摘要：由于视频骨骼数据的复杂性及语义鸿沟问题,现有的动作匹配方法无法较好地解决不同模态运动数据间的关联匹配问题.为此,提出一个面向RGB视频-三维骨骼数据的跨模态动作匹配学习方法.首先,设计跨模态动作匹配框架,挖掘RGB视频数据和骨骼序列数据间的共同语义信息;其次,引入权值共享的多模态双层残差结构和双向混合约束,用于挖掘模态间关联,从而生成共享语义嵌入的跨模态表示,极大地提高数据利用率和提升模型的性能;最后,提出弹性验证模块,促使网络在共享语义空间中专注于鉴别性动作特征的学习,有效地提升模型的泛化性能.实验结果表明,该框架可以更加有效地解决RGB视频和骨骼序列2个模态间的动作匹配任务,并在NTU-RGBD和JHMDB数据集上的跨模态ACC和MAP定量分析指数方面均优于现有3种基准算法,较好地实现了异构模态动作间的灵活跨越.

摘要：目的现有目标检测任务常在封闭集设定中进行。然而在现实问题中,待检测图片中往往包含未知类别目标。因此,在保证模型对已知类检测性能的基础上,为了提升模型在现实检测任务中对新增类别的目标检测能力,本文对开放集目标检测任务进行研究。方法区别于现有的开放集目标检测框架在检测任务中将背景类与未知类视为一个类别进行优化,本文框架在进行开放集类别识别的过程中,优先识别候选框属于背景类或是含待识别目标类别,而后再对含待识别目标类别进行已知类与未知类的判别。本文提出基于环状原型空间优化的检测器,该检测器可以通过优化待检测框的特征在高维空间中的稀疏程度对已知类、未知类与背景类进行环状序列判别,从而提升模型对开放集类别的检测性能。在(region proposal networks,RPN)层后设计了随机覆盖候选框的方式筛选相关的背景类训练框,避免了以往开放集检测工作中繁杂的背景类采样步骤。结果本文方法在保证模型对封闭集设定下检测性能的情况下,通过逐步增加未知类别的数量,在Visual Object Classes-Common Objects in Context-20(VOC-COCO-20),Visual Object Classes-Common Objects in Context-40(VOC-COCO-40)以及Visual Object ClassesCommon Objects in Context-60(VOC-COCO-60)数据集中的4个指标上均取得了具有竞争力的结果。同时,通过增加未知类目标的图片数量与包含已知类目标的图片数量的比值wilderness ratio(WR),所提方法在3个对比实验共12项结果中,有10项领先于对比方法。消融实验也证明了方法中每一个模块的有效性。结论本文提出的基于环状原型空间优化的开放集目标检测框架取得了较好的检测效果。通过在实际检测任务中的实验对比,证明了本文方法在不改变模型封闭集识别性能的情况下,有更强的开放集类别检测能力。

摘要：显著目标检测旨在快速地辨别自然图像的显著区域.为了更完整地将图像的显著区域与背景分离,根据低秩恢复理论提出基于迹表示和正则化的显著目标检测算法.首先将核范数替换为矩阵的迹表示以获取更低秩的解;然后在模型中加入拉普拉斯正则化项,减少稀疏矩阵和低秩矩阵的联系;最后将位置、颜色和边界连接先验整合成权重矩阵,融入到矩阵分解模型中.在Matlab平台下的MSRA1K, SOD, ECSSD和iCoseg这4个数据集上与13种算法进行比较的实验结果表明,该算法优于其他算法.

摘要：微表情是一种持续时间仅为1/25～1/5 s非常快速的表情,它表达了人试图压抑与隐藏的真正情感.文中简要分析了面部行为代码系统,探讨了人工微表情识别方法的实验研究;对现有的微表情自动识别的数据库从采集情况、微表情的产生情况以及用途进行了对比总结,重点综述了现有的微表情自动识别研究进展,从识别结果、所采用的技术、优缺点等方面进行了对比总结,给出了评估方法,论述了微表情线索测谎的典型应用;最后探讨了该领域值得进一步研究的问题和可能的发展方向.

