检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的局部遮挡人脸表情识别研究

基于深度学习的局部遮挡人脸表情识别研究

作者：莫文彬新疆大学

学位级别：硕士

人脸表情包含着丰富的情感信息。研究表明,人脸表情相比较声音、语言所蕴含的信息量都要丰富,所以,人脸表情是表达情感与信息交流的一种重要方式。人脸表情识别在智能交通、人机交互、病情监测等领域具有广泛的用途。目前,许多研究学者... 详细信息

人脸表情包含着丰富的情感信息。研究表明,人脸表情相比较声音、语言所蕴含的信息量都要丰富,所以,人脸表情是表达情感与信息交流的一种重要方式。人脸表情识别在智能交通、人机交互、病情监测等领域具有广泛的用途。目前,许多研究学者对于人脸表情识别算法的研究主要集中在理想的实验室环境,但在现实生活中,面部表情识别往往会受到非可控自然场景的影响,从而降低人脸表情的识别率。因此,在非可控自然场景中提高人脸表情的识别率已经成为人脸表情识别领域研究的热点话题。本文以局部遮挡影响人脸表情识别率为研究目标,首先,采集人脸表情图像,然后,通过筛选、模拟实物遮挡等图像预处理方式完成数据集的制作,在此基础上,主要针对遮挡人脸表情的识别及遮挡人脸表情的修复识别进行算法优化研究,最后,将遮挡处理的图片输入本文算法进行训练并通过横向对比的方式验证本文算法局部遮挡人脸表情识别的效果。本文的主要工作如下:（1）提出基于注意力机制的局部遮挡人脸表情识别算法,该算法主要采用注意力机制和卷积神经网络相结合的方式,首先,将残差网络Res Net-18作为主干网络,把注意力机制嵌入到残差块网络的内部以及主干网络的卷积输出层,然后,在主干网络的全连接层引入Island Loss损失函数与Softmax Loss损失函数,最后,将遮挡处理的人脸表情数据集Jaffe和数据集CK+在本文算法上进行训练。（2）提出基于生成式对抗网络的局部遮挡人脸表情的修复与识别算法,该算法主要采用对抗生成网络的方式将遮挡的人脸表情部分进行修复再进行识别的方式。首先,将生成式对抗网络（Generative Adversarial Network,GAN）作为修复图像的主干网络,在该主干网络中引入卷积网络和残差块网络作为生成器（Generator,G）,将卷积神经网络作为判别器（Discriminator,D）,然后,在G中输入随机遮挡的图像,D中输入G生成的图像和真实的图像,通过D产生有效的对抗损失来增强G生成逼近真实图像的能力,最后,通过改进的分类网络进行人脸表情的分类识别。（3）设计完成局部遮挡人脸表情识别系统的开发。系统以Python为编程语言,以Py Charm为编程环境进行设计,设计完成后将本文的优化算法嵌入到系统中。通过对该系统的实际性能测试,结果表明本文算法能够成功的应用于该系统并进行遮挡人脸表情的识别。该系统的设计可以有效地验证本文理论研究的可行性。

关键词：遮挡人脸表情识别卷积神经网络对抗生成式网络注意力机制

基于轻量级神经网络的图像增强和语义分割技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于轻量级神经网络的图像增强和语义分割技术研究

作者：沈佳凯南京大学

学位级别：硕士

目前,神经网络被广泛用于图像数据分析领域。神经网络通常规模较大,运行时占用大量计算资源,难以在内存和算力受限的移动端设备运行。然而在移动端使用神经网络的方法用于图像数据分析的需求日益旺盛。轻量级网络架构研究致力于在保持... 详细信息

