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。     

基于3D卷积神经网络的人体行为识别方法

为了提高视频中人体行为识别的准确率,更好地利用视频中的原始信息,提取出更具有代表性的特征,提出一种基于3D卷积神经网络的人体行为识别方法。该方法构建了一个深层三维卷积神经网络模型,使用三维卷积核进行卷积操作,提取视频中人体行为的时域和空域特征,通过多层卷积操作对底层特征进行再组合,得到抽象的高维特征。在KTH数据集上的实验结果表明,该方法有较好的识别效果。     

波纹表面金属目标散射特性分析

雷达散射截面的分析与预估是隐身／反隐身领域的一个重要课题．改变目标的几何外形是减小雷达散射截面有效途径之一，从真空中的麦克斯韦方程出发，采用交替隐式的时域有限差分方法以及时域卷积完全匹配层技术．研究了表面波纹对金属目标雷达散射截面的影响，给出了一表面加波纹金属圆柱雷达散射截面．结果表明：当波长和波纹宽度相近时，金属圆柱表面加波纹可以在很大的空域角度内使其RCS明显减小．该方法及结果对隐身与反隐身技术的研究具有借鉴价值．     

卷积运算中分段解析表达区间的确定

通过对Fourier光学中常见的具有有限非零区间的分段连续函数的卷积运算的讨论，得出了确定卷积函数转折点坐标的原则，并用框图表示出确定转折点坐标的方法。     

卷积与相关的比较研究

对卷积和相关运算的定义、运算过程、物理意义、几何意义、运算结果进行了详细的分析，对掌握卷积和相关运算在信息光学中的应用具有积极的意义。     

关于一类p叶解析函数的性质

设Ap(n)为在单位圆盘内形如f(z)=z^p ∑k=n^∞αp k^Zp k的解析函数类。Hp(n,λ，α，b）为Ap(n)的一个子类。在这篇文章中，我们得到了类Hp(n,λ，α，b）中函数的偏差定理，系数不等式及卷积性质。     

对《用图解快速定限法确定卷积的积分限》的扩展讨论

对《用图解快速定限法确定卷积的积分限》在无限长有值函数卷积积分区间的图解分段中出现的±∞的取舍情况进行了分类和讨论,对无限长有值函数卷积的图解定限方法进行了总结,并举例说明了其使用方法.     

基于深度学习的道路语义分割新方法

针对道路图像语义分割效果不够精确的问题,提出一种基于深度学习的道路图像语义分割的改进方法,并与传统的全卷积神经网络模型(FCN)相结合实现道路图像语义分割.先验概率层利用道路图像的先验知识,在所有道路图像训练标签的基础上构建二维数组表示像素点的分类概率,并将它结合传统全卷积神经网络模型对道路图像进行语义分割.实验结果表明:提出的先验概率层的后处理算法能够优化传统全卷积神经网络模型的分割效果,使像素精确度由88.8%提高到91.3%,平均像素精确度由82.9%提高到85.7%,平均交并比值由72.5%提高到77.9%.     

关于次指数分布的若干问题

主要研究了F^n,＊∈S^＊与F∈S^＊之间的等价关系．