基于生成对抗网络的图片风格迁移

图像到图像的翻译工作在现实中有着广泛应用，因此在计算机视觉领域得到高度关注。通过CycleGAN的网络结构进行图像风格迁移实验，将自然得到的图片转换成具有某种风格的图片，同时该方法不需要源图像与风格图像互相匹配，因此扩大了应用范围。在实验中，分别使用WGAN、WANG GP、LSGAN和原始GAN目标函数比较生成样本的质量，尽管生成对抗网络（GANs）拥有强大的建模能力，但难以训练。研究发现，WGAN GP能够稳定训练过程并且生成更真实的图像，WGAN、LSGAN效果次之，GAN经常会出现模型崩塌现象。     

基于肤色模型与改进Adaboost算法的人脸检测

介绍了一种基于肤色模型与改进Adaboost算法相结合的人脸检测方法。该方法首先利用肤色在YcbCr空间中的聚类特性,对图像进行预检测,得到候选人脸区域,进而采用改进的Adaboost方法对弱分类器进行级联,得到最终的人脸分类器。在特征选择上,使用基于像素的多层特征(Pixel Based Hierarchical Feature,PBHF),以解决传统Adaboost方法检测时间过长的问题。实验结果表明,该人脸检测方法比单纯采用Haar like 特征的人脸检测方法更加有效。     

融合YCbCr肤色模型与区域标记的人脸检测算法研究

由于肤色在YCbCr空间中有较好的聚类性,选取YCbCr肤色模型进行人脸检测。首先将视频序列图像转换到YCbCr空间,通过YCbCr肤色模型进行肤色分割,提取肤色区域,排除大部分非肤色区域的干扰;然后采用形态学处理,进行区域标记,排除不连通区域,同时结合人脸面积排除非人脸面积区域。最后,结合人眼、嘴巴等特征进行定位,从而准确定位人脸。实验表明,该方法具有一定的鲁棒性。     

一种基于正面头像的三维人脸建模方法

本文提出了一种真实感三维人脸自动建模方法,只需一张光照均匀的人脸正面头像,通过自动提取面部的关键特征点重建人脸的几何模型,最后从图像上获取面部纹理信息得到真实感的三维人脸。实验表明该方法能较真实有效地重建三维人脸。     

基于注意力机制的人脸漫画生成方法

在漫画生成领域,针对现有的基于生成对抗网络(generative adversarial networks, GAN)的方法无法捕获漫画和人脸之间高级对应关系的问题,提出了一个基于注意力机制的生成对抗网络模型(Attentions-based GAN)。在生成器和多尺度鉴别器上创造性地利用不同的注意力模块以保留重要的通道特征和空间特征,保证了鉴别器更准确地区分真实漫画和生成漫画,并促使生成器学习漫画域的分布。此外,构建了一个高分辨率的人脸漫画数据集,并在其上验证了本文模型的有效性。大量实验表明,本文方法生成的漫画更清晰真实,可以保留人物面部的细节并延续漫画的风格。     

基于姿态和光照不变的三维人脸识别研究

为了解决由姿态和光照变化引起的误识率,提出了一种利用稀疏统计形变模型,进行三维人脸形状重建,通过调整角度,解决人脸图像姿态发生改变的方法.运用球面谐波商图像的方法,估计原始输入图像的光照属性,对生成的模型进行标准化的姿态和光照重构,解决了原始输入图像中由于姿态和光照不同所引起的识别误差.实验表明,该方法能够有效地提高对三维人脸的识别率.     

