在许多计算机断层扫描（CT）成像应用程序中，重要的是快速收集来自移动或随时间变化的对象的数据。通常假设断层图像是逐步拍摄的，其中物体旋转到每个期望的角度，并且拍摄视图。然而，阶梯和射击采集缓慢并且可以浪费光子，因此在实践中，在收集数据的同时连续旋转物体的情况下进行飞行扫描。然而，这可能导致运动模糊的视图，从而与严重运动伪影进行重建。在本文中，我们介绍了Codex，一个模块化框架，用于联合去模糊和断层切断重建，可以有效地颠倒在扫描中引入的运动模糊。该方法是具有新型非凸贝叶斯重建算法的新型采集方法的协同组合。 Codex通过使用重建算法的已知二进制代码编码采集而作证，然后重转反转。使用良好选择的二进制代码进行编码测量可以提高反转过程的准确性。 Codex重建方法使用乘法器（ADMM）的交替方向方法将逆问题分成迭代解训和重建子问题，使重建实用实现。我们对模拟和实验数据的重建结果显示了我们方法的有效性。
translated by 谷歌翻译
网络值时间序列是目前的网络数据的常见形式。然而，研究由网络价值随机过程产生的网络序列的总体行为相对较少。现有的大多数研究都集中在简单的设置上，其中网络在整个时间内是独立的（或有条件独立的），并且所有边缘在每个时间步骤均同步更新。在本文中，我们研究了聚集的邻接矩阵的浓度特性以及与懒惰网络值随机过程产生的网络序列相关的相应拉普拉斯矩阵，其中边缘异步不断地更新，并且每个边缘都遵循其懒惰的随机过程，以更新独立于其更新其他边缘。我们证明了这些集中度的有用性，从而证明了标准估计器在社区估计和变更点估计问题中的一致性。我们还进行了一项仿真研究，以证明懒惰参数的影响，该参数控制时间相关的程度，对社区和变化点估计的准确性。
translated by 谷歌翻译
在本文中，提出了一种在高阶导数空间中的本地图案描述符用于面部识别。所提出的局部定向梯度模式（LDGP）是通过在四个不同的方向上编码参考像素的高阶导数之间的关系来计算的1D局部微图案。所提出的描述符识别来自四个不同方向的引用像素的高阶导数之间的关系，以计算对应于本地特征的微图案。所提出的描述符显着降低了微图案的长度，从而降低了提取时间和匹配时间，同时保持识别率。在基准数据库中进行的广泛实验的结果，延伸耶鲁B和CMU-PIE的基准数据库，表明所提出的描述符显着降低了提取以及匹配时间，同时识别率几乎类似于现有技术的现有技术。
translated by 谷歌翻译
特征描述是专家系统和机器学习中最常见的区域之一。有效编码图像是准确匹配的必要要求。这些编码方案在识别和检索系统中发挥着重要作用。面部识别系统应该有效地在系统内在和外在变化下准确地识别个体。这些系统中使用的模板或描述符编码图像的本地附近的像素的空间关系。使用这些手工制作描述符编码的功能应该是稳健的抵抗诸如;照明，背景，姿势和表达。在本文中，提出了一种新型手工制作的级联非对称局部图案（CALP），用于检索和识别面部图像。所提出的描述符在水平和垂直方向上唯一地对相邻像素之间的关系进行唯一编码关系。所提出的编码方案具有最佳特征长度，并且在面部图像中的环境和生理变化下的准确性显着提高。艺术手工制作描述符的状态即;将LBP，LDGP，CSLBP，SLBP和CSLTP与最具挑战性数据集上的所提出的描述符进行比较。 Caltech-Face，LFW和Casia-Face-V5。结果分析表明，在表情，背景，姿势和照明的不受控制的变化下，所提出的描述符优于现有技术。
translated by 谷歌翻译
本文提出了一种新颖的手工制作的本地四重模式（LQPAT），用于面部图像识别和检索。大多数现有的手工制作描述符在本地邻域中仅编码有限数量的像素。在不受约束的环境下，这些描述符的性能往往会急剧降级。增加本地邻居的主要问题是，它还增加了描述符的特征长度。所提出的描述符尝试通过定义具有最佳特征长度的有效编码结构来克服这些问题。所提出的描述符在二次空间中的邻居中的关系编码。从本地关系计算两个微图案以形成描述符。所提出的描述符的检索和识别精度已经与替补标记数据库上的艺术手工制作描述符的状态进行了比较; Caltech-Face，LFW，Color-Feret和Casia-Face-V5。结果分析表明，所提出的描述符在姿势，照明，背景和表达式的不受控制的变化下执行良好。
translated by 谷歌翻译
