基于残差增强注意力的跨模态行人重识别

跨模态行人重识别主要面临 2 个问题：①成像机制不同所导致的红外图像和可见光图像之间的 模态差异;②图像特征的身份判别性不足导致的类内差异。针对上述 2 个问题,基于残差增强注意力的跨模态 行人重识别方法被提出用来提高行人特征的模态不变性和身份判别性。首先,设计网络浅层参数独立、网络深 层参数共享的双路卷积神经网络作为骨干网络。然后,分析现有注意力机制存在的全局弱化,设计了残差增强 注意力方法解决该问题,提升注意力机制的性能,将其分别应用在网络浅层的通道维度和深层的空间位置上, 提升模型对于模态差异的消除能力和行人特征的身份鉴别能力。在 SYSU-MM01 和 RegDB 2 个数据集上进行 的实验证明了该方法的先进性,大量的对比实验也充分证明本文方法的有效性。     

用于3D模型检索的扩展距离球面调和表达

使用光线投射方法对3D模型定义了一个对应的球函数--扩展距离球函数,然后引入了球面调和分析方法,构造了一种对于平移、缩放和旋转变换具有不变性的特征向量,并用于基于形状的3D模型检索中.与基于向径方法结合,提高了检索的效果,扩大了应用范围.     

基于三角形滤波卷积核的快速线积分卷积算法

基于纹理的线积分卷积(LIC)方法,能连续细致、动画地表示2D矢量大小和方向,但卷积计算极其耗时。针对这个问题实现了基于常数滤波卷积核的快速线积分卷积算法,提出并论证了基于三角形滤波卷积核的快速线积分卷积算法,对于实际矢量场,上述两种方法均将运算速度提高了一个数量级,而基于三角形滤波卷积核的快速线积分卷积算法的结果使图像更加平滑。     

基于测地距离的形体分布算法

使用D2方法计算形体分布[1]算法时采用欧几里德距离计算,欧几里德距离是拓扑无关的。这里我们讨论一种使用测地距离来表示两点距离[21～24]。这种测地距离方法能表达出模型的拓扑关系,它和采用欧几里德距离可能各有不同的应用。     

基于逻辑运算的二值图像检索

针对复杂对象的图像检索，提出一种基于逻辑运算的概率模型。主要思想是在图像对齐后，对图像进行逻辑交和逻辑或运算，再根据交图像和并图像的概率，定义一个能量函数，由能量函数极小值检索目标图像。试验证明在复杂图像的检索上能获得较好效果。     

企业应构建ERP课程全程培训体系

企业要想成功实施ERP,培训是其中非常关键的环节,本文主要通过分析培训需求、制定培训规划、建立培训体系、设置合理的培训内容、树立培训层次意识、分析培训成本、建立合理的培训绩效评     

Bezier矩及其在人体姿态识别中的应用

首次提出了Bezier矩的定义,并用于人体姿态的识别。该矩具有较好的数学表达形式,充分反映了形状特性。文中给出了Bezier矩的推导,并给出试验结果以及改进的hu不变矩的试验比较结果,试验证明Bezier矩方法优于改进的hu不变矩方法。     

一种基于扫描线的图像变形算法

在分析了现有图像变形方法的基础上,提出了一种基于扫描线的图像变形方法。首先指定原始图像的特征轮廓并获得特征轮廓的控制点,然后对控制点进行调整得到目标图像的边界约束,采用给出的扫描线算法对边界约束内部进行像素填充,得到变形图像。解决了变换过程中像素点的选取问题,更重要的是保证了变形后的图像颜色与原始图像变化趋势相同。     

基于极半径曲面矩的三维模型检索

提出一种三维极半径曲面矩,并应用于三维模型检索.三维极半径矩是一种具有平移、旋转和缩放不变性的不变量,将三维极半径矩推广到三维极半径曲面矩获得了新的不变矩,该方法不需要将三角面片表示的三维模型数据体素化,从而提高了计算速度和计算精度.同时,基于这种三维极半径曲面矩的识别算法具有很好的识别率.     

基于全局姿态感知的轻量级人体姿态估计

人体姿态估计是近年来人机交互领域的热点话题.当前,常见的人体姿态估计方法集中在通过增加网络的复杂性来提高精度,却忽视了模型的效益问题,导致模型在实际应用中精度高但计算资源消耗巨大.针对这一问题设计了一个基于全局姿态感知的轻量级人体姿态估计模型,其在MSCOCO数据集上精度达68.2％AP,速度保持在255 fps,参数...