基于多通道脑电信号的因果网络情绪识别

情绪是由大脑内多个通道共同作用产生的,格兰杰因果检验作为情绪识别的主流方法,在计算任意2个通道之间的因果关系时容易忽略其他通道的影响。面向多通道脑电信号,提出一种基于条件格兰杰因果检验（CGC）的因果网络情绪识别方法。利用CGC算法计算不同情绪下大脑全通道的因果关系,据此构建因果网络,并通过分析各通道的入/出度和介数拓扑属性找到关键通道,得到简化的因果网络进行情绪识别。将节点之间的因果连接关系作为特征分别输入SVM和KNN分类器进行分类训练,实验结果表明,简化网络的识别率分别为75.3%和78.4%,验证了所提方法的有效性。     

基于对抗深度学习的无人机航拍违建场地识别

对违建场地的检测方法主要是通过人工对无人机航拍视频进行检查,存在检测精度低、识别性能差、工作效率低的问题。提出一种结合空间变换网络与Fast RCNN的生成对抗网络ASTN-Fast RCNN,通过深度学习与无人机航拍视频相结合自动识别检测处在建设初期的违建场地。将空间变换网络作为生成器,生成Fast RCNN目标检测器难以识别的旋转形变样本,并通过目标检测器与生成器的对抗式训练,提高检测器的鲁棒性。实验结果表明,该方法能够有效提高对无人机航拍违建场地的识别性能。     

基于因果干预与不变性的卷积预训练模型优化研究

基于卷积神经网络（CNN）的深度模型在图像识别与分类领域应用广泛,但在全局特征控制、概念层次特征不变性提取和变量之间的因果关系确定方面仍存在不足,使得深度模型缺乏灵活性、适应性及泛化性。基于因果干预和不变性,提出一种基于CNN深度模型的定向修剪和网络结构优化方法。通过对模型输入进行基于不变性的干预调制,根据生成的调制图片序列分析预训练网络卷积子结构的输出分布,筛选和定向修剪噪声敏感子结构。构建基于类间区分度的目标函数,借助经济学领域中的资本资产定价模型构建网络的层间连接,生成在单分类任务下能增大类间区分度的网络拓扑结构,逐层优化构建概念层次的稳定特征。在ImageNet-2012数据集上的实验结果表明,优化后的深度模型相比于ResNet50基线预训练模型的分类准确率约提升了5个百分点,并大幅降低了训练集规模。     

基于多尺度分割的图像识别残差网络研究

深度卷积神经网络能够解决复杂的计算机视觉问题,被广泛应用于图像识别任务中。在基于深度卷积神经网络的图像识别过程中,增加网络的深度和宽度能够产生丰富的特征信息,使用多尺度分割方法能够有效减少冗余的特征信息。然而,增加网络的深度和进行多尺度分割都会影响识别速度。如何在保证精度的同时提高识别速度,成为设计高效网络的关键问题。通过增加网络宽度的方法对ResNet残差网络进行改进,在保证精度的基础上提升识别速度。使用ResNet-D中的残差结构并减少网络长度,得到长度只有7层的残差网络,同时对HS-ResNet中的多尺度分割方法进行优化,只保留最后一次连接合并操作,得到图像识别残差网络SSRNet。在CIFAR 10和CIFAR 100数据集上的实验结果显示,SSRNet速度最高较ResNet网络提升7倍多,同时错误率最高下降8.81%,表明缩短网络长度可大幅加快图像识别速度,同时结合多尺度分割方法能够有效提升识别精度。     

基于循环生成对抗网络的含遮挡人脸识别

人脸图像的遮挡会严重影响人脸识别准确率,当前处理带遮挡人脸识别的方法主要有丢弃法和修复法两种。丢弃法因忽略或丢弃大量遮挡区域的有效特征易造成识别准确率不高,而当前大多数修复法需要原图的相关信息,限制了其应用。针对现有含遮挡人脸识别方法存在的问题,提出一种基于循环生成对抗网络的人脸识别算法,通过利用2对生成器和判别器进行循环训练,实现遮挡人脸图像的盲修复,此过程不需要除遮挡区域外的原图信息。在此基础上,采用ResNet-50网络对修复后人脸进行识别,该网络通过跳跃连接消除深层卷积神经网络中的网络退化问题,能够降低网络训练的难度,且不会增加额外的参数和计算量。针对盲修复后人脸特征存在类内差异大和类间差异小的特性,引入一种能够量化类间距离的分类损失函数RegularFace作为识别网络损失函数。实验结果表明,与DCGAN+CNN算法相比,所提算法对不同遮挡类型和遮挡区域的人脸图像识别准确率均有所提高,当线性遮挡面积为40%时,所提算法的识别准确率提高了14.4个百分点。     

