基于ResNet50对地震救援中人体姿态估计的研究

调查发现,地震中死亡人数增加的原因主要是错过救援的黄金时间,因此可通过救援无人机自动对受灾人员进行行为识别与状态分析.人体姿态估计是指对图像中人体关节点和肢体进行检测的过程,在人机交互和行为识别应用中起着重要的作用,然而由于背景复杂、肢体被遮挡等因素导致标注人体关节点和肢体十分困难.因此提出一种结合ResNet50及C...     

基于ResNet的和差共阵DOA估计

传统互质阵列的差分共阵存在“空洞”,即缺少一些虚拟阵列元素。论文采用和差共阵形成更大尺寸的连续虚拟阵列,保留了传统的互质阵列配置,同时,将残差网络（ResNet）应用于到达方向（DOA）估计算法。论文采用的算法先将和差共阵输出的空间平滑矩阵处理后,得到特征数据,然后输入到ResNet中,将DOA估计转变为特征数据和DOA之间的非线性映射关系。通过ResNet对信号分类来实现DOA估计,相比于传统的互质阵列,基于ResNet的和差共阵DOA估计算法具有更强的准确性和适应性。     

基于ResNet50和迁移学习的岩性识别与分类研究

岩性识别与分类对于地质分析具有重要的研究意义,是油藏描述和固体金属矿产资源勘探中的核心环节.传统的岩性识别方法受限于研究者的地质经验和实验设备的质量,受主观因素影响较大.为此提出了一种基于ResNet50网络模型和迁移学习的岩性识别与分类方法,首先使用预训练的ResNet50残差网络进行特征提取,然后利用改进的分类模型进行训练,最后在测试集上进行岩性识别分类.实验的数据集是使用工业相机在录井现场拍摄的岩屑和岩心图像,其中包含深灰色泥岩、深灰色粉砂质泥岩、浅灰色细砂岩等7类共315岩石图片.实验结果表明,所提模型对岩石样本数据的适用性较强,岩性识别准确率达到93.93％,能够很好地区分岩石类型且有较好的泛化能力和鲁棒性,可以满足实际应用需求.     

基于改进ResNet网络的交通标志识别研究

针对传统ResNet网络存在丢失图像有用信息以及参数冗余等问题,论文提出一种改进ResNet的A-ResNet模型.引入有shortcut连接的残差注意力模块,增强对目标对象的关注度;引入Dropout层,防止过拟合现象,提升识别精度;调整网络架构,加快训练收敛速度及提高识别精度.实验结果表明,A-ResNet模型相比传统ResNet网络实现约2％的top-1精度的提高.     

基于YOLOv3与ResNet50算法的智能垃圾分类系统

垃圾分类对于我们日常生活来说意义重大,它不仅体现的是环境问题,更是资源的节约和绿色的生活方式,更加代表和体现了社会的文明水平,我国各地近些年也相继推行了垃圾分类的政策.2020年,新冠疫情席卷全球,对我们的日常生活造成了非常大的冲击,病毒与细菌的感染不只是通过呼吸,而且可以通过间接的接触来传染,这就要求了我们在生活中应该尽量避免去接触公共的设施和物品,而垃圾回收点恰恰是人员来往较多,很容易造成接触感染.对此,设计了一种疫情之下的垃圾智能分类与识别系统.设计的总体思想是采用Arm公司的EAIDK-310开发板,同时配备罗技C270摄像头采集装置对实际生活中的常见垃圾进行识别与分类,然后通过摄像头采集装置采集到垃圾的图像,结合深度学习模型自动检测、识别垃圾的类别,从而可以根据类别直接进行垃圾的分类丢弃.模型是基于YOLOv3在复杂环境下垃圾检测的基础上完成,构建ResNet50网络,对垃圾的类别进行训练并识别.通过该智能垃圾分类系统,可以提高投放垃圾效率,大大减少人员在垃圾站附近的聚集并做到无接触的垃圾丢弃,从而能够有效避免因为接触而造成的交叉感染的风险,符合当下疫情期间的社会需求.     

