基于特征自干扰与像素注意力机制的道路分割网络

主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注意力机制缺乏像素级的特征筛选。针对上述问题提出了基于图像特征自干扰与像素注意力机制的道路分割网络,该网络分为主干分割网络和特征自干扰网络两部分,主干的分割网络包含像素注意力模块,可实现真实特征的提取和像素级的增强;自干扰网络输入原始图像随机裁剪和插值放大后得到的局部图生成伪特征,此外提出了融合模块用于实现伪特征与真实特征的融合并对主分割网络中间特征进行干扰。在KITTI和Cityscapes道路数据库上的实验表明：基于图像特征自干扰与像素注意力机制的分割方法与DeepLab V3分割方法相比,在KITTI数据集上的分割精度由88.02%提升至90.55%,在Cityscapes数据集上的分割精度由87.15%提升至90.16%。     

基于颜色分割和HOG学习机制的人脸检测

人脸检测在信息安全和处理等应用领域起到很重要的作用.提出了一种鲁棒的人脸检测算法.该算法结合了基于颜色分割的粗定位过程和基于Histogram of Oriented Gradient(HOG)特征的人脸精确定位过程.粗定位利用人脸的颜色特征,采用基于YCbCr空间的颜色分割方法,获得图像中有可能包含人脸的图像子区域;精确定位则采用HOG特征,并利用SVM进行分类,得到人脸的准确位置.实验证明我们的方法对不同亮度、各种年龄及性别、表情变化及部分遮挡的人脸都具有很强的鲁棒性.     

机器人重力参数辨识新方法

将一类新型自适应观测器推广应用到机器人自适应状态观测器上，解决了机器人重力参数辨识的收敛性问题。     

一种基于圆差异算子的眼睛垂直定位方法

提出了一种新的眼睛垂直定位方法,先利用圆差异算子对原始图像作变换,并对变换后的图像作垂直方向的积分投影,搜索投影曲线上最大的三个极值点,得到眼睛的可能位置,再对每个极值点的所在区域作水平方向积分投影,利用水平投影曲线的波峰数条件过滤眼睛以外的其他点,最后利用人脸的结构特点确定出眼睛点的垂直位置．通过在Yale照片库上的实验说明该方法具有很高的定位准确性．     

机器人重力参数辨识新方法

将一类新型自适应观测器推广应用到机器人自适应状态观测器上，解决了机器人重力参数辨识的收敛性问题．     

基于条件循环生成对抗网络的人脸姿态重建

人脸姿态重建对于解决由于人脸姿态导致的人脸识别率降低的问题有重要意义,由于自遮挡,缺少大部分的人脸特征,重建正面人脸存在很大困难.近年来运用生成对抗网络的图像生成方法得到学界深入的研究,受生成对抗网络在人脸肤色,头发等属性变换等方面研究工作的启发,将人脸偏转角度作为人脸的一种全局姿态属性进行基于生成对抗机制的互换训练,...     

一种基于园差异算子的积分投影方法

讨论了积分投影方法在人脸特征点定位中的应用,分析了常用的平均值、方差值投影方法的优缺点,提出一种新的园差异算子,并通过在Yale Face Database B照片库上的实验说明基于园差异算子的积分投影方法能够很好地克服非线性光照的影响,具有很强的鲁棒性,可以用于人脸特征的精确定位.     

基于案例推理中案例表示的研究

基于案例推理利用过去的案例或经验进行推理来求解新问题,是一种重要的机器学习方法.在CBR(Case-based Reason ing)中知识表示以案例表示为基础,案例是一段带有上下文信息的知识,该知识表达了推理机在达到其目标的过程中能起关键作用的经验.案例表示可能是半结构化或非结构化的,甚至用自然语言来表达的,涉及系统的运行效率.分析了目前的多种表示方法,研究了不同环境下的案例表示,以及选用合适的方法来构筑的案例库.     

论LINQ PROVIDER技术在家校系统中的应用研究

针对以往家校平台多数无法处理多数据源问题,根据LINQ技术支持多数据源的特性,采用LINQ Provider方式来扩展数据源,极大地简化了对异构数据源的数据的使用.这既弥补了中间件技术在数据集成应用中的不足,同时也拓宽了家校系统的使用面.     

结合对比学习与空间上下文的人脸活体检测

人脸活体检测是面部识别应用的先决条件.现有方法利用多种特征提升检测精度,针对特征优化的研究较少,一些能起有效区分作用的特征未被提取,提出结合空间上下文特征与对比学习的人脸活体检测(SAC),分两个阶段:① 对比学习得到高级语义特征,扩大活脸和攻击脸之间的特征差距.此外,提出两种定义样本的策略以增强特征的可辨性.② 上下文判别器:自我注意学习输入的极端贡献性空间上下文.两阶段用跳跃连接保持特征表示一致性,分别用特征相似度和交叉熵损失训练.在公开数据集SiW、CAISA FASD和Replay Attack上测试,SAC在SiW的3种测试协议下均取得了与先进算法可比较的结果,在CAISA FASD和Replay Attack的跨数据集测试结果分别提升4％、11％,表明SAC能够有效准确判别欺骗人脸.