简介：近年来随着深度学习技术的引入,基于深度学习的人脸识别算法的性能得到了极大的提升.基于深度学习的人脸识别算法通常需要大规模的人脸数据作为训练集,但是制作一个大规模的人脸识别数据集,需要耗费大量的人力物力.为了在训练数据有限的条件下进一步提高人脸识别算法识别性能,特提出两种训练样本增强的方法：一是基于三维可形变人脸模型,根据单张人脸图像生成其对应的多姿态人脸图像;二是基于人脸关键点检测技术,根据单张人脸图像生成其对应＂戴眼镜＂人脸图像.通过这两种样本增强方法,对有限的训练样本进行扩充,从而有效提升了人脸识别算法的性能.

简介：本文介绍眼镜片的识别和球面镜片的几种测定方法.在实践检测过程中镜片的光心距离要等于瞳距,绝对不能有误差,否则就会影响眼睛的视力,产生各种疾病.

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：针对单一特征步态识别率低的问题，提出一种将步态能量图（GaitEnergyImage，GEI）中动态部分和Gabor小波特征融合的步态识别算法．首先，通过运动目标检测及二值化和形态学处理等预处理操作得到步态轮廓图，再进一步从步态轮廓图计算得到步态能量图，并从中分割出动态部分．然后，利用Gabor小波从步态能量图的动态部分中提取不同角度的信息，将两步态特征融合在一起，对融合后得到的特征向量用改进的KPCA方法进行降维．最后，将降维后的融合特征向量输入到基于多分类的支持向量机（SupportVectorMachine，SVM）中，从而完成步态的分类和识别．经过在中国科学院自动化研究所CASIA步态数据库上进行实验，取得了很好的识别效果，实验结果表明，与单一特征的步态识别方法相比，融合后算法的识别率提高了约10％．

简介：寿山石（ShoushanStone）。中国传统“四大印章石”之一。分布在福州市北郊晋安区与连江县、罗源县交界处的“金三角”地带。若以矿脉走向，又可分为高山、旗山、月洋三系。因为寿山矿区开采得早，旧说的“田坑、水坑、山坑”，就是指在此矿区的田底、水涧、山洞开采的矿石。经过1500年的采掘，寿山石涌现的品种达百数十种之多。

简介：和田玉和田玉又称软玉，硬度6．5，目前市场上常见的有俄罗斯白玉、青海白玉等。优质和田玉产在新疆昆仑山脉北坡，其矿床位于海拔4000多米的雪山上。

简介：行人再识别是视频监控领域的关键问题之一，难点在于不同摄像机中同一行人的图像差异较大．基于行人图像的标识可由图像中的语义属性组合间接表示的假设，现提出使用一种基于深度哈希函数的行人再识别算法．通过卷积神经网络学习得到哈希函数，结合多目标损失函数保证分类的准确和哈希编码的有效，使得相似的图像能够获得相似的哈希编码，最后比较哈希特征间的汉明距离进行再识别．实验结果表明，深度哈希特征能够有效地进行行人再识别，提高了算法的执行效率．

简介：提出一种步态能量图（GaitEnergyImage,GEI）的Gabor小波特征与协同表示的步态识别算法.首先通过运动目标检测,二值化和形态学处理等预处理操作得到步态轮廓图,然后进一步从步态轮廓图计算得到步态能量图.该算法将步态能量图的Gabor特征作为特征矢量,采用协同表示的方法进行步态识别.在实验阶段,通过在中科院自动化研究所CASIA步态数据库的DatasetB上进行测试,证明上述算法具有运行速度快的优点,并且对于跨视角步态识别具有一定的鲁棒性.

简介：针对在不同的摄像头场景下,光线、摄像头参数的差异较大使得行人重识别困难的问题,提出一种基于距离度量学习的方法进行行人重识别.该方法首先为每一对摄像头学习一个距离度量模型.其次,根据上述因素的影响强度为这些度量模型赋予相应的权值.最后,对度量模型与其相应权值的乘积进行累加与优化,得到最终的距离度量模型.经过在两个公共数据集中进行行人重识别实验,其结果显示所提出的方法能够提高行人重识别的正确率.

简介：气液两相流流型识别对石油和化工等工业生产安全性具有重要作用.目前,基于数学模型的流型识别技术成为了主要的发展趋势.本文在超声波法气液两相流流动规律研究基础上提出了一种基于符号动态滤波的流型识别方法.在垂直管道中对纯水、泡状流、弹状流和环状流四种流型进行了实验.经过对实验数据进行分析处理,结果表明该方法可以有效运用于流型识别,从而为气液两相流流型识别的研究提供了新的思路.

简介：本方法利用Au原子在X射线激发下所发射的L_β线和M线的强度比值来区别镀金和K金,同时也利用这个比值的大小来测定镀金层的厚度,测定区范围为0—4μm,测定值与标定值的相对偏差小于12％。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：同步带是普通FDM3D打印设备普遍采用的传动定位部件,同步带失效会直接对打印产品质量造成影响.利用声发射（AE）传感器监测3D打印过程中同步带不同健康状态下的声发射信号,利用集合经验模态分解（EEMD）方法提取其信号特征,并通过隐半马尔可夫模型（HSMM）方法构建针对同步带健康状态的识别模型,进而对同步带正常、磨损和裂纹等三种健康状态进行识别,通过实验表明该方法是可行的.

简介：人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.

简介：人血清白蛋白与三氯聚氰活化的氨丙基硅胶反应,制得人血清白蛋白键合手性固定相。反相模式下,色氨酸在该手性固定相上获得理想的拆分,分离因子可达3.51,分离度达5.49。探讨了流动相pH值、有机修饰剂、柱温等对手性拆分的影响。通过前沿分析法对色谱保留机理进行了探讨。