多模态特征融合的人脸活体检测算法

针对人脸识别技术应用中,使用人脸图像或虚拟人脸等技术手段欺骗识别系统进而降低系统安全性的问题,提出了一种多模态特征融合的人脸活体检测算法.该算法将人脸的RGB图、深度图和红外图分别输入到3个相同的残差网络结构中提取特征;通过基于通道注意力机制的方式对3个模态的特征图进行融合;对融合特征做出决策.在CASIA-SURF数...     

基于改进SSD的视频烟火检测算法

由于以往视频烟火检测模型复杂,存在检测精度与速度不能兼顾的问题,提出一种改进SSD的轻量化视频烟火检测算法(GSSD)。该算法首先将SSD算法中的骨干网络替换为GhostNet网络模型,减少算法参数量,提高检测速度,之后通过Concat操作进行多尺度特征融合,提升算法对小目标的检测精度。该算法分别在PASCAL VOC 2012数据集和烟火数据集上进行了实验。实验结果表明,在相同工况条件下,GSSD算法相比SSD算法的mAP提高了4.8%,检测速度提升了1.9倍,参数量减少了84.64%。     

基于暗通道和改进YOLOv3的雾天车辆检测算法

针对雾天车辆检测过程中雾气影响严重导致检测精度不高的问题,为提升检测性能,基于暗通道去雾方法和YOLOv3模型提出一种改进的检测算法。首先,通过暗通道算法对图像进行去雾操作,提升图像的清晰度;其次,通过K-means聚类计算适合车辆检测的先验框,提升YOLOv3算法的检测精度;最后,引入注意力机制,对用以检测的特征图作进一步的特征提取,提高了算法对特征信息的挖掘能力。为了测试该算法的检测效果,在雾天车辆数据集上进行实验。实验结果表明,本文算法比YOLOv3算法的平均精度提升了4.1%,达到了97.5%,能够有效地提升雾天车辆检测的性能。