基于投影与深度学习网络的三维人脸特征点定位方法

标定三维人脸模型特征点对人脸识别、人脸建模等都具有重要作用。针对人脸特征点标定需要手工干预、标定特征点个数少或不准确、标定时间长等问题,提出了一种基于投影与深度学习网络的人脸三维模型特征点标定法。基于正交投影,生成人脸三维模型二维深度图与二维特征点位置,采用以卷积神经网络为主的深度学习网络模型训练测试,将深度图上特征点映射到三维人脸模型,实现眉毛、眼睛、鼻尖、嘴巴等重要区域的特征点定位。实验表明,该方法可自动标定三维人脸模型特征点,快速、准确预测足够数量特征点位置。     

一种基于肤色的人脸检测方法

提出了一种基于肤色的人脸检测方法,通过在YCbCr颜色空间内对人脸图像进行建模,实现人脸的初定位,再使用形态学理论对候选人脸区域做处理,从而实现人脸区域的精确定位。通过仿真实验发现,提出的方法相对于神经网络和模板匹配方法可以较好地适应光照变化,并且解决了计算量大的问题,提高了算法的实时性。     

协同KPCANet模型在人脸识别中的应用

为解决手工提取图像特征过程繁复和参数复杂问题,提出一种基于深度学习的协同KPCANet模型。该算法能够对现场采集到的人脸数据和特征进行提取和分类,通过提取分块直方图特征进行编码协同表示,将测试样本归于残差最小的类中对人脸数据进行识别和运算。实验结果表明,协同KPCANet模型在滤波器数量L1=10时一层卷积层与L2=15时二层卷积层的正确率分别达到99.17%和99.44%。协同KPCANet模型不仅能使运算过程简洁,还能提高识别结果准确度,提升识别效率。     

基于内容的索引图片自动生成算法研究

基于内容的索引图片根据原图片的感兴趣区域对原图进行索引,有效地解决了现有索引图片由于直接缩放而造成的模糊不可辨别以及失真变形等问题。采用基于内容的索引图片能大大提高检索和浏览图片信息的质量和效率。本文研究的基于内容的索引图片自动生成算法,主要是以人脸区域作为感兴趣区域,首先采用基于肤色信息和几何信息的人脸检测算法,定位出感兴趣区域;然后按比例裁剪出已检测出的人脸区域,并使用插值缩放生成基于内容的索引图片。     

一种高效的人脸马赛克方法

针对现有人脸检测方法速度缓慢的问题,在详细介绍结合类Haar特征和级联AdaBoost人脸检测算法原理及训练流程的基础上,提出一种改进的人脸检测算法。该算法可以动态调整Haar检测函数的阈值和选取扩展的Haar特征,并运用OpenCV中图像处理的基本算法实现较高准确度和较快速度的人脸检测,可高效用于马赛克处理。实验结果表明,该算法人脸检测率达到95.41%,处理图片时间约2.4ms/frame,计算复杂度低,且稳定性较好,可广泛用于人脸检测中。     

基于卷积神经网络的人脸表情识别研究

随着人机交互技术和机器学习技术的发展,人脸表情识别技术逐渐成为研究热点。针对传统人脸表情识别算法鲁棒性差、表情特征提取能力不足的问题,提出一种改进的基于卷积神经网络的人脸表情识别算法。首先对人脸图像进行预处理,检测并分割出人脸关键点的部分图像,然后输入到包含卷积神经网络通道和卷积稀疏自编码(CSAE)预训练通道的双通道模型中。其中卷积神经网络通道部分使用了批量正则化(Batch Normalization)和ReLU激活函数,加快了模型训练速度,解决了梯度消失问题,同时增加了模型的非线性表达能力。通过引入Dropout技术,解决了网络的过拟合问题。在另一个通道,对输入的人脸表情图像增加了卷积稀疏自编码进行无监督预处理。实验结果表明,该算法在JAFFE、CK+人脸表情数据集上均获得了较好的识别效果。     

材料成型及控制工程专业虚拟仿真实验室的建设与实践

针对材料成型及控制工程专业实验教学中的共性问题,山东大学材料成型及控制工程专业建立了模具虚拟装配和模具虚拟制造两个虚拟仿真实验教学系统。学生能够在虚拟实验环境中完成实验预习、实验学习、实验练习、实验考核、实验报告等教学内容,教师能够进行实验教务管理。采用虚拟仿真实验室能够突破时间和空间限制,让学生有更多有效时间参与实验过程。实行"虚拟仿真实验+真实实验"相结合的实验教学模式,能够有效克服真实实验教学中的诸多局限,激发学生自主学习的积极性,教学效果明显。     

