-
题名基于改进样本驱动的高光谱矿物识别模型压缩方法
- 1
-
-
作者
邓可望
赵慧洁
李娜
蔡辉
-
机构
北京航空航天大学仪器科学与光电工程学院
北京航空航天大学北航青岛研究院
中国人民解放军
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2022年第3期474-482,共9页
-
基金
国家重点研发计划(2016YFB0500505,2017YFC0602104)
国家自然科学基金(61975004)
+1 种基金
高分国土资源遥感应用示范系统(二期)(04-Y30B01-9001-18/20)
青岛创业创新领军人才计划(18-1-2-22-zhc)。
-
文摘
针对机载成像高光谱遥感仪器获得的大批量高光谱数据很难实现高效快速的矿物信息提取和识别的问题,提出了一种基于改进样本驱动的高光谱矿物识别模型压缩方法,对神经网络中的冗余神经元进行剪枝,从而获取高效的矿物识别模型。首先,以验证数据集中的正确识别样本为数据驱动,计算各神经元经激活函数后的输出零值频率,并将其作为该神经元重要性判据,探讨各神经元对神经网络正确识别样本的贡献;其次,通过设置重要性阈值对冗余神经元进行剪枝,并对剪枝网络进行再训练,在保留原网络正确识别特性的基础上,提升压缩模型识别精度;最终通过多次迭代剪枝获得高效的压缩矿物识别模型。利用基于改进样本驱动的模型压缩方法对基于多层感知机的矿物识别模型进行压缩改进,并以美国内华达州Cuprite矿区的机载可见光/红外成像光谱仪的高光谱数据作为测试数据,获得了压缩比3.33、矿物识别精度94.35%的高效矿物识别模型。
-
关键词
神经网络
网络剪枝
高光谱
矿物识别
-
Keywords
neural network
network pruning
hyperspectral
mineral identification
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于多光谱和面部多区域联合的人脸活体检测算法
- 2
-
-
作者
邓可望
赵娟
肖振中
师少光
朱亮
-
机构
中国科学院深圳先进技术研究院
奥比中光科技集团股份有限公司
深圳奥芯微视科技有限公司
-
出处
《集成技术》
2024年第1期72-81,共10页
-
文摘
在常见的人脸活体检测应用场景中,绝大多数相关技术聚焦于RGB图像或IR图像,但是这些图像缺乏足够的生物特征,容易受到层出不穷的假体人脸攻击。该文提出了一种基于面部多区域联合的Transformer模型,并将多光谱成像技术引入人脸活体检测任务,旨在获取人脸的独特生物特征,增加与假体的可区分性,进而提高活体检测准确率。多光谱图像拓宽了光谱范围,可获取物体更为丰富的反射特性,通过逐像元进行光谱归一化操作,可降低光照强度变化带来的影响,增强人脸反射特征区域的一致性。该文提出的算法选取多个人脸核心区域(如眼睛、鼻子、嘴巴、脸颊等)作为深度学习模型输入,构建了基于Transformer的神经网络模型,同时获取人脸局部区域特征和区域间关联特征,整合成完备的人脸生物特征。在自建的多光谱人脸数据集上,该文提出的方法获得了95.72%的活体检测准确率及5.10%的活体检测错分率,优于常用的人脸活体检测模型。
-
关键词
活体检测
多光谱
Transformer模型
深度学习
-
Keywords
anti-spoofing
multi-spectral
Transformer model
deep learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
