改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

平煤四矿煤与瓦斯突出灾害分布特征

对平煤四矿先后发生的21次煤与瓦斯突出灾害事故进行统计分析,得出该矿区煤与瓦斯突出灾害的空间、强度和时间分布特征。同时分析得出:四矿瓦斯突出灾害集中分布在煤层走向的狭长条带内,标高-390m是各煤层组的始突深度。埋深超过620m,达到突出发生的应力条件。特征分析为平煤四矿煤岩瓦斯突击灾害的防治工作提供有力的科学依据。     

基于配电网地理接线图的混合型线路自动排布算法

该文针对包括展开站房设备的混合型线路的自动排布算法兼容性差的现状,通过分析混合型区域接线图的特点,该文提出了依据站房设备进出线位置不同展开站房设备的排布方法。针对站房设备多条出线的分层排布、末端站房设备的排布和站房设备进出线位置不同的排布3种典型实例,展开研究和实验。实验基于配电网地理接线图的拓扑数据完成配电线的有向树建模,按分支级数从小到大依次完成所有分支的排布,最终自动生成展开站房设备的混合型线路的区域接线图,布图科学,有效降低了工程实施成本。     

基于Gabor融合特征与深度自动编码器的笑脸识别方法

Gabor特征的人脸表情识别具有良好的识别性能,但同样存在特征维数大的缺点,该文提出用Gabor融合特征的方法来进行降维以解决维数大的缺点。深度自动编码器具有对人脸自学习的能力,能精确提取有用的信息,也有非线性降维的作用。考虑到Gabor融合特征降维幅度不大,便加入自动编码器进行二次降维,将经过二次降维的特征输入深度自动编码器进行笑脸识别。该文在实验过程中采用两个数据库(公开的GENKI数据库,实验采集的数据库)进行实验。实验结果表明经过Gabor融合特征的实部作为深度自动编码器的输入的识别率比传统方法和未经降维Gabor特征识别率高。     

结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题，提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像，并利用位图切割重建梯度图像；对新梯度图像进行分水岭预分割；对预分割图像基于异质性最小原则进行区域合并，并获得最终分割结果。相比于现有的同类方法，该算法引入位图切割，抑制噪声对分割结果的影响，在边缘模糊处分割准确，得到符合人类视觉的较小分割区域数目，同时在运行效率上提高。