基于真实人脸的数字化三维人脸建模

具有真实感的三维人脸模型在虚拟现实、数字广播、数字教育、仿真应用、游戏娱乐、影视制作等领域都有着广泛的应用前景,文章对基于真实人脸的数字化三维人脸建模技术进行了研究。主要内容包括：目前构造人脸模型的方法,通用人脸模型的生成,人脸特征点的提取,利用提取的人脸特征点重构三维人脸模型,真实人脸纹理合成,最后对真实感的三维人脸建模技术进行了展望。     

复杂背景下一种新的肤色检测方法

通过对复杂背景下的人脸图片进行自适应光照补偿,建立高斯肤色模型,并利用改进的Otsu算法进行人脸肤色检测.实验证明,该方法效率高,对背景、尺寸、旋转角度等细节具有很好的适应性,在人脸实时检测中具有很好的应用价值.     

基于改进的LBP特征和随机森林相结合的人脸关键点检测方法研究

提出了一种人脸关键点检测方法,该方法用了少量的正面图像,不用归一化人脸图像,而传统的人脸关键点检测方法需要对图像进行严格预处理。随机森林是一种分类器融合算法,可以很好地解决多类分类问题,虽然LBP特征简单,但其可以包含大量的纹理信息。利用改进的LBP特征与随机森林相结合,构成一种对人脸关键点检测的方法。通过高斯平滑图像的LBP特征的提取,对每个点生成特征,计算出有用的特征作为正例,并且与反例集合变为训练集。通过随机森林分类器进行分类,误差率较低,仅在10%左右。     

一种基于无指导的词义排歧方法

介绍了一种利用《同义词词林》和训练语料生成义类代码同现频率矩阵，以此作为资源进行真实语料中多义词的词义排歧，由于该方法采用无指导的学习方法，可以免疫人工标注的开支，而且具有较好的移植性。     

基于虚拟实验室的混合学习活动设计

随着虚拟现实技术的快速发展,大量的虚拟实验已被广泛应用于教学中,然而在使用的过程中,却出现如忽视真实实验的作用,用虚拟实验完全取代真实实验等方面的问题.为了解决这些问题,该文首先依据《初中化学新课程标准》对初中化学实验进行分类,并运用知识建模技术将每类实验涉及的知识内容进行归类分析,构建知识网络图;然后,使用FlashCS5.0+PaperVision3D+3dsMax等软件设计开发虚拟实验室并以此为在线学习平台,融合真实实验和虚拟实验的优势,依据混合学习和活动理论设计混合学习活动,并根据实验类型与实验目标将学习活动分为四类:理论知识、实验技能、问题解决、评价与反思;最后,以实验室制取氧气为例,从实验过程、学习目标、知识组块、活动任务、活动形式与时间、学习成果、支持环境等方面具体阐述每类活动的设计方法.     

基于WMAP的班级管理系统的设计与实现

实现了一种基于BP神经网络的自动人脸识别模型的人脸图片识别算法,阐述了该算法的基本原理、模型以及实现过程,并通过实验获得了较好的识别精确度。     

改进的线性判别回归分类人脸识别算法

对线性回归分类算法进行了改进。考虑了线性回归分类算法中没有考虑的类间信息,通过选择类模式的投影方向判别不同类的模式,不同类的模式互相远离,相同类的模式尽可能靠近来估计投影矩阵;再利用投影矩阵将训练图像及测试图像投影到各类的特征子空间;最后,计算出测试图像与训练图像间的距离,利用K-近邻分类器完成人脸的识别。在FERET人脸数据库上进行实验验证。实验结果表明,相比其他回归分类算法,本算法取得了更好的识别效果。