【摘 要】
：
针对沙漏网络应用于人脸对齐中存在网络结构复杂、时间开销大的问题,提出一种带有深度可分离的轻量级沙漏网络。通过知识蒸馏的思想构造轻量级沙漏网络,解决网络结构复杂的问题;在叠层沙漏网络中使用深度可分离卷积,通过深度卷积和逐点卷积共同作用简化复杂网络,解决时间开销大的问题。实验结果表明,在300w数据集和WFLW数据集上,该方法与主流的人脸对齐方法相比,对齐精度在保持基本不变的情况下,对齐速度具有明显的
【基金项目】
：
国家重点研发计划基金项目(2020YFB1600101),天津市教委科研基金项目(2020KJ024)。
论文部分内容阅读
针对沙漏网络应用于人脸对齐中存在网络结构复杂、时间开销大的问题,提出一种带有深度可分离的轻量级沙漏网络。通过知识蒸馏的思想构造轻量级沙漏网络,解决网络结构复杂的问题;在叠层沙漏网络中使用深度可分离卷积,通过深度卷积和逐点卷积共同作用简化复杂网络,解决时间开销大的问题。实验结果表明,在300w数据集和WFLW数据集上,该方法与主流的人脸对齐方法相比,对齐精度在保持基本不变的情况下,对齐速度具有明显的优势。
其他文献
目的:对急性心肌梗死患者使用优质护理,观察该种方式的应用效果.方法:对2019年1月-2021年6月间在我院收治的98例急性心肌梗死患者,各随机抽取49例,分设到对照及研究两组,对照
针对神经网络模型进行类增量学习时产生的灾难性遗忘问题,提出一种基于VAE的伪样本重排练实现的类增量学习方法。采用VAE生成伪样本的方法,实现重排练,生成与真实图像相似的伪图像;引入大边界Softmax损失训练分类器,使分类器学习到类间距离更大、类内距离更小的特征;采用一种基于类均值特征的伪样本选择策略,基于分类器训练样本的类均值特征,使筛选出来的伪样本更具代表性。在MNIST、FASHION数据集
针对基于Spark的类别数据互信息的并行计算在数据倾斜情况下会造成某一个或几个reducer负载过重降低集群性能的现状,重新定义数据倾斜模型来量化由Spark创建的分区之间的数据倾斜度,提出数据虚拟划分算法DVP。通过将同一个键添加随机前缀更改为几个不同的键,减少单个任务处理过量数据的情况;在一个24节点的Spark集群中实现DVP算法,通过与Spark传统的哈希算法DEFH比较,实验验证了DVP算法减轻了Spark Shuffle过程中的数据倾斜,减少了在负载均衡方面的耗时。
目的:探讨优质护理干预实施在急诊创伤患者抢救中的应用效果.方法:选取我院2019年10月-2020年10月收治的急诊创伤患者共160例进行本次研究,将其按照随机分组,分为对照组和观
针对现有壁画图像中分辨率低、图像细节粗糙导致壁画图像艺术价值降低等问题,提出一种增强艺术性壁画图像的超分辨率重建算法优化壁画图像。以生成对抗网络为框架,使用生成网络输出重建的高分辨率图像,在判别网络中提取壁画图像的特征,用于判断生成网络的输出是否为真实高分辨率壁画图像。采用迁移学习思想、去除批标准化、将网络模型分阶段构建的方法实现更好的壁画图像优化。与现有几种图像超分辨率算法对比,在客观实验指标上
提出一种基于语音信号稀疏特征的稀疏分量分析两步法,力图提高欠定情况下的语音信号盲分离性能。不同于传统的两步法,所提方法需要获取语音信号在变换域中的稀疏特征,将贪婪最优化思想引入至稀疏分量分析方法中,重构欠定盲分离语音源信号。通过仿真对比实验,展示了该方法应用于平稳声音信号和非平稳语音信号的盲分离效果,它能较好恢复语音源信号。与现有的最短路径法相比,所提算法可以提高两路以上观测信号的分离性能。相较于平滑L0范数算法,所提算法可以有效提高来波方向较近的语音盲信号分离性能。该方法具有更广阔的适用范围。
目的:调查某高校校医院在基础医疗、预防保健、健康教育等方面提供的医源性服务的不同顾客群体的满意度,探讨某高校医院找准服务定位、提高服务质量、拓宽发展空间的途径和方
目的:探究对出院后肺癌化疗患者给与延续性护理作用于生活质量改善的影响效果.方法:研究人群取2020年3月----2021年4月本院收治的86例肺癌化疗的患者,根据随机数字表法则,分
传统子空间学习方法在对齐领域总体分布时往往忽略样本类别信息,若原始样本判别力不足,将难以保证投影后子空间中样本的判别性。针对该问题,提出迁移子空间的半监督领域自适应方法。通过充分利用样本类别标签先验信息,在得到具有判别性子空间的同时充分挖掘重构矩阵中蕴含的鉴别信息,增强子空间跨领域特征表达的鉴别力和鲁棒性,提高模型的分类性能。在领域自适应问题常用的基准图像数据集上进行实验,其结果表明,该算法有较好的分类效果。
目的:探讨间歇性导尿术对脊髓损伤(SCI)后神经源性膀胱应用效果.方法:选取2019年5月～2021年5月收治的54例SCI伴神经源性膀胱患者作为研究的对象,观察54例患者应用间歇性导尿术