类别均衡与局部中值损失联合监督的自然场景人脸表情识别

近年来,卷积神经网络在实验室控制环境下的人脸表情识别任务中取得了很大进步,但是在自然场景中人脸表情识别方面仍然存在一些挑战.针对自然场景中人脸表情数据分布不平衡,以及由姿势、光照和性别等因素引起的类内差异大的问题,提出类别均衡与局部中值(class-balancedandlocalmedian,CALM)损失函数.CALM损失函数包含类别均衡Softmax损失函数和局部中值损失函数2个部分.其中,类别均衡Softmax损失函数将数据量较少且容易错分的害怕和厌恶2种表情标记为难样本,将其余5种表情标记为易样本;在网络训练过程中对难样本自适应地增大权重,以提高难样本的识别准确率,进而提高表情识别的平均准确率.此外,在每个类别中会有一些离类别内大多数样本较远的样本,它们的存在会导致用均值方法计算出的类别中心偏离类内大多数样本.在局部中值损失函数中,采用与每个样本属于同类别的若干近邻的中值作为类别中心,在一定程度上减弱离群样本对类别中心选择的影响.在RAF(real-worldaffectivefaces)数据集上进行实验,与局部子类方法相比,该方法的平均识别准确率提升了1.32%,证明了该方法的有效性.     

具有甜品识别功能的智能支付平台研究

针对甜品店的基于商品识别的自助结账问题,研究并实现了一个具有甜品识别功能的智能支付平台。该平台通过摄像头采集甜品图像,对图像中甜品的种类和数量进行识别,识别后自动计算甜品总价,并向用户提供支付二维码和网页支付方式完成付款。基于Web环境开发了平台的原型系统,采用百度AI图像识别技术实现了甜品种类和数量的识别,利用SQLServer搭建后台数据库,存储甜品名称及其单价,调用支付宝平台API实现支付功能。     

多人在线诗词语音互动平台设计与实现

随着中国诗词大会的热播,唤起了中国人深藏于心中的诗意。秉承弘扬中国传统文化的宗旨,主要研究基于AI语音识别技术与IM通信技术的多人在线诗词语音互动系统的开发及应用模式,运用AI技术对游戏玩家所回答的答案进行判别,让用户体验到与众不同的诗词交流模式。     

新闻

4月13日,《飞书》在新版本中对音视频功能进行了升级,新增实时字幕和中英文翻译等功能。视频时,用户可选择开启字幕,并设置显示语言。截至发稿前,该功能已经上线,支持普通话和英文,未来还将增加更多语种。飞书音视频功能可支持百人会议需求,用户选择“开启字幕”后,系统即可进行语音识别,并将字幕滚动显示在屏幕下方或右侧,参会人实时可见并能查看历史记录。     

基于语言特征自动获取的反问句识别方法

反问句是以疑问的形式表达强烈情感的修辞方式,对其有效识别可为自然语言处理中的情感分析任务提供技术支持。该文提出了一种基于语言特征自动获取的反问句识别方法。首先,利用标签注意机制,建立了一个数据驱动的特征抽取模型,用于获取与任务相关的词汇、句法结构、符号标记和话题等语言特征。其次,利用Bi-LSTM模型分别对句子和语言特征进行表示,两者的交互注意被用于获取句子的各个词和符号的注意力权重向量。该权重向量作用于句子的表示,用于构建一个强化语言特征的反问句识别模型。在中文微博数据集上的实验结果表明,提出的方法与之前的工作相比,反问句识别性能有显著提升。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。