目前,神经网络被广泛用于图像数据分析领域。神经网络通常规模较大,运行时占用大量计算资源,难以在内存和算力受限的移动端设备运行。然而在移动端使用神经网络的方法用于图像数据分析的需求日益旺盛。轻量级网络架构研究致力于在保持网络预测性能的同时,减小网络模型的规模和计算量,使得神经网络模型可以在移动端设备上运行。基于此,本文分别从低层内容恢复、高层语义理解两类图像数据分析任务出发,研究如何将轻量级神经网络应用于图像数据分析任务,具体涉及图像增强与语义分割两个任务,探讨如何设计轻量级网络模型,如何针对具体任务做出网络结构的适配和优化。在低层内容恢复任务中,提出了基于轻量级网络的图像增强方法,在移动端实现图像从低质量到高质量转变的目标。该方法设计了两阶段级联式的生成网络用于生成增强图像,其中生成网络采用轻量级网络的设计,以满足网络轻量化的需求,并且采用级联式的结构,针对不同图像采用复杂程度不同的处理流程,减少了平均处理时间。该方法为提升网络对低层内容的恢复能力,优化图像增强的效果,设计使用了多种损失函数用于约束图像的生成,包括基于MAE和MSE的改进的联合损失,基于VGG特征提取网络的内容损失等。该方法还利用WGAN的网络结构,为生成网络引入对抗损失,使得生成图像具有更为细致自然的纹理。模型使用DPED训练集训练,在测试集上实现了PSNR 22.54,SSIM 0.92的性能,在处理速度和图像增强的视觉效果上,均有很好的表现。利用该模型,本文还设计实现了移动端原型应用。在高层语义理解任务中,提出了可在移动端运行的实时语义分割网络——LANet。为了缩小网络规模,加快前向传播速度,在编码阶段,采用提前池化、深度可分离式卷积等结构,在解码阶段,舍去复杂结构,仅使用线性插值的方式上采样。为了提升预测精度,减小了编码阶段特征图尺寸缩小的倍数。尺寸较大的特征图提升了预测精度的同时,也为解码层的细节恢复提供了更多特征信息。为提升网络对高层语义特征的提取能力,针对语义分割任务,提出了三种模块结构。多感受野特征融合结构用于综合利用预测点的上下文信息。多尺寸卷积融合结构用于综合利用不同尺寸卷积核提取的特征。感受野扩增结构用于在网络后期扩大感受野,提升网络的预测能力。模型分别在CamVid和Cityscapes数据集上评估测试,在速度和精度上实现了很好的综合效果。在Cityscapes 数据集上,mIoU 达到了 65.7%。在 GeForce GTX 1080Ti 单卡上,处理2048*1024的图像时,可以达到50fps的帧率。本文对轻量级网络在典型图像分析和处理技术上的应用技术进行了研究,相关成果表明:轻量级网络结构在适应资源有限条件下的图像处理任务方面,可以取得满意的性能指标。相关的技术方案对如何针对具体任务适配优化模型、调整超参等问题,对轻量级模型的设计和应用等研究,具有参考价值。

关键词：深度学习语义分割图像增强轻量级网络对抗生成式网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的指静脉ROI提取及识别算法

基于深度学习的指静脉ROI提取及识别算法

作者：杨瀚文北京邮电大学

学位级别：硕士

随着使用指纹、面容等智能设备的普及,生物识别技术以其快捷、方便、保密性高等优势等进入了人们的视线,近些年来得到了快速的发展。手指静脉识别是一种新型的生物特征识别方法,其利用手指部位皮下浅静脉形成的静脉分布图案作为生物特... 详细信息

