检索结果

Select

1. 基于特征融合的三维人脸点云质量判断

高工, 杨红雨, 刘洪

《计算机应用》唯一官方网站 2022, 42 (3): 968-973. DOI: 10.11772/j.issn.1001-9081.2021030414

摘要（231）

HTML （6）

PDF （861KB）（71）

针对使用双目结构光扫描仪获取的三维人脸点云，提出了一种特征融合网络（FFN）来完成人脸点云质量判断任务。首先，对三维点云预处理切割出人脸面部区域，使用点云和对应的二维平面投影得到的图像作为输入；其次，分别训练用于点云学习的动态图卷积神经网络（DGCNN）和ShuffleNet两个模块；然后，提取出两个网络模块的中间层特征进行特征融合，对整个网络进行微调；最后，使用三层全连接层，实现三维人脸点云的5分类（优秀、普通、条纹、毛刺、变形）。所提FFN的分类正确率为83.7%；分类正确率比ShuffleNet提升了5.8%，比DGCNN提升了2.2%。实验结果表明，加权融合二维图像特征和点云特征可以达到不同特征之间的优势互补效果。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于深度学习的三维点云人脸识别

高工, 杨红雨, 刘洪

计算机应用 2021, 41 (9): 2736-2740. DOI: 10.11772/j.issn.1001-9081.2020111826

摘要（509）

PDF （1375KB）（523）

为了增强三维点云人脸识别系统针对多表情、多姿态的鲁棒性，提出一种基于深度学习的点云特征提取网络ResPoint。ResPoint网络使用了分组、采样和局部特征提取（ResConv）等模块，而在ResConv模块中使用了跳跃式连接，因此所提网络对于稀疏点云有很好的识别结果。首先通过人脸几何特征点定位鼻尖点，并以该点为中心切割出面部区域，切割出的区域有噪点并且有孔洞，因此对其进行高斯滤波和三维立方插值；其次，使用ResPoint网络对预处理后的点云数据提取特征；最后，在全连接层组合特征以实现三维人脸的分类。在CASIA三维人脸数据库上的实验中，与关系型卷积神经网络（RS-CNN）相比，ResPoint网络的识别正确率提高了5.06%。实验结果表明，ResPoint网络增加了网络深度的同时使用不同的卷积核提取特征，因此ResPoint网络有更好的特征提取能力。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于异方差高斯过程的时间序列数据离群点检测

严宏, 杨波, 杨红雨

计算机应用 2018, 38 (5): 1346-1352. DOI: 10.11772/j.issn.1001-9081.2017102511

摘要（578）

PDF （1092KB）（418）

时间序列数据在测量过程中通常受到事物内在可变性以及外界干扰等因素的影响，针对各个时间点上数据受影响程度不同的情况，提出一种基于高斯过程预估模型的时间序列数据离群点检测方法。将监测数据分解为标准值和偏差项两个部分，除了对理想情况下的标准值建模，还再次使用高斯过程实现对异方差偏差项的有效描述，通过变分推断解决引入偏差项后的后验概率求解问题，将后验分布中设定的容差区间用于离群点判定。使用雅虎公司公开的网络流量时序数据进行验证，模型输出的容差区间在不同时间点上的变化趋势与标注的正常数据偏差情况相符，并在对比实验中异常检测性能指标F1-score优于自回归积分滑动平均模型、一类支持向量机以及基于密度并伴随噪声的空间聚类算法。实验结果表明，该模型能够有效描述各个时间点上正常数据的分布情况，取得误报率和召回率两方面的综合权衡，而且可以避免模型参数设置不当导致的性能问题。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于人类视觉特性的两步去噪模型

舒玉强杨红雨

计算机应用 2009, 29 (12): 3372-3374.

摘要（1522）

PDF （485KB）（1102）

基于局部归一化的局部方差去噪模型在平坦区域去噪明显,但去噪速度慢,而且纹理细节保护欠佳。为此,用全局归一化的局部方差度量空间细节,得到新的扩散系数。新模型先用新扩散系数加速去噪,再用旧扩散系数去除不平整现象和小黑点。实验结果表明：新模型在快速有效地去除高斯噪声的同时可更好地保护纹理细节,而且信噪比和峰值信噪比与仅用一个扩散系数的模型相比有所提高。