【摘 要】
：
考虑到问卷调查顾客的满意度评价时存在样本获取困难、主观误差等问题,利用表情识别技术分析视频中顾客的情感表达,但实际应用存在人物表情变化波动过大的强波动型表情识别问题。为更好地挖掘强波动型表情变化的信息,提出一种动态多阶段强波动型表情识别模型(LNsCo),该模型包括长期情绪波动状态生成器(LEF)、近短期表情特征生成器(NsSE)、平行共同注意力网络(co-attention network)。将
【机 构】
：
湖北工业大学计算机学院,深圳大学计算机与软件学院
【基金项目】
：
国家自然科学基金面上基金项目(61772180),全国大学生创新创业训练计划基金项目(201910500010)。
论文部分内容阅读
考虑到问卷调查顾客的满意度评价时存在样本获取困难、主观误差等问题,利用表情识别技术分析视频中顾客的情感表达,但实际应用存在人物表情变化波动过大的强波动型表情识别问题。为更好地挖掘强波动型表情变化的信息,提出一种动态多阶段强波动型表情识别模型(LNsCo),该模型包括长期情绪波动状态生成器(LEF)、近短期表情特征生成器(NsSE)、平行共同注意力网络(co-attention network)。将图像序列预处理后,分别送到LEF和NsSE提取表情的隐藏特征,利用共同注意网络生成二者相互依赖的表征,用
其他文献
为提高卷积神经网络在医学图像上的配准性能,提出一种双通道级联注意力网络用于医学图像配准。针对浮动图像和固定图像,用两个卷积神经网络对配准场进行估计;用配准场级联策略提高配准场变形估计性能;在配准场估计过程中引入注意力机制用于自动学习和优化注意力特征并分配特征权重,进一步加强特征表达能力,提高配准性能。通过对脑部图像和肺部图像的配准实验分析,验证了该方法的有效性和准确性。
针对云工作流调度问题,提出一种融合遗传算法和粒子群优化算法的工作流调度负载均衡算法。充分利用多元启发式方法融合的优势,避免遗传算法的收敛过慢和粒子群算法易于陷入局部最优的缺陷,有效将工作流任务映射至虚拟机资源,实现全局工作流执行跨度最小化和虚拟机分配的负载均衡。以算例详细说明算法实现思路,在现实科学工作流条件下进行仿真测试,验证算法性能。与几种单一元启发式调度方法相比,验证该算法拥有更高执行效率和负载均衡度。
基于注意力机制的推荐模型在进行特征提取时用到的绝对位置是一个静态且孤立的信息。为克服上述缺点,提出基于翻译结构的相对位置注意力机制推荐模型。以时序排列用户历史行为并构造相对位置表征,分别在计算注意力权重和输出中加入相对位置表征,加深注意力编码层和解码层并用平均注意力进行预处理。实验结果表明,与基于注意力机制的模型相比,所提模型更能捕获用户偏好的动态变化,挖掘更深层的信息,更适合处理长序列。
针对主题模型不能充分考虑情感极性信息和衰减因子设定单一的问题,提出情感极性和影响函数的OBTM弹幕主题演化方法。提出基于改进负采样的word2vec词向量模型,对弹幕词语的情感极性进行标注;设计影响函数,反映离散时间中文本主题的历史影响程度;利用情感极性特征和影响函数改进OBTM模型,用于弹幕主题演化的分析。实验结果表明,改进的OBTM可以有效优化主题演化效果,能够扩展弹幕在主题情感极性演化方面的应用。
本文旨在通过多机器人系统的敌我识别、任务分配等关键技术的研究,实现多机器人竞赛项目中的有效协作功能,以提高机器人竞赛能力,论文采用理论推导、软件仿真、硬件设计与改造等相结合的方式来开展研究,以解决机器人何时协作、如何协作等棘手问题。
为加强智慧教室中教学视频信息的有效运用,针对现有SSD算法的不足,提出改进SSD算法进行学生课堂行为状态识别的方法。结合K-means聚类算法对数据集进行聚类分析,在SSD网络预测层重新设置预测框比例及分布,增大训练时预测框和真实框的匹配度;引入目标检测焦点损失函数,保证正负样本及难易分类样本的平衡。在自制的听讲、睡觉、举手、回答及写字5种学生行为状态数据集上进行训练和测试,实验结果表明,改进的S
传统抽取算法在病灶、细节区域存在分割不精准的问题。改进算法对U-net深度神经网络进行改进,在网络底层加入Dense-net网络中的稠密连接方式,使用BConvLSTM来组合编码器和解码器的特征信息,结合AC-net思想提出MultiAc模块,在U-net下采样和上采样过程加入该模块,帮助网络学习更复杂的特征信息,在预测过程中提高精确率。通过在DRIVE、STARE、CHASE_DB1这3个公开眼
为进一步提高协同过滤推荐算法的推荐精度,提出一种基于用户兴趣和评分差异的改进混合推荐算法。利用词频-逆向文件频率(TF-IDF)思想对稀疏矩阵进行填充,在计算用户相似度时在传统的修正余弦相似度计算公式中引入两个不同的影响因子来改善用户评分差异的影响,使用两种不同的时间衰减函数用于修正时间因素对用户和项目之间以及用户与用户之间的影响。实验结果表明,该算法能够缓解数据稀疏的问题,有效修正用户评分差异和用户兴趣变化对推荐结果的影响,其推荐精度均优于现有其它改进算法。
针对当前三维点云识别方法存在时间和空间复杂度较高的问题,提出一种轻量级的三维点云识别方法。使用最远点采样法从原始点云中获取采样点,在采样点处构建K近邻图来有效获取点云的局部结构信息,大幅度降低网络的计算复杂度;使用注意力机制突出局部区域不同K近邻点的重要性,达到增强局部结构特征的目的;利用分组卷积提取高层次的局部结构特征的同时减少卷积层的参数量。在保证较高的识别准确率的前提下减少全连接层的参数量。
针对云环境中第三方服务器不可信的问题,提出一种基于数据分割的密钥聚合加密方法。利用数据分割的思想将文件分割为大数据和多个小数据块,采用密钥聚合加密算法分别加密后将文件分块存储在云端。文件共享时,提取多个数据块的密钥为一个聚合密钥,实现一个密钥对多个文件的解密。进行理论分析及仿真实验,结果表明该方案可以降低对第三方服务商的可信要求,在数据共享时减轻了密钥的传输开销,仅需一个固定长度的聚合密钥即可。