随着使用指纹、面容等智能设备的普及,生物识别技术以其快捷、方便、保密性高等优势等进入了人们的视线,近些年来得到了快速的发展。手指静脉识别是一种新型的生物特征识别方法,其利用手指部位皮下浅静脉形成的静脉分布图案作为生物特征。采集静脉数据时,需要将手指放入红外采集设备中,由于手指静脉位于人体内,因此很难被窃取,几乎没有被伪造的风险。此外,相较于其他较为传统的生物识别技术,手指静脉识别具有更低的拒识率、更好的稳定性等。因此,近年来相关领域对于手指静脉识别的研究兴趣和研究力度逐渐加大。一般来说,手指静脉的识别流程包括静脉图像ROI（Region of Interest,感兴趣区域）提取、特征提取、特征匹配等。卷积神经网络问世以来,深度学习在图像识别领域相较于传统方法性能大幅提升,目前广泛应用于生物识别领域。本文使用深度学习方法,针对手指静脉识别在各个流程中存在的一些问题进行改进,以提高识别性能。本文工作内容及成果如下:（1）提出了一种基于深度学习的ROI提取方法。传统的基于规则的方法对背景噪声、图像大小、图像灰度值等敏感度高,鲁棒性较差。本文设计并实现了一种基于U-Net的ROI提取方法,利用U型网络结构进行手指语义分割,能够保留完整的手指轮廓。经实验验证,本方案有较强的泛化能力和鲁棒性,在有噪声干扰的情况下,仍能较为准确地提取ROI区域。（2）提出了基于 GAN（Generative Adversarial Networks,对抗生成式网络）的手指静脉数据生成方法。卷积神经网络想要获得性能良好的模型,需要大量已标注的图像数据进行训练,而指静脉相关的公开数据集较少,难以充分训练复杂神经网络模型。本文提出了一种指静脉数据生成方案,在分析手指静脉解剖结构后,使用仿真生长式算法产生指静脉模式图,再使用条件生成式框架将模式图转成指静脉图像,生成了了 5363类共计53630张指静脉图像,并通过实验验证了生成数据的有效性。（3）提出了一种基于ResNet的指静脉空间注意力识别网络。Shortcut结构使得卷积神经网络模型可以不断加深,减少由于模型复杂度过高而带来的性能退化。但是,过深的模型需要大量的机器资源,而且很难充分训练。本文在ResNet的基础上,对网络结构进行改进,引入了空间注意力机制,使模型能够在通道维度进行特征选择。网络采用模块化设计,可以较为方便地移植到现有网络上。经实验对比,本方案相较于同深度的ResNet,在参数量少量增加的情况下,在指静脉识别任务中可以取得更好的识别性能。

关键词：指静脉识别指静脉ROI提取对抗生成式网络注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图过滤的快速密度聚类双层网络推荐算法

控制理论与应用 2019年第4期36卷 542-552页

作者：陈晋音吴洋洋林翔浙江工业大学信息工程学院浙江杭州310000

信息过载问题使得推荐系统迅速发展并广泛应用,同时也出现不法商家将虚假消费记录定量地输入到系统数据库从而改变推荐系统的推荐结果以获利.因此,本文围绕3个问题展开,即:为了提高推荐系统对虚假评论的鉴别能力,首先需要准确标注虚假... 详细信息

信息过载问题使得推荐系统迅速发展并广泛应用,同时也出现不法商家将虚假消费记录定量地输入到系统数据库从而改变推荐系统的推荐结果以获利.因此,本文围绕3个问题展开,即:为了提高推荐系统对虚假评论的鉴别能力,首先需要准确标注虚假评论的类标,如何能获取大量准确标定的虚假评论信息;如何有效过滤虚假评论从而提高推荐的可靠性;如何实现一种高效可靠的推荐系统.针对虚假评论信息难以准确标定,本文提出了一种基于文本生成式对抗网络的自动点评技术,依据历史评论文本自动生成虚假评论文本,并依据情感分析确定生成文本的对应评分;为了提高推荐系统对包含虚假信息数据的推荐效果,本文提出了一种基于图过滤的快速密度聚类双层网络推荐算法.该算法首先提出了一种能快速确定节点执行度阈值的基于图的过滤器,有效过滤数据内虚假信息,并设计了一种快速密度聚类双层网络推荐算法,提高推荐效果.将所提出的推荐算法应用到Yelp数据集上展开试验,验证本文提出的推荐方法的有效性.

关键词：对抗生成式网络自动点评基于图的过滤器聚类推荐算法