摘要：为了解决当前工作流语言粒度过细和引擎对过程动态演化支撑不足的问题,通过在原有工作流模型上建立一层抽象的业务过程模型,建立了一种新的分层过程模型,从而增强了过程的描述能力。同时扩展原有的过程演化技术,使其适用于分层模型下的过程演化,并给出相应的系统实现。通过实例验证了所设计系统的正确性。

摘要：为了解决人脸识别中的光照干扰问题,提出基于最近正交矩阵的二维鉴别投影方法.首先利用奇异值分解获取人脸图像矩阵的最近正交矩阵表示;然后利用获得的最近正交矩阵分别构建基于最近正交矩阵的类内散度和基于最近正交矩阵的类间散度;最后通过最大化类间散度同时最小化类内散度获取二维鉴别投影,并通过该投影获得低维特征.在Yale,CMU-PIE以及AR数据库上进行人脸识别实验,证明了该方法的有效性.

摘要：为了解决个性化网站中很少考虑用户检索意图,检索效果较差的问题,提出了一种有效的增量协同过滤推荐方法。该增量协同过滤推荐模型改进了最流行的推荐算法之一的协同过滤算法,并应用到个性化网站中。通过分析Web日志提取用户的浏览行为,将其归一化为用户对项目的评分值,并利用改进的相似度计算方法得到用户之间的相似度值,从中选择能够表现用户偏好的最近邻集合进行评分预测后对结果排序,将排序后的结果作为推荐列表返回给用户。最后设计增量更新算法实时有效地更新用户的历史偏好数据。实验表明,增量协同过滤推荐模型适用于个性化网站,利用该方法可以使推荐结果更加符合用户意图。

摘要：提出一种基于网络编码的速率控制方法,目标是提高网络吞吐量和视频传输的质量.构建监听辅助图用于描述上行链路传输速率对编码机会的影响,在此基础上给出编码决策问题的分析.设计启发式上行链路传输速率控制算法,并将下行链路传输速率控制与网络编码相结合,最小化视频传输的失真率.通过仿真实验方法将本文提出的机制与典型网络编码机制进行了比较,仿真结果表明,速率自适应网络编码机制能够显著提高视频序列的可解码帧率和吞吐量.

摘要：现有的移动视频通话研究大多集中在视音频同步、码率调整和能量节约等方面,忽视了用户在公共AP间切换时视频通话服务的中断重连问题。针对这一问题,提出了基于微云的移动视频预取系统来尽可能地减少通话重连次数。该系统通过本地微云为移动的用户预取视频流,并设计贪心预取算法来提高预取命中率。同时,设计低概率多阶马尔科夫预取进程调度算法和起始AP选择算法来平衡贪心预取引起的微云资源消耗过多的问题。仿真实验表明,CMVP可以获得90%以上的预取命中率,使QoE显著提升。

摘要：基于R1范数的主成分分析(R1-PCA)是一种鲁棒的主成分分析算法.但是R1-PCA并没有考虑样本间的流形结构;另外,由于R1-PCA是基于L2范数来对样本进行中心化的,使得其样本均值对于R1-PCA而言不是最优的.对此,提出一种R1范数约束的流形正则化最优均值主成分分析(R1-MRPCAOM)算法.通过把流形正则化项加入到R1-PCA的目标函数中,使得R1-M RPCAOM能保持样本的流形结构;通过把均值作为待求解的变量,从而给出相对于R1-M RPCAOM的最优均值.利用半二次优化技术,设计一种求解R1-MRPCAOM的高效算法并证明了其收敛性.在数据库上的实验表明,R1-MRPCAOM比传统的PCA和R1-PCA有着更好的性能.