【摘 要】
：
人脸识别技术在身份认证方面有着显著的优势,且已成功应用到罪犯识别、人机交互、边防监控、智慧交通等领域,但多数算法仅在实验室条件下能够取得令人满意的性能,在非约束的真实自然条件下其识别效果较差,而日常生活中口罩、墨镜、围巾等因素造成的遮挡人脸识别问题是人脸识别在实际应用中亟需解决的问题之一,如何去除遮挡影响,挖掘人脸遮挡鲁棒表征具有较强的实际应用价值。因此,本文针对遮挡人脸识别方法开展研究,主要贡献
论文部分内容阅读
人脸识别技术在身份认证方面有着显著的优势,且已成功应用到罪犯识别、人机交互、边防监控、智慧交通等领域,但多数算法仅在实验室条件下能够取得令人满意的性能,在非约束的真实自然条件下其识别效果较差,而日常生活中口罩、墨镜、围巾等因素造成的遮挡人脸识别问题是人脸识别在实际应用中亟需解决的问题之一,如何去除遮挡影响,挖掘人脸遮挡鲁棒表征具有较强的实际应用价值。因此,本文针对遮挡人脸识别方法开展研究,主要贡献如下:1、针对小样本遮挡人脸识别问题,融合有监督和无监督特征的优点,设计了一种简单有效的混合监督学习（Hybrid-Supervision Learning,HSL）框架。在有监督分支中,提出一种有效的特征学习方法:基于方向梯度直方图的多重边际Fisher分析（Multiple Marginal Fisher Analysis based on Histogram of Oriented Gradient,HMMFA）;在无监督分支中,改进主成分分析网络（PCANet）,以提取更具判别性的局部信息;在融合阶段,进一步提取混合特征中的判别性特征,并采用支持向量机分类;在AR、Extended Yale B、ORL和CMU-PIE四个数据库上进行的大量实验证明了本文HSL算法对于遮挡人脸识别的有效性和高效性。与深度学习方法相比,HSL不需要辅助集,参数个数少,存储空间小,对于小型社区和企业更经济实用。2、为充分挖掘未遮挡区域所包含的判别性信息,提取遮挡鲁棒性人脸特征,本文在孪生网络的基础上引入Regular Face损失与Softmax损失提出一种基于孪生网络的遮挡人脸识别方法（Siamese Network based on Regular Face and Softmax,SNRS）。首先,将成对图像进行预处理并添加一定比例的遮挡,处理后的图像按照1:2的比例设置正负样本对作为孪生网络的输入;其次通过共享编码网络进行特征预提取,并将其中一个分支的结果变换到高维空间;最后,将Regular Face损失与Softmax损失结合作为损失函数,并将变换后的结果与另一个分支的结果进行匹配,实现遮挡人脸识别。与深度学习方法相比,SNRS方法网络结构简单,不依赖于大批量训练。在多个数据库的实验结果表明SNRS算法对于遮挡人脸识别的有效性与鲁棒性。
其他文献
窄带物联网（Narrow Band Internet of Things,NB-IoT）依靠其广覆盖、低功耗、低成本、大连接等优势,成为被广泛应用的物联网技术。小区搜索作为NB-IoT下行接收机中的关键过程,是终端和基站进行通信的保障。小区搜索需要检测两种同步信号,而NB-IoT和传统的LTE（Long Term Evolution,长期演进）相比,两种同步信号的结构和功能都不同,同时NB-IoT
脑肿瘤分割对于脑肿瘤放射治疗计划的制定和疗效评估具有重大意义。由于脑肿瘤的大小、形状各不相同并且位置难以确定,常用的手动分割方法耗时耗力,分割结果也会受到专家个人经验的主观影响。卷积神经网络（Convolutional Neural Network,CNN）中的U-Net网络使用编解码结构,并且在编码结构与解码结构的同一层使用了跳跃连接,可以将编码部分与解码部分的特征融合,常被用于脑肿瘤图像的分割
