【摘 要】
：
人脸识别是图像领域的经典问题，为解决目前人脸识别中普遍存在的识别精度不高、特征点估计较为粗糙等问题，采用一种基于R-CNN(ResNet-Convolutional Neural Network)算法的人脸识别方法。该方法用人脸特征探测器有效的提取了人脸特征，同时将R-CNN卷积神经网络用于2D人脸识别，建立了人脸识别模型，采集了400张目标脸，和人脸库中的1000张样本脸混合，模型共训练130轮
论文部分内容阅读
人脸识别是图像领域的经典问题，为解决目前人脸识别中普遍存在的识别精度不高、特征点估计较为粗糙等问题，采用一种基于R-CNN(ResNet-Convolutional Neural Network)算法的人脸识别方法。该方法用人脸特征探测器有效的提取了人脸特征，同时将R-CNN卷积神经网络用于2D人脸识别，建立了人脸识别模型，采集了400张目标脸，和人脸库中的1000张样本脸混合，模型共训练130轮，之后在摄像头中识别目标脸，在训练了80轮之后，其网络识别的准确率达到了90%以上，说明具有较好的识别效
其他文献
由于传统半监督模式下的多视图算法很少考虑到不同视图中数据包含信息的差异性，且忽视了不同视图间存在着空间结构的一致性，使得算法在含有噪声和异常点的多视图数据中性能较差。尽管有研究者已经提出了半监督多视图方法，但这些方法没有充分利用样本判别信息以及不同度量学习下的子空间结构信息，从而导致分类结果不理想。针对以上问题，本文提出了一致性约束的半监督多视图分类。首先， 基于希尔伯特-施密特独立性准则(Hil
针对目前Anchor-free目标检测方法CenterNet (Objects as Points)生成热力图不准确、检测精度不足的问题，提出了一种基于特征迭代聚合的高分辨率表征网络CenterNet-DHRNet。引入高分辨率表征骨干网络并用迭代聚合的方式对不同分辨率的特征图进行融合，提高网络的分辨率，有效地减少图像在下采样过程中损失的空间语义信息；接着使用高效通道注意力机制对高分辨率表征骨干网
近几年，随着视频数据规模的不断增加，近重复视频数据不断涌现，视频的数据质量问题越来越突出。通过近重复视频清洗方法，可有助于提高视频集的数据质量。然而，目前针对近重复视频清洗问题的研究较少，主要集中于近重复视频检索等方面的研究。现有研究方法尽管可以有效识别近重复视频，但较难在保证数据完整性的前提下，自动清洗近重复视频数据，以便改善视频数据质量。为解决上述问题，本文提出一种融合VGG-16 深度网络与
为了提高配电网单相接地故障的定位准确率，提出一种基于暂态零序电流图像识别的配电网单相接地故障区域定位方法。通过PSCAD实现故障仿真，构建卷积神经网络（CNN）学习所需图像集。根据单相接地故障的两值性和分化性特征，基于Python编程进行图像预处理，采用VGGNet11网络结构对预处理后的字节形式故障样本进行训练，得到故障区域定位模型，并可视化分析模型分类效果。典型10 kV配电网模型数字仿真及现
扇区划分是平衡管制员工作负荷、提升空域通行能力的有效技术措施。采用Voronoi图自顶向下切割空域的方法具有自动保证扇区凸性、连通性和压缩性的特性，但计算时间过长。根据航迹状态计算工作负荷，构建了Voronoi图自顶向下切割空域模型，设计了动态步长蚁群搜索算法。测试结果表明，在太原高空划分成4个扇区的情况下，与MC-CLFV(Monte Carlo method by changing locat
针对目前纺织企业人工检验布匹瑕疵方法的成本高、误检率高、效率低等问题,提出一种基于机器视觉的轻量级模型瑕疵检测方法。通过搭建瑕疵检测系统平台,改进MUNIT模型以扩充瑕疵样本。在一阶模型YOLO(you only look once)的基础上引入深度可分离卷积,从而减少参数量以提升检测速度,自定义符合瑕疵特征的ASPP(atrous spatial pyramid pooling)模块提高模型精度
针对目前常用滤波算法结构复杂、工作效率较低和DEM成果评价方法单一等问题，本文提出了一种基于空间格网技术与卷积核计算的移动曲面拟合DEM滤波算法（CGS算法）和基于计算机图形学的DEM质量评价新方法。通过理论研究和工程实践结果表明：CGS算法相对于人工干预TIN算法可以更好滤除植被、建筑物等各种非地面点；利用灰度共生矩阵、自相关函数、图像信噪比、基于Canny算子改进高斯波形提取的局部方差算法对D
传统检测器只关注目标区域附近的信息， 忽略了目标的关系信息， 使检测器难以识别小目标， 导致性能受限. 为了捕获和探索这些重要的关系， 提出基于图卷积神经网络的目标检测方法， 也即通过两个独立的关系图网络分别获取标签中目标的全局语义信息和图像中目标的局部空间信息. 语义关系网络可获取隐含的全局知识， 通过在数据集上构建有向图， 每个节点由标签的词嵌入表示， 输入图卷积神经网络得到语义关系特征. 空
受采集装置的限制，采集的深度图像存在分辨率较低、易受噪声干扰等问题。本文提出了分级特征反馈融合网络 (Hierarchical Feature Feedback Network， HFFN)，以实现深度图像的超分辨率重建。该网络利用金字塔结构挖掘深度-纹理特征在不同尺度下的分层特征，构建深度-纹理的分层特征表示。为了有效利用不同尺度下的结构信息，本文设计了一种分级特征的反馈式融合策略，综合深度-纹
为了提高变电站中密集排布、颜色多样的拔插式压板智能识别水平，提出一种基于颜色分离与形态特征分析的保护压板定位及状态识别方法。该方法首先对采集的压板图像进行同态滤波增强与透视校正；其次，根据压板图像颜色特征，通过设定RGB三分量差值进行颜色分离，同时结合形态特征分析实现有效压板区域的分割；然后，通过矩形结构元素对有效压板区域进行膨胀，从而定位出每块压板区域的位置。最后，通过每块压板外接矩形框的形态特