检索结果

Select

1. 基于深度残差网络的轻量级人脸识别方法

贺怀清, 闫建青, 惠康华

《计算机应用》唯一官方网站 2022, 42 (7): 2030-2036. DOI: 10.11772/j.issn.1001-9081.2021050880

摘要（359）

HTML （17）

PDF （1142KB）（251）

针对深度残差网络在小型移动设备的人脸识别应用中存在的网络结构复杂、时间开销大等问题，提出一种基于深度残差网络的轻量级模型。首先对深度残差网络的结构进行精简优化，并结合知识转移方法，从深度残差网络（教师网络）中重构出轻量级残差网络（学生网络），从而在保证精度的同时，降低网络的结构复杂度；然后在学生网络中通过分解标准卷积减少模型的参数，从而降低特征提取网络的时间复杂度。实验结果表明，在LFW、VGG-Face、AgeDB和CFP-FP等4个不同数据集上，所提模型在识别精度接近主流人脸识别方法的同时，单张推理时间达到16 ms，速度提升了10%~20%。可见，所提模型能够在推理速度得到有效提升的同时识别精度基本不下降。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于用户自定义兴趣区的飞行员眼动数据可视分析方法

贺怀清, 郑立源, 刘浩翰, 张昱旻

计算机应用 2019, 39 (9): 2683-2688. DOI: 10.11772/j.issn.1001-9081.2019030494

摘要（346）

PDF （922KB）（318）

针对传统基于兴趣区的可视化方法在分析飞行员眼动数据过程中无法关注细节的问题，提出了一种基于用户自定义兴趣区的眼动数据可视分析方法。首先，根据具体的分析任务，引入对任务背景图像的自我划分和定义；然后，在此基础上，结合多种辅助视图和交互手段，设计并实现了面向飞行员培训的眼动数据可视分析系统，帮助分析人员分析不同的飞行员之间的眼动差异，最后通过案例分析，证明了可视分析方法的有效性和分析系统的实用性。实验结果表明，较传统方法来说，所提方法增加了分析人员在分析过程中的主动性，在整体和局部方面，支持分析人员对任务背景进行细节的探索，增加了分析人员分析数据的多角度性，让分析人员能够结合整体发现飞行学员在训练过程中认知困难的部分，进而制定更有针对性、更有效的训练课程。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于随机游走的多目标A ^*算法的改进

刘浩翰, 郭晶晶, 李建伏, 贺怀清

计算机应用 2018, 38 (1): 116-119. DOI: 10.11772/j.issn.1001-9081.2017071899

摘要（424）

PDF （638KB）（321）

针对基于降维技术改进的多目标A ^*（NAMOA _dr ^*）算法中存在的高原搜索现象，结合蒙特卡罗随机游走策略提出了一种基于随机游走的多目标A ^*（RWNAMOA _dr ^*）算法，其基本思想是当NAMOA _dr ^*算法陷入高原搜索时，利用随机游走策略及时找到一个出口（具有被上次扩展标签的启发值非支配的启发值的标签）逃离该高原搜索。针对NAMOA _dr ^*算法何时陷入高原搜索的问题，提出了一种检测高原搜索的方法，即当连续扩展 m次标签的启发值都被上一次扩展的标签的启发值支配时则认为NAMOA _dr ^*算法陷入了高原搜索。使用多目标搜索算法的标准测试平台——随机网格进行了实验。实验结果表明RWNAMOA _dr ^*算法比NAMOA _dr ^*算法的运行时间平均减少了50.69%，占用的空间平均减少了约10%，能够为现实生活中加速多目标路径搜索提供理论支撑。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于GPU的光子映射并行化算法

贺怀清孙希栋

计算机应用 2012, 32 (07): 1939-1942. DOI: 10.3724/SP.J.1087.2012.01939

摘要（903）

PDF （657KB）（549）

针对串行情况下光子映射算法速度慢的问题，对光子映射算法并行化进行可行性分析，充分利用图像处理器(GPU)的统一设备计算架构(CUDA)的并行和计算能力，实现光子映射算法的并行化。同时针对算法中光子发射追踪阶段生成GPU线程数与光子数相同的方法的不足以及平均分配方法所造成的资源浪费等，提出线程之间协同工作的方法并采用动态平衡处理，使光子渲染速度提升了将近一倍。实验结果证明了多线程间协同工作及动态平衡相结合方法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

5. 轮廓线位置关系判定的改进算法

贺怀清杨鹏

计算机应用 2011, 31 (05): 1193-1197. DOI: 10.3724/SP.J.1087.2011.01193

摘要（1351）

PDF （767KB）（880）

通过对射线法和坐标极值法的原理和存在的问题进行分析,对已有的轮廓线走向判定算法进行简化,结合射线法和坐标极值法的优点,提出一种改进的轮廓线位置关系判定算法。该算法主要包括4个部分:内外轮廓线的区分、调整轮廓线的走向、轮廓线的包容识别和轮廓树的构建。通过实验验证,改进的算法能够更正已有算法中存在的问题,同时能够获得较好的运行效率。