随着互联网和电子信息产业的不断发展和进步,互联网逐渐成为人们获取信息的主要手段,人们能够获取的信息量剧增,随之产生信息过载问题,解决信息过载的一个有效手段是推荐系统。推荐系统的核心是推荐算法,其中协同过滤推荐算法深受瞩目,它通过分析用户的历史评分信息为用户进行个性化推荐。但是该方法仍存在数据稀疏性问题和冷启动问题,导致推荐系统的准确度不高。因此针对协同过滤的局限性,本文尝试加入辅助信息,做出了以下
我国作为世界人口第一大国,截至2021年年末,我国受到视力障碍影响的人数已多达1700余万,视力的受损甚至丧失使他们的正常出行受到了严重的影响。为了解决视力障碍者出行不便的问题,研究人员设计出了各种导盲设备。但是现有的一些导盲设备普遍以检测道路水平面以上的正障碍物为主,却往往忽略了视力障碍者出行时对他们威胁更大的坑洞等水平面以下的负障碍,同时这些导盲设备普遍存在功能不全,无法实时预警,携带不便等问
忆阻器因具有存储大量信息和模拟神经突触功能的特性,已成为一种受到广泛关注的纳米级器件。然而,忆阻器还存在一些不足:一方面,忆阻器中导电细丝的随机形成导致器件参数分布具有一定弥散性,增加了误读可能性,因此优化忆阻器性能是其发展过程的一项重要任务。另一方面,在忆阻器功能层中掺杂金属量子点是提高器件性能的可行方法,但是金属量子点会发生聚集现象,不利于器件的稳定,解决金属聚集问题也是提高器件性能的有效方式
由于传统的冯·诺依曼计算机中的计算和存储是分离的,因此数据的访问和处理需要更多的能量和时间。忆阻器（Memristor）作为一种新型的存储器件,能够解决上述冯·诺依曼的瓶颈问题,它能够模拟人脑兼具存储和计算的功能,其应用前景不可估量。然而,传统的忆阻器存在着开关电压分布离散,不稳定和与CMOS不兼容等问题。经研究发现铁电忆阻器和基于量子点材料的忆阻器可有效改善上述问题。一方面,在外加电场的调控下,
阿尔茨海默症（Alzheimer’s Disease,AD）是一种不可逆的神经退行性疾病,俗称老年痴呆,患者群体主要是老年人。轻度认知障碍（Mild Cognitive Impairment,MCI）是阿尔茨海默症患者早期的病理状态。传统的诊断方法对医生要求较高,误诊率也相对较高,易导致患者错过最佳治疗时间,及时准确地诊断对缓解AD和MCI患者病情具有重要的临床意义。磁共振成像（Magnetic
肺癌是死亡率最高的恶性肿瘤,严重威胁人类的生命健康。计算机断层扫描技术（CT）能够实现对肺癌快速、有效的检测。基于CT图像的计算机辅助诊断技术能够识别和分割CT图像中的肺肿瘤,为肺癌的精确放射治疗提供重要参考信息,如何高效、准确对肺肿瘤进行分割仍是计算机辅助诊断领域内的研究热点。而在各种类型的肿瘤分割问题中,血管黏连型肿瘤由于肿瘤与血管的黏连处在CT图像中没有明显边界,极大的增加了计算机识别肿瘤与
随着网络技术的飞速发展,人们的生活方式发生了显著变化,互联网方便了我们生活的同时也造成了“信息过载”问题,为了解决这一问题,研究者们把目光投向了推荐系统。推荐系统中应用最为广泛的是基于协同过滤的推荐系统,协同过滤推荐算法作为推荐系统的核心虽具有其自身的优势,但是仍然存在数据稀疏性和可扩展性等问题,影响着算法的推荐精度。本文针对传统推荐算法中存在的数据稀疏性和可扩展性问题从不同的角度做出改进。主要工
社会网络数据反映着我们的生活规律,包含着大量用户的隐私信息,社会网络具有静态和动态特征。在社会网络数据发布后,通过分析社会网络数据的潜在特征,可能会引起隐私安全问题即个人敏感信息遭到泄露。因此,如何使发布的社会网络数据在保留原始图的重要统计特性的同时提高社会网络用户的隐私安全,在信息安全领域具有深远的意义。论文针对社会网络数据发布中存在的隐私安全问题展开研究,主要工作如下:（1）针对静态社会网络匿