A red code triggers an unintended approach motivation toward sweet ultra-processed foods: Possible implications for front-of-pack labels

Front-of-package labels (FOPL) are recommended to reduce consumer intake of ultra-processed food products (UPP). The multiple traffic-light label is one example of FOPL that indicates the content of target nutrients in products by displaying red (high), amber (medium), and/or green (low) color-coding. The red code may implicitly enhance sweetness perception and approach dispositions toward sweet UPP via cross-modal visual-taste interactions. We conducted two experiments to examine the possibility of contradictory influence of explicitly learned and implicit cross-modal associations on the emotional responses evoked by UPP pictures. In both experiments, we first explicitly associated the color codes with health-related meanings. In Experiment I (n = 78), a psychometric tool estimated the emotional responses (pleasantness and arousal ratings) evoked by UPP pictures when preceded by red, amber, or green color-codes. In Experiment II (n = 24), we recorded participants’ electrocortical brain activity to assess the early posterior negativity (EPN) component as an index of the emotional responses to UPP. The reported pleasantness (Experiment I) and the EPN amplitude (Experiment II) were greater for sweet UPP relative to salty UPP when primed with red codes but not when primed with green or amber. A red code increased positive emotions toward sweet UPP despite its explicit association with increased health-risks. Thus, the use of multiple traffic-lights might lead to an unintended implicit approach behavior toward sweet UPP. Designers, researchers, and policy makers may consider color-taste cross-modal associations when designing, testing, and applying FOPL.     

我国模压全息技术发展现况述评

模压全息技术作为一种高科技已在近年来得到迅速的发展并趋于成熟,模压全息能以较低的成本和较高的速度进行大批量的工业化生产。本文对我国模压全息技术发展现况进行了述评。     

A general class of simple majority decision rules based on linguistic opinions

In this paper we have introduced a class of decision rules related to simple majority, by considering individual intensities of preference. These intensities will be shown by means of linguistic labels. In order to compare the amount of opinion obtained by each alternative, we have considered the total ordered monoid generated by the sums of the original labels, according to an addition and an ordering. In this general framework different sets of linguistic labels can be employed and these sets can be represented by means of diverse mathematical objects. Moreover, on these mathematical representations of linguistic labels several orderings can be considered. Thus, flexibility is an important feature of this new class of group decision making procedures. Some examples of putting in practice the simple majority decision rules based on linguistic labels are provided, and the main properties of these voting systems are analyzed. It is worth emphasizing that these properties are satisfied for any total ordered monoid, regardless of the mathematical representation of linguistic labels or the ordering used to compare collective opinions.     

融合视觉风格和标签约束的少数民族服装图像解析

目的 少数民族服装款式结构复杂,视觉风格各异。由于缺少民族服装语义标签、局部特征繁杂以及语义标签之间存在相互干扰等因素导致少数民族服装图像解析准确率和精度较低。因此,本文提出了一种融合视觉风格和标签约束的少数民族服装图像解析方法。方法 首先基于本文构建的包含55个少数民族的服装图像数据集,按照基本款式结构、着装区域、配饰和不同视觉风格自定义少数民族服装的通用语义标签和民族语义标签,同时设置4组标注对,共8个标注点;然后,结合自定义语义标签和带有标注对的训练图像,在深度完全卷积神经网络SegNet中加入视觉风格以融合局部特征和全局特征,并引入属性预测、风格预测和三元组损失函数对输入的待解析图像进行初步解析;最后,通过构建的标签约束网络进一步优化初步解析结果,避免标签相互干扰,得到优化后的最终解析结果。结果 在构建的少数民族服装图像数据集上进行验证,实验结果表明,标注对有效提升了局部特征的检测准确率,构建的视觉风格网络能够有效融合少数民族服装的全局特征和局部特征,标签约束网络解决了标签之间相互干扰的问题,在结合视觉风格网络和标签约束网络后,能够明显提升少数民族服装解析的平均精度,像素准确度达到了90.54%。结论 本文提出的融合视觉风格和标签约束的少数民族服装图像解析方法,能够提高少数民族服装图像解析的准确率和精度,对传承祖国文化、保护非物质文化遗产具有很好的意义。     

