基于知识学习的多目标关联检测与识别方法

随着感知智能水平的日趋成熟,人工智能研究呈现出向认知智能发展的态势;作为人工智能在感知智能方面的代表领域,图像目标识别在向认知智能发展的道路上存在着人机之间以及机器之间知识难通用、可扩展性低等问题;为此,提出了基于知识的多目标关联判别框架,通过引入知识图谱,将目标特征知识进行语义化表达与规则化关联存储,构建了基于知识学习的多目标关联检测与识别方法,动态按需调用目标检测模型的同时,迭代式更新多目标关联的知识图谱,形成双向反馈学习循环;最后,通过相关仿真实验,验证了基于知识学习的多目标关联判别方法的可行性,为提高图像目标识别算法的知识通用化和可扩展性提供了新的思路.     

虚拟机和容器超融合试验研究

根据虚拟机和容器两种虚拟化技术的特点,在云平台将两种虚拟技术融合,可以实现弹性伸缩的资源供给,从而以更低的成本、更高的效率支撑业务的发展.从现有虚拟机与容器应用场景出发,分析当前现有的虚拟机与容器融合架构,提出一种新的虚拟机和容器超融合架构,使其具备更佳的资源池复用效果,能够实现资源更加细粒度的监控.该融合技术解决了虚拟机和容器融合的资源管理无法相互感知的问题,实现了融合后的容器编排.通过该架构原型系统的构建与实验,验证了技术可行性.     

QuickBird高分辨率影像融合方法比较研究

遥感图像融合的关键就是选择合适的融合方法,恰当的融合方法可在提高图像空间信息的同时,能很好地保持多光谱影像的光谱特性。从应用的角度出发,利用ENVI 4.5、PCI 9.0、ERDAS 9.1和PhotoShop四种软件平台对快鸟卫星(QuickBird)数据进行了融合实验研究,并对相应的融合结果进行了讨论与分析,希望为同类作业者提供借鉴。结果表明,格拉姆-施密特(Gram-schmidt)正交化变换法和彩色合成(PanSharp)方法在提高影像空间分辨率的同时,还较好地保持了多光谱波段的光谱信息,并且色彩信息更符合人的视觉习惯。