陈亚楠
- 作品数：2 被引量：1H指数：1
- 供职机构：上海交通大学电子信息与电气工程学院信息安全工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于Sparse Coding和DBN的敏感图像检测
- 2016年
- 敏感图像检测,即检测图片是否含有危害青少年健康成长的不良色情信息,对于净化网络环境有重要意义。该文分析了现有的敏感图像检测算法的性能,结合稀疏编码和深度信赖网络,提出了一种改进的敏感图像检测算法。该算法通过稀疏编码来提取特征,将图像切分成标准大小的小图块,然后将其基于字典稀疏表示。接着用max-pooling池化来整合特征,获得最终使用的特征向量。将得到的特征向量输入到DBN网络中进行训练,得到DBN模型。最后将待测图像的特征向量输入到DBN模型中获得分类结果。在文献[10]的数据集上的实验显示,该检测算法较原有算法有较大提升,在以总样本的90%作为训练集时,可获得9.29%的平均错误率。
- 陈亚楠黄豫蕾唐麟王士林
- 关键词：敏感图像
- 基于时空稀疏编码的动态人脸识别被引量：1
- 2017年
- 随着视频监控在生活中的普及及身份认证在安防领域的发展需求,基于动态视频序列的人脸识别需求越来越大。分析现有的主流人脸识别算法的特点,结合推广到三维立体空间的稀疏编码,提出了一种改进的人脸序列特征提取方法。该算法通过滑窗的方法将视频序列切分成固长的若干子序列,将每个子序列看成一个三维立方像素块,并将该立方块可重叠地切分成若干标准大小的小块,用K-SVD算法制作字典,求得稀疏系数作为特征。鉴于稀疏编码特征维度太高,用Pooling池化按照多种层次来整合特征,获得最终使用的特征矩阵。该特征鉴别力较高,使用传统的SVM分类器即可取得state-of-the-art的结果。实验表明,在包含40个人的数据集上,以总样本的10%作为训练集时,可获得95.6%的平均正确率。
- 陈亚楠王士林赖骏尧
- 关键词：支持向量机
