立好的深度确定性策略梯度(DDPG)强化学习模型,实现电站SCR脱硝过程的参数优化控制。

基于语料关联生成的知识增强型BERT

以BERT为代表的自然语言预训练模型由于缺少专业领域知识支持导致准确度受到限制,知识增强型BERT模型通过引入外部专业知识有效改善了模型在不同领域下游任务中的知识缺失问题,取得了比BERT模型更高的准确率.但是,知识增强型BERT由于引入大规模外部知识,导致计算资源需求和训练时间急剧攀升.针对此问题,提出一种基于语料关联生成(corpus association generation, CAG)的知识增强方法,通过实体名词识别将输入文本语料拆解为顺序序列的字词集合与实体名词集合,字词集合通过实体名词与外部知识三元组进行语义关联;然后,基于语义关联进一步拼接生成蕴含外部知识的强相关性语料;最后,利用BERT模型结构将蕴含外部知识的强关联语料注入至下游任务进行知识增强.该方法可有效避免引入额外模型结构而导致的模型复杂度提升,从而有效降低模型训练计算量.以LCQMC、XNLI等6个公开数据集进行实验分析,结果表明在下游任务中知识引入阶段与训练计算阶段的平均耗时比K-BERT分别降低53.5%与37.4%.

一种针对监控应用的低复杂度高效视频编码方法

提出了一种面向监控应用的低复杂度高效视频编码方法,针对监控应用中视频背景内容固定的特点,采用背景检测模块,提取出视频图像的前景和背景区域,将前景区域作为感兴趣区域;对背景检测模块所提取出来的图像掩膜进行处理,剔除图像噪声的影响,合并相邻但孤立的感兴趣区域,填补前景中的“空洞”区域;在经过处理的图像掩膜的基础上生成宏块级掩膜,用于指导后续的视频编码;在视频编码过程中,根据宏块级掩膜,分别对感兴趣区域和背景区域采用不同的量化参数,完成差异性编码。试验结果表明,该编码方法针对监控视频,在保证目标图像区域质量的前提下,能够节省码率达到30%以上。