爽爆这个假期 近期购买显卡的建议

我在购买新显卡的时候,对老婆说了一堆我要借助CUDA做实验之类的借口,结果被一语驳回：就是为了玩游戏爽吧。毋庸讳言,大多数明友选择显卡的终极目的就是为了玩游戏更爽,尤其是在春节或者寒假里。让我们丢去遮遮挡挡,选块好显卡爽爆这个假期吧。     

基于运动信息的快速局部遮挡人脸检测

针对人脸部分被遮挡后检测率较低的问题,提出一种基于运动信息的快速局部遮挡人脸检测方法。该方法在训练阶段采用快速抽取关键样本算法减少训练时间,并初始化训练样本权值,在检测阶段首先分析视频帧间的运动信息估计人脸的大概位置,然后通过瀑布型快速人脸检测器进行进一步精确定位。实验结果表明,该方法在人脸局部遮挡情况下,相对于传统的Adaboost算法检测率有了明显提高,同时具有较快的检测速度。     

霸气张近东

国美内讧给了张近东霸气外露的条件。2011年张近东身上的霸气终于一冲飞天。人们总在议论国美黄光裕的霸气,而在多年来默默耕耘的苏宁一跃成为行业老大之时,张近东身上的低调机敏再也遮挡不住这由里到外散发出的霸气。     

在电脑屏幕的右上角张贴课表

作为教师,每学期都有一张固定的课表,如果将课表截取成一张图片,张贴在电脑屏幕右上角空白处应该是一个不错的选择。这样既不容易被桌面图标遮挡,又能时刻提醒上课时间,免去误课之忧。但默认情况下,桌面背景有“居中、平铺、拉伸”三种设置,采取以上三种设置均不能实现。通过以下两种方法即能实现这一目的。     

相似遮挡区域碎片重构的鲁棒人脸识别算法

基于压缩感知技术,提出了一种面向遮挡的人脸识别算法。首先,将图像分成各个局部小块,并构建相似遮挡区域;然后,重构图像碎片,从而检测遮挡区域;最后,利用非遮挡区域获取遮挡截面,投票机制完成人脸识别。实验结果显示,其算法在AR和LFW人脸库上的最高识别率分别可高达99.8%和83.8%,优于其他几种遮挡人脸识别算法,此外,该算法对不同遮挡级别的人脸具有较好的鲁棒性。     

人脸遮挡区域检测与重建

提出一种基于模糊主分量分析技术(FPCA)的人脸遮挡检测与去除方法.首先,有遮挡人脸被投影到特征脸空间并通过特征脸的线性组合得到一个重建人脸.计算重建图与原图的差图像,加权滤波后并归一化作为被遮挡的概率,以此概率为权重由原图和重建图合成新的人脸.在后续迭代中,根据遮挡概率使用模糊主分量分析进行分析重建,并使用累积误差进行遮挡检测.实验结果表明,算法可精确定位人脸遮挡区域,得到平滑自然的重建人脸图像,优于经典的迭代PCA方法.     

基于特征的地平线遮挡剔除算法

可见性计算是计算机图形学的一个基本问题,高效的可见性计算可大量节省关于场景中不可见部分的计算。提出了一种新的基于地形特征的可见性判别算法。该算法首先提取场景的主要山脊线特征,然后构造地形的多分辨率层次细节模型,实现对四叉树结点的快速访问,最后应用增量地平线消隐技术及地形包围盒技术,实现了基于地形山脊线特征的快速遮挡剔除算法。实验结果证明了此算法的有效性。     

实时实例分割的深度轮廓段落匹配算法

针对实例分割算法在进行轮廓收敛时,普遍存在目标遮挡增加轮廓处理的时间以及降低检测框的准确性的问题.本文提出一种实时实例分割的算法,在处理轮廓中增加段落匹配、目标聚合损失函数和边界系数模块.首先对初始轮廓进行分段处理,在每一个段落内进行分配局部地面真值点,实现更自然、快捷和平滑的变形路径.其次利用目标聚合损失函数和边界系...     

基于活动状态预测与分类的多目标跟踪

固定单摄像机多目标跟踪的难点在于对多目标互相遮挡情况的处理。针对此问题,本文提出一种基于活动状态预测与分类的多目标跟踪算法,并通过对数字视频中多人的跟踪对算法进行测试。通过对实际情况的分析总结将目标活动状态分为六类,利用卡尔曼滤波对遮挡的预测信息,结合区域匹配信息对目标的活动状态进行归类。最后,通过采用
用不同的目标定位及模板更新策略处理不同活动状态的目标,达到跟踪的目的。实验证明,对目标的分类处理使算法对多目标跟踪具有较好的适应性和准确性。     

基于注意力机制和卡尔曼滤波的多目标跟踪

为了解决目前多目标跟踪算法在行人遮挡后无法再次准确跟踪的问题,提出了一种融入注意力机制和改进卡尔曼滤波的多目标跟踪算法,选用联合检测和重识别框架提取特征,同时完成目标检测和重识别任务.设计了并行支路注意力机制,包括空间注意力和通道注意力两个部分,每个部分都采用并行支路的方式完成池化和卷积操作.在跟踪阶段,本文提出了速度先验卡尔曼滤波,实现对行人运动状态更精确的预测.采用CUHK-SYSU数据集对算法进行训练,并在MOT16数据集上做算法的验证和测试.本算法的多目标跟踪准确度(MOTA)达到了65.1％,多目标跟踪精确度(MOTP)达到了78.8％,识别F1值(IDF1)达到62.3％.实验表明,提出的跟踪算法可以有效地提高跟踪的整体性能,实现对目标的持续跟踪.