亮度增强的多尺度垃圾检测

垃圾检测能减少资源浪费、缓解环境污染,对环境保护具有重要意义.针对现有方法在图像昏暗和物体细小情况下存在误识别、漏检的问题,本文提出了一种亮度增强的多尺度垃圾检测方法.首先在亮度增强模块中,利用跳跃连接增强各层级垃圾图像特征的关联性,解决了昏暗条件下的垃圾误识别问题.然后在多尺度垃圾检测模块中,使用密集连接将不同尺度特征进行融合,提高了对细小垃圾特征的学习能力,解决了细小垃圾存在的漏检问题.本文方法在自制数据集和公共数据集上的mAP达到了96.62%和93.81%.实验结果表明,该方法解决了图像昏暗和物体细小情况下的误识别、漏检问题,优于现有的YOLOv4等主流方法.     

多注意力机制下自愈人脸表情识别

人脸表情识别技术在社会生活、刑事侦探等领域中具有重要应用价值和广阔应用前景.现有方法对表情特征提取不充分,使得高维特征易丢失局部关键信息;同时在复杂背景下表情的二义性导致网络泛化能力弱.为解决这些问题,本文提出一种多注意力机制下自愈网络(Multiple Attention Self Curing Network,MASCNet).该网络生成带有注意力权重的多尺度特征,通过融合不同尺度特征,提高网络模型在细粒度下对局部关键信息的表征能力.自注意力机制模块为融合后的特征分配重要性权重,约束不确定性样本在网络训练中所占比重,提高网络的泛化能力.本文方法在FER2013和RAF-DB数据集上的最高的识别正确率分别为74.21%和88.74%.实验结果表明该方法能有效识别人脸表情,优于现有MHBP、AHBRPN等主流方法.     

基于噪声估计的自适应块匹配和三维滤波降噪算法

针对经典的块匹配和三维滤波(BM3D)降噪算法中最 为核心的噪声水平(方差)参数在使用中需要 人工手动设置极大影响了降噪效果并限制了它的应用,提出了一种新的基于自然场景 统计(NSS)的噪声水平特征矢量和支持向量回归(SVR)技术的快速噪声水平估计算法并应用于 经典BM3D算法 中,使之转变为自适应降噪算法(Adaptive BM3D)。本文算法首先利用小波变换对图像进行 不 同尺度和不同方向的分解,提取各子带滤波系数并用通用高斯分布模型(GGD)建模,以模型 参数构成反映噪 声图像噪声水平的特征矢量;然后用SVR方法在大量噪声图像样本上进行训练获得图像噪声 水平预测模型。 实验表明:改进后的ABM3D算法实际图像降噪效果比BM3D算法获得进一步提升,并且仍然 保持了非常高的执行效率,相对于当前各主流算法具有明显的竞争力。