基于深度残差网络模型压缩的局部遮挡人脸识别

尽管卷积神经网络使遮挡人脸识别效果有所改善,但随着性能的提高会造成结构复杂、网络参数增加、耗时长的问题。针对此问题,提出一种基于深度残差网络模型压缩的局部遮挡人脸识别方法。首先,采用多任务级联卷积神经网络(MTCNN)对人脸图像进行预处理;其次,选择残差网络作为主体网络,以残差块的卷积层为基本单位,通过结构化剪枝修剪卷积层滤波器,实现对深度残差网络模型压缩的同时移除滤波器输出的特征映射;最后,学习掩码特征去除遮挡损坏的特征元素对人脸进行识别。实验结果表明在准确率影响不大的情况下,网络参数量减少,识别速度有明显的提升。     

碳纤维拉挤板材表面缺陷检测

碳纤维拉挤成型工艺是一种可以制造出高强度、高刚度、轻量化复合材料的方法。该工艺通过在高温高压下将通过模具的碳纤维和树脂复合材料拉挤成型，由于碳纤维方向的一致性，从而提高了材料的力学性能。因其需要将不同材料复合，出现的缺陷会影响材料力学性能。传统人工肉眼初筛缺陷的方法效率低、易遗漏。采用多目摄像头采集图像与模糊聚类算法处理取代人工缺陷检测。机器视觉可在生产过程中对碳纤维拉挤板材表面进行实时缺陷检测。采集图像时，应用光度立体学法采集复合板材表面图像，并通过图像灰度计算形成图像梯度矩阵。在缺陷检测过程中，先将梯度矩阵经过模糊聚类法区分正常区域与缺陷区域。再通过缺陷隶属度模型划分不同缺陷种类，最后通过模糊信息熵模型标记缺陷，完成碳纤维拉挤板材表面缺陷检测。实验结果表明，表面缺陷检测准确率达98%以上，缺陷检测准确率高，误差范围小，实现了不同缺陷种类的分类划分。在碳纤维拉挤板材生产过程中具备优异的缺陷检测性能与实用价值。