基于YOLOv3与ResNet50的摄影机器人人脸识别跟踪系统

虚拟演播室下,针对需要摄影机器人来自动完成对主持人的识别并对其进行镜头跟踪的任务,提出一种在基于YOLOv3完成人脸检测的基础上,构建ResNet50网络,对主持人进行人脸识别及镜头跟踪的系统。为提高其在开放集上人脸识别的精度,基于CASIA-FaceV5与PubFig数据集构建人脸训练集,在改进的ResNet50模型上完成模型的联合监督训练。结合摄影机器人运动控制算法进行实验,实验表明该系统具有较好的识别精度与实时性,能够满足虚拟演播室下摄影机器人人脸跟踪要求。     

基于ResNet50和通道注意力机制的行人多属性协同识别方法

针对目前行人多属性识别算法识别精度不高的问题,利用行人属性之间的内在关联关系,基于“特征提取+回归”的思想,提出了一种基于深度卷积神经网络的行人多属性协同识别方法。该方法首先对多个行人属性标签进行组合编码,得到一个标签组合向量;然后采用基于通道注意力机制的ResNet50作为主干网络提取行人图像的深度特征;最后,设计了一个包含3个全连接层的神经网络结构来建立标签组合向量与行人深度特征之间的映射模型,在一个统一的网络框架下就可以同时对行人的多种属性进行准确识别。在行人属性公共数据集PETA和RAP上的实验结果表明,采用提出的识别方法在公共数据集PETA上获得的识别准确率为84.08%,而在公共数据集RAP上可以获得高达88.12%的识别准确率。     

基于人脸图像的年龄估计

年龄是人固有的生物特征,随着年龄的变化,人脸特征也不断变化.近年来基于人脸图像的年龄估计方法的研究不断深入.基于人脸图像的年龄估计主要有两个阶段:特征提取和估计方法.针对以上两个阶段,分别提出相应的方法.在特征提取方面,为了更好地描述年龄变化,特别是针对未成年人,引入了方向梯度直方图(Histogram ofOriented Gradient,HOG)特征,并将其与局部二元模式(Local Binary Pattern,LBP)特征进行融合;在估计方法方面,提出了软双层估计模型,其采用由粗到细的策略.首先,在第一层将人脸分成“未成年人”与“成年人”两类;然后,在第二层通过在两类的边界设置重叠区域,分别对其建立年龄估计模型,以对第一层的错误分类进行补救.通过实验发现,融合的特征具有更强的年龄判别性,同时,软双层模型也进一步提高了年龄估计的准确度.     

基于区域的年龄估计模型研究

随着年龄特征提取和年龄特征分类模式研究的不断深入,为了进一步满足基于年龄信息的人机交互系统在现实生活中的应用需求,构建有效的机器学习算法已成为人脸图像年龄估计技术的研究热点之一。首先,通过分析人脸图像的多个区域特征随年龄变化的规律,将面部分为前额区域、眼部区域、面中部区域及人脸整体区域,并分别构建深度卷积神经网络特征提取模型,实现每个区域年龄的特征提取;其次,以 Morph人脸库为样本集,将其划分为10～19岁、20～29岁、30～39岁、40～49岁、50～59岁、60岁以上6个年龄段,完成多区域年龄特征提取网络模型的训练及测试;最后,依据多区域网络年龄特征分类的准确率,确定基于区域的动态权值年龄估计模型。实验表明:所提模型在Morph人脸库中的年龄估计准确率达到72.6%,也将该人脸库的年龄分类类别由4个提升到6个。     

基于视听信息的自动年龄估计方法

年龄是人的重要属性.近年来,自动估计用户年龄逐渐成为一个涉及模式识别、计算机视觉、语音识别、人机交互、机器学习等领域的活跃课题.其在现实世界中也有很多的实际应用,如法医学、电子商务、安全控制等等.日常生活中,人们往往可以很容易地根据视听信息(这里主要指人脸和语音)来判断一个人的年龄,原因在于人脸和语音是人的年龄信息的重要载体.同样的,人机交互系统可以根据人脸图像以及语音来自动进行年龄估计.主要介绍了基于视听信息进行年龄估计的应用领域所遇到的挑战以及现有的解决方案.详细介绍了基于视听信息的年龄估计所用到的主要模型、算法及其性能与特点,并且分析了自动年龄估计未来可能的发展趋势.     

