结合多视角学习与一致性表征的人脸伪造检测

现有的人脸伪造检测方法通常在已知域上表现较好,但面临过拟合的风险,在应对未知场景时无法保持良好的检测能力。为解决此问题,提出一种结合多视角学习与一致性表征的人脸伪造检测框架。为捕获更全面的伪造痕迹,将输入图像转换为两种互补视角并采用双流骨干网络进行多视角特征学习。引入一致性度量,以补丁级监督的方式明确约束不同视角输出的局部特征的相似度。为提高检测精度,采用特征分解策略进一步优化伪造特征,减少不相关因素的干扰,并以伪造特征空间的决策作为最终的预测结果。在基准数据集上进行的大量实验表明,所提出的方法优于现有的主流模型,具备良好的跨域泛化能力。     

Mandated defence offsets: can they ever deliver?

Defence offsets are elements of defence procurement deals additional to the primary content. Offsets are usually expected to yield technological or industrial benefits to the purchasing country (e.g. countertrade, technology transfers, or additional jobs) and military buyers often require suppliers to make offsets available “cost-free.” The authors argued previously that such strategies achieve little of value to buyers that lack market power and are unnecessary otherwise, since purchasers with the market power to extract more value for money from foreign suppliers can do so anyway. This article also focuses on the supply side of offset deals. The USA is the world's largest defence offsets supplier but the US government opposes offsets demands as economically inefficient and trade distorting. Even if offsets are inefficient and trade distorting, they may still benefit a materiel-exporting country such as the USA as they may induce exports and create associated benefits for the offsets provider.     

基于B样条的手指静脉结构描述方法*

针对现有手指静脉结构描述方法无法充分描述手指静脉结构中具有显著性和稳健性的线结构的问题,提出一种基于B样条的手指静脉结构描述方法。对于细化后的手指静脉纹路,该方法首先采用线段扫描方式获取各静脉分支上目标点的坐标集合,然后采用B样条曲线拟合各条静脉分支,最后求取各B样条曲线的控制点坐标,用其描述手指静脉的线结构。结果表明,采用本文方法描述手指静脉结构误差小、存储空间占用小,可以有效描述手指静脉线结构,并提高手指静脉的识别率。     

求解面向进攻的武器-目标分配问题的蚁群算法

面向进攻的武器-目标分配问题是军事运筹学研究中的重要课题,旨在制定合理的打击策略以最大程度摧毁敌方目标。采用一种融合局部搜索和信息素控制的蚁群算法,兼顾控制解的局部收敛速度和全局收敛质量。在解的构造过程中直接处理约束条件,提高生成解的可行性,并大大缩小了搜索空间,提高了算法效率。通过采用多种算法对不同规模的武器-目标分配问题进行实验,结果表明改进的蚁群算法在收敛速度和求解质量上表现优异。     

基于LWT的纹理特征提取方法

介绍了一种利用局部沃尔什变换(LWT)提取图像纹理特征的新方法,给出LWT的定义,并分析了LWT系数的统计特性及其各阶矩的纹理鉴别性能。结果表明:自然纹理图像的LWT系数一般不服从正态分布,其偶数阶矩具有较好的纹理鉴别性能,奇数阶矩的纹理鉴别性能较差,因此选取LWT系数的偶数阶(2、4、6阶)矩作为纹理特征。与Haralick[1]、Wang和He[2,3],以及HuiYu[5]等人提出的纹理特征相比,基于LWT的纹理特征具有更好的鉴别性能,并且计算简单。     

关于学校定位的理性思考

每一所学校的建设与发展,都离不开先进、准确、合理的学校定位。学校定位的准确与否,直接关系着学校办学的前途和命运。学校定位对学校办学行为起着规范、约束和自我评估的作用。能否为自己的学校建设与发展找准定位,是衡量一所学校高层决策水平高低和教学工作水平优劣的重要依据。所以,要准确把握学校定位的含义、依据、内容及特征。     

古建筑火灾危险性分析及预防对策

古建筑具有重要的历史价值,保护好古建筑免受火灾损害意义重大。针对古建筑严峻的火灾形势,分析其火灾危险性及火灾特点,并提出防范对策。     

政府适度负债规模的研究——从欧洲主权债务危机到中国地方政府负债风险谈起

在现代经济环境下政府倘若仅依靠自身财力,既无外债又无内债的发展经济已显不足;但凡经济发展较快的国家无不举债,依靠举债借助外力不仅能促进且能加快经济发展。然而近年西欧爆发主权债务危机,我国中央地方两级负债暗藏隐性风险,地方政府融资平台风险甚是暴露,也从另一个角度警示政府负债是一把双刃剑。而根据自身实力与未来发展预期适度负债才是最佳选择,负债不足与过度负债都是不可取的。本文通过对政府适度负债标准的研究,为各级政府提出一个适度负债标准或控制临界点,同时也为各级政府根据此标准对自身负债水平提出相应的预警及对策,从而保持经济的稳定发展。     

基于神经网络的地形匹配方法研究

提出了基于神经网络实现多特征融合的地形匹配算法,充分利用地形的各种不同的统计特征和几何特征,构造了一种地形匹配网络模型.通过对实时图和基准图的分析,给出了计算网络节点之间的权值函数,建立了网络系统能量方程,通过求系统的最小能量得到最佳匹配位置.由于网络能融合地形的不同统计特征和几何特征,所以算法大大提高了系统的抗干扰能力和定位精度,适合于实时图容易发生畸变的地形匹配领域.实验结果表明,定位精度和抗干扰能力均优于传统的地形匹配方法.     

中文分词与命名实体识别的联合学习

将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题。在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法。