面部特征被定义为面部图像的像素中存在的局部关系。手工制作的描述符确定内核定义的本地邻域中的像素的关系。内核是一种二维矩阵，它在面部图像上移动。内核捕获的具有有限数量的像素的独特信息实现了在受约束环境下拍摄的面部图像上的令人满意的识别和检索精度（光，姿势，表达式和背景的受控变化）。为了在不受约束的环境下实现类似的准确性，必须增加本地社区，以便编码更多像素。增加本地邻域也增加了描述符的特征长度。在本文中，我们提出了一种手工制作的描述符，即中心对称四重奏模式（CSQP），其在结构上对称，并在四重空间中对面部不对称进行编码。所提出的描述符有效地编码具有最佳二进制位数的较大邻域。已经示出了使用平均熵，计算与所提出的描述符编码的特征图像，CSQP与艺术描述符的状态相比捕获更有意义的信息。将所提出的描述符的检索和识别精度与在台式标记数据库上的艺术手工描述符（CSLBP，CSLTP，LDP，LBP，SLBP和LDGP）的状态进行了比较; LFW，Color-Feret和Casia-Face-V5。结果分析表明，所提出的描述符在受控和姿势，照明，背景和表达中的不受控制的变化下执行良好。
translated by 谷歌翻译
在面部识别中使用的本地描述符是稳健的，因为这些描述符在不同的姿势，照明和照明条件下表现良好。这些描述符的准确性取决于将面部图像的本地邻域中存在的关系映射到微结构中的关系。在本文中，提出了一种局部梯度六到模式（LGHP），其识别在不同衍生方向上的不同距离处的参考像素和其相邻像素之间的关系。歧视信息存在于局部邻域以及不同的衍生方向上。所提出的描述符有效地将这些关系改变为判别具有最佳精度的二元微型图像。所提出的描述符的识别和检索性能已经与最先进的描述符相比，即最具挑战性和基准面部图像数据库的LDP和LVP，即裁剪延伸的Yale-B，CMU-Pie，Color-Feret和LFW。与最先进的描述符相比，所提出的描述符具有更好的识别以及检索速率。
translated by 谷歌翻译
在本文中，提出了R-Theta本地邻域模式（RTLNP），用于面部图像检索。 RTLNP以不同的角度和径向宽度在参考像素的本地附近的像素中利用关系。所提出的编码方案将本地邻域分成相等角度宽度的扇区。这些扇区再次分为两个径向宽度的子区。这些两个子区的平均灰度值被编码以生成微图案。已经评估了所提出的描述符的性能，并将结果与艺术描述符的状态进行比较。 LBP，LTP，CSLBP，CSLTP，Sobel-LBP，LTCOP，LMEP，LDP，LTRP，MBLBP，Brint和SLBP。最具挑战性的面部受限制和无约束数据库，即; AT＆T，Caria-Face-V5裁剪，LFW和彩色机构已被用于显示所提出的描述符的效率。建议的描述符也在近红外（NIR）面部数据库上进行测试; Casia Nir-Vis 2.0和Polyu-Nirfd探讨了它对NIR面部图像的潜力。与现有技术描述符相比，RTLNP的更好检索率显示了描述符的有效性
translated by 谷歌翻译
2021-11-29
当分布生成数据变化时，ChangePoint分析处理时间序列数据中的时间点的无监督检测和/或估计。在本文中，我们在大规模文本数据的上下文中考虑\ emph {offline} ChangePoint检测。我们在主题比例分布的分布中构建了一个专门的时间主题模型。随着该模型的完全可能性推断是在计算上难以解决的，我们开发了一个计算易诊的近似推理过程。更具体地，我们使用样品分离来首先估计多个主题，然后将似然比统计与Fryzlewicz等人的野生二进制分割算法的修改版本一起应用。 （2014）。我们的方法促进了大公司的结构变化的自动检测，而无需通过域专家手动处理。随着我们模型下的变换点对应于主题结构的变化，估计的变化点通常是高度可解释的，因为标志着时尚主题的普及涌现或下降。我们在两个大型数据集上应用我们的程序：（i）从1800-1922期（Underweet Al，2015年）的英语文学语料库; （ii）来自高能物理arxiv存储库的摘要（Clementet al。，2019）。我们获得一些历史上众所周知的改变点，发现一些新的变化点。
translated by 谷歌翻译
几次拍摄对象检测（FSOD）仅定位并在图像中分类对象仅给出一些数据样本。最近的FSOD研究趋势显示了公制和元学习技术的采用，这易于灾难性的遗忘和课堂混乱。为了克服基于度量学习的FSOD技术的这些陷阱，我们介绍了引入引导的余弦余量（AGCM），这有助于在对象检测器的分类头中创建更严格和良好的分离类特征群集。我们的新型专注提案融合（APF）模块通过降低共同发生的课程中的阶级差异来最大限度地减少灾难性遗忘。与此同时，拟议的余弦保证金交叉熵损失增加了混淆课程之间的角度裕度，以克服已经学习（基地）和新添加（新）类的课堂混淆的挑战。我们对挑战印度驾驶数据集（IDD）进行了实验，这呈现了一个现实世界类别 - 不平衡的环境，与流行的FSOD基准Pascal-VOC相同。我们的方法优于最先进的（SOTA）在IDD-OS上最多可达6.4个地图点，并且在IDD-10上的2.0次映射点为10次拍摄设置。在Pascal-Voc数据集上，我们优先于现有的SOTA方法，最多可达4.9个地图点。
translated by 谷歌翻译