弱监督深度语义分割网络的多源遥感影像水体检测

目的 深度语义分割网络的优良性能高度依赖于大规模和高质量的像素级标签数据。在现实任务中,收集大规模、高质量的像素级水体标签数据将耗费大量人力物力。为了减少标注工作量,本文提出使用已有的公开水体覆盖产品来创建遥感影像对应的水体标签,然而已有的公开水体覆盖产品的空间分辨率低且存在一定错误。对此,提出采用弱监督深度学习方法训练深度语义分割网络。方法 在训练阶段,将原始数据集划分为多个互不重叠的子数据集,分别训练深度语义分割网络,并将训练得到的多个深度语义分割网络协同更新标签,然后利用更新后的标签重复前述过程,重新训练深度语义分割网络,多次迭代后可以获得好的深度语义分割网络。在测试阶段,多源遥感影像经多个代表不同视角的深度语义分割网络分别预测,然后投票产生最后的水体检测结果。结果 为了验证本文方法的有效性,基于原始多源遥感影像数据创建了一个面向水体检测的多源遥感影像数据集,并与基于传统的水体指数阈值分割法和基于低质量水体标签直接学习的深度语义分割网络进行比较,交并比（intersection-over-union,IoU）分别提升了5.5%和7.2%。结论 实验结果表明,本文方法具有收敛性,并且光学影像和合成孔径雷达（synthetic aperture radar,SAR）影像的融合有助于提高水体检测性能。在使用分辨率低、噪声多的水体标签进行训练的情况下,训练所得多视角模型的水体检测精度明显优于基于传统的水体指数阈值分割法和基于低质量水体标签直接学习的深度语义分割网络。     

低功耗双模态电子货架标签系统

为取代传统的纸质货架标签,提出一种低功耗的双模态电子货架标签系统。该系统基于物联网和无线传感器网络技术,针对低功耗目标,采用电泳式电子纸与蓝牙模块分别作为显示与通信模块。并将标签的运行状态分为工作与休眠两种状态,使其按照服务器指令按时切换运行状态,在满足低功耗的前提下实现标签状态汇报、内容更新等功能。从实验数据可见,该系统能基本满足应用场合的功能需求,相对传统的纸质标签具有明显的营运成本优势。     

基于层叠CRFs模型的句子褒贬度分析研究

本文研究句子的褒贬度分析问题。针对传统的基于分类的句子褒贬度分析方法不能考虑上下文信息的问题,以及基于单层模型的句子褒贬度分类方法中的由于标记冗余引起的分类精度不高问题,本文提出了基于层叠式CRFs模型的句子褒贬度分析方法。该方法利用多个CRFs模型从粗到细分步地判断句子的褒贬类别及其褒贬强度,其中层叠式框架可以考虑句子褒贬类别与褒贬强度类别之间的层级冗余关系,而CRFs模型可以利用上下文信息对于句子褒贬类别和强度的影响。该方法在有效识别句子褒贬度的同时,提高了句子褒贬强度判别的准确度。实验证明相对于传统分类方法和单层CRFs模型,本文的方法取得了良好的效果。     

基于相机感知距离矩阵的无监督行人重识别

在跨场景、跨设备的行人重识别中虽然增加了可利用的行人数据,但由于行人姿态不同、部分遮挡现象,难以避免引入样本噪声,在聚类过程中易生成错误的伪标签,造成标签噪声,影响模型的优化。为减弱噪声影响,应用相机感知的距离矩阵对抗相机偏移引起的样本噪声问题,利用对噪声鲁棒的动态对称对比损失减少标签噪声,提出基于相机感知距离矩阵的无监督行人重识别算法。在聚类前通过更改度量行人特征相似度的距离矩阵,利用相机感知距离矩阵来增强类内距离度量准确性,减少由于拍摄视角不同对聚类效果造成的负面影响。同时,结合噪声标签学习方法,进行损失设计,提出动态对称对比损失函数,联合损失训练,不断精炼伪标签。在DukeMTMC-reID和Market-1501两个数据集上进行实验,验证了提出方法的有效性。