基于轻量级图卷积的人体骨架动作识别方法

视频中的人体动作识别在计算机视觉领域得到广泛关注,基于人体骨架的动作识别方法可以明确地表现人体动作,因此已逐渐成为该领域的重要研究方向之一。针对多数主流人体动作识别方法网络参数量大、计算复杂度高等问题,设计一种融合多流数据的轻量级图卷积网络,并将其应用于人体骨架动作识别任务。在数据预处理阶段,利用多流数据融合方法对4种特征数据流进行融合,通过一次训练就可得到最优结果,从而降低网络参数量。设计基于图卷积网络的非局部网络模块,以捕获图像的全局信息从而提高动作识别准确率。在此基础上,设计空间Ghost图卷积模块和时间Ghost图卷积模块,从网络结构上进一步降低网络参数量。在动作识别数据集NTU60 RGB+D和NTU120 RGB+D上进行实验,结果表明,与近年主流动作识别方法ST-GCN、2s AS-GCN、2s AGCN等相比,基于该轻量级图卷积网络的人体骨架动作识别方法在保持较低网络参数量的情况下能够取得较高的识别准确率。     

Human‐Finger Electronics Based on Opposing Humidity‐Resistance Responses in Carbon Nanofilms

Carbon nanomaterials have excellent humidity sensing properties. Here, it is demonstrated that multiwalled carbon‐nanotube (MWCNT)‐ and reduced‐graphene‐oxide (rGO)‐based conductive films have opposite humidity/electrical resistance responses: MWCNTs increase their electrical resistance (positive response) and rGOs decrease their electrical resistance (negative response). The authors propose a new phenomenology that describes a “net”‐like model for MWCNT films and a “scale”‐like model for rGO films to explain these behaviors based on contributions from junction resistances (at interparticle junctions) and intrinsic resistances (of the particles). This phenomenology is accordingly validated via a series of experiments, which complement more classical models based on proton conductivity. To explore the practical applications of the converse humidity/resistance responses, a humidity‐insensitive MWCNT/rGO hybrid conductive films is developed, which has the potential to greatly improve the stability of carbon‐based electrical device to humidity. The authors further investigate the application of such films to human‐finger electronics by fabricating transparent flexible devices consisting of a polyethylene terephthalate substrate equipped with an MWCNT/rGO pattern for gesture recognition, and MWCNT/rGO/MWCNT or rGO/MWCNT/rGO patterns for 3D noncontact sensing, which will be complementary to existing 3D touch technology.     

Microsphere‐Assisted Robust Epidermal Strain Gauge for Static and Dynamic Gesture Recognition

A novel and robust epidermal strain gauge by using 3D microsphere arrays to immobilize, connect, and protect a multiwalled carbon nanotubes (MWNTs) pathway is presented. During the solvent deposition process, MWNTs sedimentate, self‐assemble, and wrap onto surface of polystyrene (PS) microspheres to construct conductive networks, which further obtain excellent stretchability of 100% by combining with commercially used elastomer. Benefiting from its 3D conductive pathway defined by microspheres, immobilized MWNT (I‐MWNT) network can be directly used in practical occasions without further packaging and is proved by tape tests to be capable of defend mechanical damage effectively from external environment. By parameter optimization, the strain sensor with 3 µm PS spheres obtains stable resistive responses for more than 1000 times, and maintains its gauge factor (GF) of 1.35. This thin‐film conductive membrane built by this effective construction method can be easily attached onto fingers of both robot and human, and is demonstrated in sensitive epidermal strain sensing and recognizing different hand gestures effectively, in static and dynamic modes, respectively.     

基于机器视觉的机器人辨识及分拣盒装香烟的系统

运用机器视觉技术和机器人技术设计并实现了一种识别、分拣盒装香烟的系统,以提高识别准确率和分拣效率。该系统通过USB摄像头采集烟盒图像信息,从烟盒的特征检测入手,利用Matlab工具对香烟条形码、烟盒颜色和字迹字符三个方面进行处理分析,识别出真伪香烟,并随即通过控制机器人手爪对识别出的香烟进行分拣。     

船用指针式仪表自动识别方法研究

指针式仪表的自动识别为船舶设备的实时监控和信息化管理提供了有效的技术手段。本文通过计算机视觉技术对指针式表盘自动判读方法进行了研究。实现了对多种指针式仪表的同时识别,识别过程分为表盘分割、刻度识别、指针识别和仪表类型识别等几个部分,运用中心投影法和图集分类比较法等确定了仪表刻度、指针位置和仪表类别,实现了船用指针式仪表示值的自动识别,并通过试验和误差分析验证了识别方法的有效性。