基于虚拟样本扩张法的单样本人脸识别算法研究

随着人脸识别技术的不断发展,单样本人脸识别已成为当今的一个热点。针对单样本人脸识别问题,提出了一种基于虚拟样本扩展的人脸识别方法,为给定的单训练样本增加虚拟图像,以增强单训练样本的分类信息,并对原样本及其虚拟样本进行特征变换,划分得到更多的子图像,利用二维主成分分析(2DPCA)实现特征抽取,一定程度上减轻了人脸的表情、姿态、光照等因素对识别效果的影响,提高了识别率。提出的方法分别在ORL及FERET两大人脸数据库上得到了验证。     

集间两级语义互补的小样本语义分割

现有的小样本语义分割模型通常只提取单一级别的语义特征,然而由于小样本数据的样本量少、各级语义特征具有不同属性等原因,提取单一级别语义特征的网络模型很难在保证分割能力的同时兼具泛化性.针对该问题,提出了一种集间两级语义互补的小样本语义分割方法 .该方法使用具有强类别特征的支持集高级语义特征对具备泛化性的查询集中级语义特征加权,在增强查询集各目标类别特征的同时保留查询集中级语义特征的泛化能力;另外,该模型通过最大化支持集潜在语义信息、为查询集构建非参数学习的先验信息等方式增强两集信息之间的交互性以获得更丰富的判别信息.该方法在PASCAL-5i数据集上进行仿真实验,mIoU值在1-shot和5-shot两类设置上分别能达到45.3%和48.8%,其结果超越部分先进主流的小样本语义分割算法,且网络模型的参数量也控制在可以接受的范围之内.     

基于有限样本信息准则的非协作盲信噪比估计算法

针对小样本条件下的盲信噪比估计误差较大问题,结合信号子空间分解方法,提出一种基于有限样本信息准则( finite sample information criterion,FSIC)的盲信噪比估计算法,并推导出基于FSIC盲信噪比估计算法的最大似然形式.在小样本情况下,FSIC的引入克服了传统信息论方法产生的过拟合和欠拟合问题,降低计算复杂度.在不需要已知信号调制方式、载波频率、波特率等先验知识的前提下,能够在加性高斯白噪声信道(AWGN)和多径信道(Rayleigh)下对常用调制信号进行有效的信噪比估计.在信噪比-25 dB～25 dB范围内,其平均估计误差小于1 dB,表明该算法可有效应用于小样本盲信噪比估计.     

植物学界的明星收藏家

世界上为数不多的植物样本收藏家塑造了现代植物学。这些收藏家在整个植物收藏界中只占2%,但他们收集到的最重要的植物样本却占据了整整一半。现在,随着这些明星收藏家的身影渐渐从人们的视线中消失,他们开创的事业能后继有人吗?     

科学家捕获超大白鲨

2009年秋季,科考队在墨西哥瓜达鲁普岛沿海捕获了迄今为止体型最大的大白鲨。这头雄性大白鲨长5.5米打破了此前的纪录。此前的纪录保持者为一头名为基梅尔的雌性大白鲨,身长5.1米。两个纪录均是非官方纪录因而未得到正式组织的承认。新捕获的大白鲨被称之为阿帕奇,以国家地理频道节目《鲨鱼冒险家》中船长布莱特·麦克布莱德的宠物狗的名字命名。《鲨鱼冒险家》围绕科学家捕捉和放生大白鲨的工     

中位数稳健线性回归模型在数学教学评价中的应用

利用"中位数"建立一种较为稳健的线性回归模型,可以很好地解决用最小二乘法求回归直线可能存在的某些"离群值"对回归的显著性(拟合度)的影响.该模型对数学教学评价有一定的应用价值.     

你问我答

问:血型的顺序为什么不是ABC,而是ABO?答:血液有不同的类型是奥地利病理学家、免疫学家卡尔.兰德斯泰纳在1902年提出的。他曾从自己和五位同事身上取得血液样本,合成30个样本,进行观察研究。他发现有的样本成功混合,有的却发生凝结。他于是领悟,原来每个样本的情况并不完全相同。有两人的样本,红细胞上有一种称为Anti-gen抗原的物质,他于是     

谁在偷窥我们的DNA

20世纪80年代中期以来,一个连环杀手在美国洛杉矶地区先后杀害了10名妇女。但每次犯罪后都会在很长期一段时间里销声匿迹,因而这个被称为残酷睡客的杀手(Grim Sleeper)逍遥法外了近25年。直到2010年,警方在加利福尼亚州逮捕了一名似乎与残酷睡客毫无关系的非法持枪的男子。根据加利福尼亚州的法律,警方需要将这名男子的DNA样本提交到一个国家DNA数据库。通常情况下DNA数据库检索要求精确匹配,即犯罪现场发现的未知人员的DNA图谱与数据库中某个已知犯罪分子的DNA数据完全一致时才会返回结果。检索主要比对基因组中的13个位置,这些区域的DNA序列因人     

Linex损失下E·B估计的收敛速度

基于弱平稳同分布正相协(PA)样本,对一类单边截断型分布族在Linex损失下获得了位置参数的Bayes估计·并构造了相应的经验Bayes(E·B)估计,证明了该估计是渐近最优的并且获得了它的收敛速度,最后给出适合定理条件的一个例子.     

关系嵌入和类协方差度量的小样本图像分类

在小样本图像分类的问题情景下,图像之间具有结构性、辨别性的特征关系还未被重视,图像的特征关系匹配不足,导致特征嵌入不完善,度量效果不明显.为了关注图像特征之间的匹配关系,通过关注单个图像的空间信息及匹配图像间的特征,实现度量嵌入特征的关系,提出基于关系嵌入和类协方差度量的网络结构,通过自相关注意表示和交互相关注意来学习图像内和图像间的特征关系.其中,将单个图像的基本特征表示映射成自相关张量,关注其中的通道空间信息,学习图像张量内结构信息.而对于图像对,计算2个图像表示的互关联信息,并生成共同注意,从而得到图像间具有判别性的关系信息.最后用马氏距离度量特征关系.经过大量实验验证之后,在3个小样本基准数据集中评估,并与大量现有方法进行对比,结果显示网络结构对学习特征间关系具有一定的有效性.