摘要：年龄、伪装等复合因素影响下,命案积案中嫌疑人的相貌、发型等体貌特征变化具有明显的不确定性。针对上述问题,提出双重风格迁移生成对抗网络(dual style transfer generative adversarial network,DstGAN)对人像发型变化进行模拟。首先,设计了双重StyleGAN生成器,借助人像年龄化模型,将人像年龄化信息与发型变化相结合,提高客观因素影响下发型模拟结果的真实度。其次,引入BiSeNET算法对输入人像及其目标发型进行语义分割后得到目标人像语义图,并在FS潜在空间中利用交叉熵损失函数约束GAN逆映射生成的语义图,与模拟后的语义图实现语义对齐,避免出现非自然融合现象。最后,为进一步扩充发型变化种类,通过在RM潜在空间中对发型向量进行编辑,修改输入人像发型所包含的语义属性,实现对于光头等特殊发型的模拟。DstGAN与一些经典发型变化模型相比,更加有效地保证了人脸身份特征的一致性,更加平滑地实现发型与面部边缘的过渡。同时DstGAN在PSNR、SSIM等指标评价的结果中,相比于经典发型变化模型,均取得最为优异的客观评分,表明DstGAN模拟发型变化的人像清晰度更高、感知质量更优、皮肤纹理更真实。

摘要：目的利用实验数据对法医学二代测序STR分型测序深度与分型结果准确度的关联性进行评估。方法使用商业化基因组DNA制备单一来源和混合的DNA样本,以Thermo Fisher公司的25重早期测试试剂盒进行目的STR片段扩增,每种扩增产物分别使用4种不同的序列标签平行建库,并控制标记每一种序列标签的文库上机量依次占一张Ion 318芯片的1/4、1/8、1/16、1/32。经Ion PGMTM基因测序仪测序,以及Ion Torrent SuiteTM软件进行数据分析;同时对庞敬博等人发表的基于相同试剂盒和测序仪检测的95名中国汉族无关个体的6928条等位基因、影子峰和噪音序列进行测序深度统计分析,寻找测序深度与STR分型准确度的关联性。结果各基因座测序深度随文库上样量减少而呈明显下降趋势。对于单一来源样本,每张芯片上样不超过8个均一化文库可实现全部基因座的完整分型;对于1∶20比例的混合DNA,每张芯片上样不超过4个均一化文库时,未发现微量组分的等位基因丢失。人群数据测序深度统计显示,该体系基因座间存在不均衡性,有必要针对各基因座分别设定分析阈值参数。结论测序深度与法医学STR分型结果的准确性密切相关,各基因座最低测序深度与平均测序深度的比值可作为设定分析阈值的重要参考指标。本研究确定的单张芯片上样数量仅适用于本实验体系,但相关实验设计和方案可供其他实验体系开展类似工作参考。