摘要：针对民族服装风格多样、款式和配饰复杂,导致单视角三维服装重建结构不完整、风格不准确和局部特征模糊等问题,为了学习和映射民族服装的潜在风格特征,提出一种单视角三维服装重建的民族风格表征学习方法.首先结合定义的民族服装形状风格和几何拓扑构建形状表征,学习形状潜在特征;然后基于区域定位和关键点,并融合定义的款式风格、着装部位进行款式表征,得到局部感知区域图,以学习款式潜在特征;再联合形状、款式特征以及定义的对称损失函数,隐式重建出民族服装的初步模型;最后在卷积网络中引入图像的超像素特征、Branch分支和配饰的语义解析建立配饰表征,并编码UV位置图到特征空间,生成民族服装的最终模型.在自定义的少数民族服装数据集上的实验结果表明,所提方法的倒角距离和法线余弦距离分别为1.732和0.13,较已有方法降低11%和18%,能够提高单视角三维民族服装重建的精度,生成具有民族风格的三维服装模型.

摘要：针对民族服装图像属性信息复杂、类间相似度高且语义属性与视觉信息关联性低,导致图像描述生成结果不准确的问题,提出民族服装图像描述生成的局部属性注意网络.首先构建包含55个类别、30000幅图像,约3600 MB的民族服装图像描述生成数据集;然后定义民族服装208种局部关键属性词汇和30089条文本信息,通过局部属性学习模块进行视觉特征提取和文本信息嵌入,并采用多实例学习得到局部属性;最后基于双层长短期记忆网络定义包含语义、视觉、门控注意力的注意力感知模块,将局部属性、基于属性的视觉特征和文本编码信息进行融合,优化得到民族服装图像描述生成结果.在构建的民族服装描述生成数据集上的实验结果表明,所提出的网络能够生成包含民族类别、服装风格等关键属性的图像描述,较已有方法在精确性指标BLEU和语义丰富程度指标CIDEr上分别提升1.4%和2.2%.

摘要：边缘计算激励机制可以激励用户参与到资源分配的过程中来.为防范不诚实用户对资源分配的操纵,现有激励机制致力于使参与者在投标时给出他们的真实估值,但未考虑对假名攻击的对抗策略.为解决现有机制缺乏对抗假名攻击的能力这一问题,首先,对假名攻击投标决策手段进行分析,设计了假名过滤算法和结合边缘服务器成本的最小临界值定价算法,假名过滤算法剔除可能的假名用户,定价算法则保证了假名用户无法通过操纵临界价格提高效用.然后,证明了该防假名拍卖机制满足真实性和个体理性,此外还证明了该机制对假名攻击具有抗操纵性.实验结果表明,该机制能够在满足真实性的同时,保证用户无法通过单方面发起假名攻击增加效用.

摘要：为了解决高光谱遥感影像分类中单一尺度特征无法有效表达地物类间差异和区分地物边界的不足,提高影像分类精度和改善分类目视解译效果,提出了采用引导滤波提取多尺度的空间特征的方法。首先,利用主成分分析对高光谱影像进行降维,移除噪声并突出主要特征;然后,将第1主成分作为引导影像,将包含信息量最多的若干主成分分别作为输入影像,应用依次增加的滤波半径分别进行引导滤波处理提取多个尺度的特征,获得影像不同尺度的结构信息;最后,将多尺度特征输入分类器中进行影像监督分类。采用仿真数据和帕维亚大学(Pavia University)、帕维亚城区(Pavia Centre)等3幅高光谱实验数据,提取了基于引导滤波的多尺度特征、多尺度形态特征和多尺度纹理特征,输入到支持向量机、随机森林和K近邻分类器中,进行了实验。实验结果表明:采用支持向量机分类Pavia University数据,相对于采用多尺度形态特征的分类结果,引导滤波特征的总体精度提高了6.5%;Pavia Centre和Salinas两幅影像最高分类精度均由引导滤波特征实现,分别达到98.51%和98.39%。实验证实基于引导滤波提取的多尺度特征能有效地描述地物结构,进而获得更高的分类精度和改善目视解译效果。

摘要：针对着装场景中由于人体姿态、边缘轮廓、服装配饰的复杂性以及着装部位关节点被遮挡等因素导致人体解析精度较低的问题,提出一种结合边缘轮廓和姿态特征的人体精确解析模型.首先采用残差网络ResNet-101作为主干网络表征输入人体图像进行初步人体解析,得到粗解析特征;然后构建边缘轮廓模块,结合上采样后的全局和局部特征得到人体边缘轮廓;再基于着装姿态定义着装姿态损失函数,通过姿态估计模块提取人体姿态特征;最后联合粗解析特征、边缘轮廓和姿态特征,并定义结构损失和人体解析损失的组合函数输出精确的解析结果.在多个数据集上的实验结果表明,该模型的mIoU评测指标提高了1.96%,在人体的着装姿态和部位遮挡等方面获得了更准确的语义分割结果,能有效地提高着装人体解析的精度.

