基于去相关对抗学习的年龄不变人脸识别

匹配年龄差距较大的人脸在今天仍然是一个具有挑战性的问题，主要是由于年龄增长导致的人脸外观的显著差异。为了减少这种差异，本文提出了一种新的算法，从混合了身份和年龄信息的特征中去除与年龄相关的成分。具体来说，我们将混合人脸特征分解为两个不相关的分量:身份相关分量和年龄相关分量，其中身份相关分量包括对人脸识别有用的信息。     

改进的CAGAN在虚拟试衣中的应用

针对CAGAN（Conditional Analogy GAN）换衣后效果模糊，在目标衣服与原始衣服长短不一致时效果一般，相对目标衣服保留过少的细节等问题做了相关研究并对CAGAN进行了改进，提出了新的虚拟试衣方式。经过改进的CAGAN生成一个粗糙的结果，由该结果得到目标衣服穿在模特身上改变形状后的mask，接下来利用mask对目标衣服进行变形，综合变形的衣服和第一步的结果便得到最终的试衣图像。实验结果表明，该方法解决了前面存在的问题，而且取得了非常好的效果。     

第9期金相检验及相关标准技术培训班

为了提高热处理行业从业人员的金相检验技术水平,提高金属材料及热处理工程师解决实际问题的综合能力,推动新材料、新工艺、新技术的普及,促进我国材料产业和高端装备制造业的发展。中国机械工程学会热处理分会按照2022年学会活动计划,拟于2022年4月在上海举办"金相检验及相关标准技术"培训班。现诚邀相关人员报名参加。一、培训内容1)热处理原理及基本组织;2)金相分析常用技术(包括金相制样、显微硬度、扫描电镜基础等).     

食用植物油中矿物油污染物的分析进展

矿物油是C_(10)~C_(50)烃类化合物的总称,包括直链、支链和环状烷烃以及烷基取代芳烃两大类,化学成分复杂。食用植物油中普遍存在矿物油污染,含量达到1~1 000 mg/kg,矿物油污染来源广泛,涉及原料的采收、运输、加工和油脂的精炼、包装与储存等过程。植物油中干扰矿物油分析的成分较多,如甘油三酯、奇数碳正构烷烃、角鲨烯、甾烯、胡萝卜素等,需要采用适当方法排除。由于矿物油组成复杂,目前常用具有等碳响应的氢火焰离子化检测器分析含量,其中液相色谱-气相色谱联用是测定矿物油的理想技术。考虑到普及性问题,一些实验室开发了固相萃取结合大体积进样气相色谱法。综述了国内外近十年来食用植物油中矿物油的分析方法,以期为我国油脂及其相关产品中矿物油的检测工作提供参考。     

结构保持生成对抗网络的SD-OCT图像去噪方法

为了去除频域光学相干断层扫描(SD-OCT)中的散斑噪声,提出了一种结构保持生成对抗网络模型,可以无监督地从SD-OCT图像合成高质量的增强深部成像光学相干断层扫描(EDI-OCT)图像.该模型基于循环生成对抗网络结构学习无配对SD-OCT和EDI-OCT图像之间的域映射关系.为了克服循环生成对抗网络生成图像的结构性差异问题,模型利用连续帧之间的相似性引入全局结构损失,保证了图像的全局结构一致性;同时通过模态无关邻域描述符引入局部结构损失,保持了图像的解剖结构细节.在50组CirrusSD-OCT数据集上进行去噪的实验结果表明,该模型的PSNR值为29.03 dB, SSIM值为0.82, EPI值为0.50,均优于现有模型.     

基于条件信息卷积生成对抗网络的图像识别

传统的图像识别方法需要大量有标签样本进行训练，且模型训练难以达到稳定。针对这些问题，结合条件生成网络和信息最大化生成网络的结构优势建立了条件信息卷积生成网络（C-Info-DCGAN）。模型增加图像的类别信息和潜在信息作为输入数据，然后利用Q网络去更好地发挥类别信息和潜在信息对训练的引导作用，并且利用深度卷积网络来加强对图像特征的提取能力。实验结果表明，该方法能够加快模型训练收敛速度，并有效提高图像识别的准确率。     

基于改进CGANs的入侵检测方法研究

近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。     

基于UGNX的玻璃瓶容差控制方法与程序实现

容积计算贯穿于玻璃瓶样设计和模具设计的整个过程,其精确性直接影响瓶罐的成型质量,针对传统容积测试法效率低的问题,采用UGNX二次开发的方法,以UGNX8.0为平台,利用UGNX二次开发工具,结合VB.net高级编程语言,进行玻璃瓶样容差控制模块的开发。研究结果表明:运用开发完成的人机交互界面,通过调整因子即可对瓶颈和瓶身高度进行参数调整,输入误差值即可精确控制容差,并输出最优外形尺寸。