基于ResNet和随机森林的海洋鱼类分类方法

提出了一种基于卷积神经网络和随机森林相结合的方法,用于对海洋可食用鱼类进行识别分类。通过使用YOLOv3目标检测网络对原始鱼类图片进行目标定位并使用数据增强方法对数据集进行扩充,模型在自建数据集上进行训练和微调,达到了较高的分类准确率和稳定性。实验结果表明该模型在鱼类分类任务上的有效性,并为解决传统方法对鱼类分类的困难提供了一种新思路。     

基于ICA系数稀疏表示的年龄自动估计

基于人脸图像的人类生理年龄自动估计是人脸识别领域的一个重要研究方向.对此,使用一种基于WTA(winner-take-all)竞争规则的独立分量分析方法来实现年龄估计任务.首先对人脸图像进行归一化处理,利用PCA方法进行白化预处理以进一步降低训练集合的维数;然后,使用WTA-ICA稀疏表示实现人脸图像的特征提取.最后在FG-NET Aging database人脸数据库的实验结果表明,该算法对基于人脸图像的年龄估计获得了较好的结果.     

面向人脸年龄估计的深度融合神经网络

目的 为了提高人脸图像年龄估计的精度,提出一种端对端可训练的深度神经网络模型来进行人脸年龄估计。方法 该网络模型由多个卷积神经网络（CNN）和一个深度置信网络（DBN）堆叠而成,称为深度融合网络（DFN）。首先使用多个并联的CNN提取人脸图像多个区域的外观特征,将得到的特征进行串接输入一个DBN网络进行非线性融合。为了实现DFN的端到端的整体训练,提出一种逐网络迭代训练（INWT）的机制。为了降低过拟合效应,那些对应人脸局部图像的CNN经过多次迭代迁移学习实现面向人脸年龄估计任务的训练。完成对DFN中所有CNN和DBN的预训练后,再进行全网络端到端的整体精调。结果 在两个人脸年龄图像库MORPHⅡ和FG-NET上对本文方法进行测试,实验结果显示基于DFN的人脸年龄估计方法能在两个人脸图像库中分别取得平均绝对误差（MAE）等于3.42和4.14的估计精度,与目前主流的年龄估计算法,如基于浅层学习的CA-SVR方法（两个数据库上取得的MAE分别等于5.88和4.75）,基于深度学习的DeepRank+方法（MORPHⅡ数据库上取得的MAE为3.49）和Deep-CS-LBMFL方法（FG-NET数据库上取得的MAE为4.22）等相比,估计精确度明显提高。结论 本文提出基于深度融合网络的人脸年龄估计方法与当前大部分基于深度神经网络的主流算法相比具有明显的优势。     

基于集成的年龄估计方法

近十年来, 由于广泛的应用前景, 关于人脸识别的研究得到了广泛的关注. 但目前有一种影响人脸识别技术的因素尚未被研究者所重视, 那就是年龄变化. 而在适用于年龄变化的人脸识别技术中有一个重要的问题, 即年龄估计. 本文基于典型相关分析和代价敏感学习提出了两种年龄估计算法, 并在此基础上利用集成技术来提高年龄估计的准确性. 最终实验结果验证了本文方法的有效性.     

