排序方式: 共有20条查询结果,搜索用时 93 毫秒
11.
在对行人重识别的研究中,联合使用从图像中提取的全身与局部特征已经成为当前的主流方法.但是许多基于深度学习的重识别模型在提取局部特征时忽略了它们在空间上的相互联系,当不同行人具有局部相似的外观时,这些局部特征的辨别能力会受到很大影响.针对该问题,提出了一种学习多粒度区域相关特征的行人重识别方法.该方法在对骨干网络提取的卷积特征张量作不同粒度的区域划分后,设计了区域相关子网络模块来学习融入空间结构关系的各局部区域特征.在区域相关子网络模块中,为了赋予局部特征与其他区域相关联的空间结构信息,综合利用了平均池化运算的空间保持能力与最大池化运算的性能优势.通过对当前特征和其他各区域的局部特征进行联合处理,使各局部特征间产生很强的空间相关性,提升了特征判别能力.在区域相关子网络模块的设计上,采用了与深度残差网络相同的短路连接结构,使得网络更易于优化.最后,由全身特征与使用区域相关子网络增强后的各局部区域特征联合实现行人重识别.Market-1501,CUHK03,DukeMTMC-reID 3个公开数据集上的实验结果表明,所提算法取得了优于当前主流算法的行人身份匹配准确率,具有非常优秀的重识别性能. 相似文献
12.
三维动画因其高信息量和高逼真性,广泛应用于虚拟展示、动画电影等领域。为了有效保护三维动画的知识产权,提出一种嵌入三维动画特效参数的数字水印算法。将三维动画中粒子效果和动力学效果等特效参数作为水印嵌入载体,结合满秩分解、奇异值分解和三角分解,将水印信息高效地嵌入到特效参数组成的矩阵中。由于水印是嵌入在特效参数而非场景主要特征中,所以水印具有很好的透明性。实验结果表明,该算法复杂度较低且鲁棒性较高,具有很好的推广性。 相似文献
13.
随着基于位置的社交网络推荐系统的逐步发展,兴趣点推荐成为了研究热门。兴趣点推荐的研究旨在为用户推荐兴趣点,并且为商家提供广告投放和潜在客户发掘等服务。由于用户签到行为的数据具有高稀疏性,为兴趣点推荐带来很大的挑战。许多研究工作结合地理影响、时间效应、社会相关性等方面的因素来提高兴趣点推荐的性能。然而,在大多数兴趣点推荐的工作中,用户访问的周期性习惯和伴随用户偏好的上下文情境信息没有被深度地挖掘。而且,下一个兴趣点推荐中一直存在着数据的高稀疏度。基于以上考虑,针对用户签到的数据稀疏性问题,将用户周期性行为模式归结为上下文情境信息,提出了一种基于上下文感知的个性化度量嵌入推荐算法,同时将用户签到的上下文情境信息考虑进来,从而丰富有效数据,缓解数据稀疏性问题,提高推荐的准确率,并且进一步优化算法,降低时间复杂度。在两个真实数据集上的实验分析表明,本文提出的算法具有更好的推荐效果。 相似文献
14.
提出了一种基于XML配置文件的窗体自动生成框架,并利用VC++加以实现,有效地保证了窗体生成的动态性和扩展性。简化了由于需求的改变而导致重新书写并编译源代码的过程,从而将版本控制转移到XML配置文件的管理中。 相似文献
15.
针对数据源新产生数据记录的增量爬取问题,提出了一种deep Web新数据发现策略,该策略采用一种新的属性值序列图模型表示deep Web数据源,将新数据发现问题转化为属性值序列图的遍历问题,该模型仅与数据相关,与现有查询关联图模型相比,具有更强的适应性和确定性,可适用于仅仅包含简单查询接口的deep Web数据源。在此模型的基础上,发现增长节点并预测其新数据发现能力;利用互信息计算节点之间的依赖关系,查询选择时尽可能地降低查询依赖带来的负面影响。该策略提高了新数据爬取的效率,实验结果表明,在相同资源约束前提下,该策略能使本地数据和远程数据保持最大化同步。 相似文献
16.
随着HTML5等技术的快速发展和广泛应用,对数字动画内容的保护成为重要研究课题。可在不可察觉性、良好的抗攻击性、水印高嵌入量之间保持良好平衡的数字水印算法是值得推广的算法。提出一种应用于三维动画的数字水印算法,利用Jordan变换和SVD分解得到奇异值特征矩阵。根据奇异值特征矩阵的元素值确定嵌入的位置,将水印信息嵌入到三维动画中的骨骼权重参数中,形成含有水印的三维动画。利用嵌入算法的逆过程和密钥从动画骨骼权重参数中提取出水印。仿真实验结果表明,该算法满足了水印的隐蔽性,表现出对常见攻击的强鲁棒性,信息安全得到了明显提升,可以应用到文化创意类动漫数字产品的版权保护中。 相似文献
17.
在对WDY-I型污泥脱水用带式压滤机的工作原理的基础上,进行了技术改造,改造后的压滤机脱水效果好,药品耗量低,自动化程度高,达到降低劳动强度和运行费用的目的,保护了环境,提高了煤矿的经济效益。 相似文献
18.
19.
文章研究并分析了当前电子商务实践性教学中存在的问题,提出了一种采用任务驱动教学方法的基于演示及用例开发的电子商务实践平台。 相似文献
20.
在对Web数据挖掘技术和电子商务推荐系统进行研究生的基础上,设计和提出了一种基于Web数据挖掘的电子商务推荐系统.该系统根据电子商务网站的基本特征,设计了用户当前兴趣表示方法和推荐算法,由于结合了Web使用挖掘和Web内容挖掘为顾客提供个性化推荐服务,从而较大提高了系统的推荐精确度,在实际应用中取得了较好的推荐效果. 相似文献