摘要：针对三维人体重建中服装视觉信息表示模糊的问题,提出一种多阶段优化的三维人体重建方法.首先对输入的人体图像进行预处理,分别提取其语义特征、明暗特征和高频特征;然后基于局部深度特征构建有向距离场,隐式表征三维人体的几何形状;再构建着装层次表示模块,通过定义着装层次损失函数感知服装语义上下文信息,并优化有向距离场,生成粗糙的三维人体模型;最后结合明暗特征和高频特征捕获服装褶皱细节,并在UV空间内定位褶皱位置,优化生成精细的三维人体模型.在BUFF数据集上的实验结果表明,所提方法的法线L2误差和倒角距离误差分别为0.13和1.30,较已有方法降低了13%和2%,能够提高三维人体重建的精度,生成具有服装款式、着装层次和褶皱细节的三维人体模型.

摘要：针对非真实感抽象绘制技术中可能存在的抽象程度整体趋于一致、缺少色彩层叠感的问题,提出一种自动的、基于图像重要度的抽象艺术风格绘制方法.首先通过梯度和显著度加权计算得到图像的重要度,并将该重要度引入抽象艺术风格绘制;在绘制过程中,为了保留图像的局部结构和方向特征,采用各向异性滤波平滑结构张量场,并沿张量场局部曲线方向进行积分卷积计算;最后采用改进的局部光照明Phong模型对抽象结果进行渲染,有效地突出不同光照条件下的艺术表现力,增强了艺术效果的色彩层叠感.实验结果表明,该方法能对图像局部区域进行不同程度的抽象,更好地保留图像中的局部细节和结构特征,更加符合格式塔理论,并可以产生具有色彩层叠感的抽象艺术效果.

摘要：直接定义在网络邻接矩阵上运行的特征提取方法存在着结构信息提取不充分的问题。基于此,提出一种融合多网络表示学习特征的基因功能预测方法。利用随机游走模型捕捉基因网络的拓扑结构特征,基于此特征使用一个半监督自编码器学习基因节点的低维表示。应用卷积神经网络融合多网络基因节点的低维表示信息预测基因功能。实验结果表明,在人类和酵母菌数据集上该方法能够提高基因功能预测的效果。

摘要：以模型为基础的协同过滤推荐算法需分析提取“用户-项目”特征矩阵以进行用户推荐。用户特征不同直接导致用户偏好不同,但以模型为基础的协同过滤推荐算法仅考虑分析提取影响项目特征的关键因素而未考虑分析提取影响用户特征的重要因素,这类传统模型往往将用户潜在特征向量随机初始化,并赋予一个假定的正态分布,导致这些推荐系统模型中没有任何一项数据变化可以对用户潜在特征建模结果产生直接影响。另外基于用户的推荐系统模型往往将用户的评论、评分的信息直接近似作为用户特征,传统推荐系统中这些数据引用方式和这些数据本身不足以支撑获取用户的本质特征。这些特征的近似也不能满足个性化推荐的需求。针对现有推荐算法所面临的没有分析提取用户本质特征以及项目本质特征提取不充分进而推荐结果难以体现用户个性的问题,提出一种融合人格特征的推荐模型。首先根据推荐平台中用户的非结构化评论文本信息,将人格特征作为用户特征的直接影响因素,设计一个神经网络模型计算评论用户的BIG FIVE人格得分,并将人格得分向量化作为用户特征;然后通过项目的评论文本信息获得项目特征;设计人格感知的协同学习框架,定义损失函数获取用户、项目的特征向量;最后根据用户、项目表征结果对目标用户进行推荐。在3个数据集上进行了全面的实验验证,结果表明算法在预测准确率、F1值、AUC指标等方面表现优于对比算法,通过人格建模,能够为用户推荐更符合其偏好的项目。

摘要：针对Terminal滑模控制到达阶段鲁棒性不强的问题,提出了时变Terminal滑模控制方法。分析Terminal滑模面的设计参数对系统性能的影响,提出一种非线性时变Terminal滑模面的设计方法。为了消除多输入多输出(MIMO)非线性系统的不确定,构建动态干扰观测器系统,根据干扰观测误差在线调节参数,从而在线逼近外部干扰,证明了逼近误差一致最终有界。采用倒立摆系统进行仿真验证,提出的自适应时变Terminal滑模控制方法比传统的PID控制镇定时间缩短80%,且无超调。仿真结果表明,所提方法可以用于MIMO非线性系统的控制。