脱机手写体汉字识别技术研究的几点思考

针对脱机手写体汉字识别的研究现状。在思考分析基础上．探讨了进一步研究的路线。     

基于空洞单流ViT网络的灵活模态人脸呈现攻击检测方法

灵活模态人脸呈现攻击检测突破传统多模态方法对于模型训练与部署的模态一致性限制,可将统一模型按需灵活部署到多样模态的现实场景,但仍存在模型性能有待提升、计算资源需求高的问题。为此,提出一种以视觉Transformer(ViT)结构为基础的单流灵活模态人脸呈现攻击检测网络。提出空洞块嵌入模块以减少运算冗余,降低输入向量维度;为区分不同模态特征,设计模态编码标记;采用非补齐策略处理模态缺失问题。在公开多模态数据集上的实验结果表明,该方法在域内和跨域评估中分别获得2.69%和33.81%的最佳平均ACER值,相较于现有的三种方法,具有更优的域内和域外泛化性能,在不同子协议上的性能表现较为均衡,且其模型计算量与参数量均远低于多流方法,更加适合模态缺失场景下的灵活、高效部署。     

多媒体工程投标信息系统的设计与实现

本文主要论述多媒体工程投标信息系统的设计与实现,并就其中的一些关键性技术问题作了进一步的说明。该系统具有广阔的应用前景。     

多级卷积神经网络的沥青路面裂缝图像层次化筛选

如何快速准确地识别与评估沥青路面裂缝病害,已成为路面养护和保障道路安全的重要任务之 一。实际采集路面图像中往往存在大量的非裂缝图像,在保证裂缝图像无漏筛的前提下,尽可能提高裂缝图像 的精确率与非裂缝图像的真负例率,则对于降低人工筛选的工作强度,以及后续裂缝自动分割与病害损坏程度 评估具有重要实际意义。故此,提出了一种多级卷积神经网络的沥青路面裂缝图像筛选方法,由训练、微调与 验证三阶段构成,利用微调集获得 softmax 层输入微调增量。为避免裂缝图像召回率增加与精确率下降的问题, 在对比不同卷积神经网络筛除的非裂缝图像异同基础上,采用改进 AlexNet 作为一级筛选网络,VGG16 或 ResNet50 作为二、三级筛选网络的层次化处理模型。对于含噪声及复杂路面图像测试集的实验结果表明,三级 层次化筛选模型能在 100%召回裂缝图像时,达到高的真负例率及准确率。与其他方法的对比实验表明,所提 方法可有效解决沥青路面裂缝图像漏筛问题,且具有更好的检测效果。     

基于人工神经网络的铁路工程技术应用研究

人工神经网络(ANN)是一门崭新的信息处理学科,它研究非程序的、适应性的、大脑风格的信息处理的本质和能力,在众多的工程领域有着很好的应用。论文阐述了ANN技术的特点,根据铁路工程的技术特点以及应用需求,论文研究分析了ANN技术在铁路工程上的应用,并对今后的研究方向提出了一些见解。     

基于基空间转换的姿态人耳识别

人耳识别是近年来新兴起的一种生物特征识别技术,然而姿态问题一直是其难点问题之一,针对此问题提出了一种基于基空间转换的新方法．首先,利用主元分析和核主元分析方法得到姿态人耳图像和正侧面人耳图像的基空间,通过计算两种基空间之间的线性转换关系求出姿态转换矩阵,然后将待测的姿态人耳图像特征集利用基空间姿态转换矩阵转变成正侧面人耳图像特征集,最后用支持向量机进行分类识别．实验结果表明,该方法与没有经过姿态转换的方法相比,识别率显著提高．     

一种手写相似汉字特征选择方法的研究

在采用支持向量机分类器识别的基础上,提出了一种基于遗传算法进行手写体相似汉字特征选择的方法,解决了相似字中部分空间的自动确定问题。采用弹性网格与小波变换相结合的方法提取相似汉字的特征。实验结果验证了基于交叉验证的特征选择方法的泛化性能好于基于简单验证的方法的结论。     

小波分析在基于内容的图像检索技术中的应用

简要介绍了小波分析的基本理论及基于内容的图像检索技术,重点阐述了小波分析在图像的特征提取(纹理、目标形状等)上的应用,并展望了基于内容的图像检索技术今后的主要研究方向。     

SVM在小字符集手写体汉字识别中的应用研究

本文将支持向量机(SVM)引入到小字符集脱机手写体汉字识别中。文章首先介绍了SVM的基本原理和主要算法,然后在实验中采用了LibSVM训练软件,针对银行票据手写汉字的小字符集进行了仿真,同时与欧氏距离分类方法进行了比较。实验结果表明此方法的汉字识别率较高,在小字符集手写体识别中具有较强的实用性。     

融合DQ_CoALBP和LPQ算子的人脸活体检测

面向图片与视频攻击下的人脸活体检测任务,提出了一种差分量化相邻局部二值模式（DQ_CoALBP）算子,综合不同方向上的图像局部中心点与周围点之间的差值,同时为了更加充分地描述人脸的彩色纹理信息,在颜色空间通道上将该算子与局部相位量化（LPQ）直方图特征相融合,并利用支持向量机（SVM）分类器实现人脸反欺诈判别。在公开CASIA-FASD与Replay-Attack数据集上的实验结果表明,DQ_CoALBP算子的表现均优于LBP、LPQ、CoALBP与DQ_LBP四种算子。采用YCbCr颜色空间在融合DQ_CoALBP与LPQ算子时,CASIA-FASD数据集上的等错误率（EER）和半错误率（HTER）分别降至2.5%和3.7%,Replay-Attack数据集上实现了无差错检测,优于一些深度卷积神经网络模型。