人脸图像的年龄估计技术研究

年龄信息作为人体的一种重要生物特征,在安全监控、人机交互、视频检索等领域有着巨大的应用潜力,并且是人脸识别技术的主要瓶颈问题之一。基于人脸图像的年龄估计技术作为一种新兴的生物特征识别技术,目前已经成为计算机视觉、人机交互等领域的一个重要研究课题。为此对国内外近几年来在年龄估计技术方面的发展情况进行了综述,主要包括年龄特征提取与年龄分类模式两大部分。同时对常用的年龄数据库、性能评价指标进行了总结,并在此基础上对当前的一些年龄估计系统的性能进行了对比。最后,对基于人脸图像的年龄估计技术所面临的挑战以及可能的发展方向进行了讨论。     

一种基于改进ResNet的疲劳检测方法

为了避免因疲劳驾驶导致的交通事故的发生，该文提出一种基于改进ResNet网络的疲劳检测方法。通过在残差模块中引入深度卷积，对标准化方法进行优化并引入平均池化和注意机制，有效提升了模型对脑电信号全局信息的捕捉能力。通过SEED-VIG的功率谱特征和微分熵特征数据集、多熵融合疲劳检测数据集和SPIS静息状态数据集对该文模型进行验证。实验结果表明，该文模型在各数据集上的平均准确率达到97.4%，较原ResNet网络提升17.9%。此模型对疲劳检测十分有效，可在一定程度上降低交通事故发生率。     

基于模糊隶属度的人脸图像年龄估计

由于人脸面貌特征与年龄存在着较大的不确定性,提出了基于模糊隶属度的人脸图像年龄估计.用对光照、尺度变化具有很强鲁棒性的Gabor小波变换提取人脸特征,为了避免维数灾难,降低后续计算量,利用主成份分析方法对提取到的特征进行降维,细致推导了适用于人脸图像年龄估计的模糊函数,根据最大隶属度原则,来估计人脸的年龄.在FG-NET人脸库及自建的FAID人脸库中进行了实验,取得了94％的最高识别率.     

人脸年龄估计的深度学习方法综述

目的 人脸年龄估计技术作为一种新兴的生物特征识别技术,已经成为计算机视觉领域的重要研究方向之一。随着深度学习的飞速发展,基于深度卷积神经网络的人脸年龄估计技术已成为研究热点。方法 本文以基于深度学习的真实年龄和表象年龄估计方法为研究对象,通过调研文献,分析了基于深度学习的人脸年龄估计方法的基本思想和特点,阐述其研究现状,总结关键技术及其局限性,对比了常见人脸年龄估计方法的性能,展望了未来的发展方向。结果 尽管基于深度学习的人脸年龄估计研究取得了巨大的进展,但非受限条件下年龄估计的效果仍不能满足实际需求,主要因为当前人脸年龄估计研究仍存在以下困难：1）引入人脸年龄估计的先验知识不足;2）缺少兼顾全局和局部细节的人脸年龄估计特征表达方法;3）现有人脸年龄估计数据集的限制;4）实际应用环境下的多尺度人脸年龄估计问题。结论 基于深度学习的人脸年龄估计技术已取得显著进展,但是由于实际应用场景复杂,容易导致人脸年龄估计效果不佳。对目前基于深度学习的人脸年龄估计技术进行全面综述,从而为研究者解决存在的问题提供便利。     

基于多峰标签分布学习的多任务年龄估计方法

针对面部年龄估计中标签序数信息和类间相关性提取难的问题，提出一种多峰分布（MPD）年龄编码，并基于该年龄编码构建了一个多任务年龄估计方法MPDNet(MPD Network)。首先，利用MPD将年龄标签转化为年龄分布，以提取年龄标签间的相关信息，构建年龄老化趋势的阶段性；然后，采用一个轻量级网络进行多阶段的特征提取，并对提取的特征分别进行标签分布学习（LDL）和回归学习；最后，共享两个学习任务的输出，并在训练过程中通过反向传播互相优化，避免传统标签分布学习中对分布结果直接进行回归导致的误差传播。在MORPH Ⅱ数据集上的实验结果表明，MPDNet的平均绝对误差（MAE）达到2.67，与基于VGGNets(Visual Geometry Group Networks)构建的DEX(Deep EXpectation)、RankingCNN(Ranking Convolutional Neural Network)等方法相当，而参数仅为VGGNets的1/788.6；而且MPDNet也优于同体量的C3AE(extremely Compact yet efficient Cascade Con...