基于多任务学习的行人重识别特征表示方法

作为一种跨摄像头的检索任务,行人重识别会受到不同相机视角造成的图像样式变化的影响。近年来,许多算法通过神经网络直接从原始输入图片中学习相应特征,虽然这些特征能够很好地描述全局行人,但忽略了许多局部细节信息,在复杂的场景下容易出现误识别。针对此问题,研究了一种基于多任务学习的新的特征表示方法,采用成对输入的孪生网络结构,将局部最大出现特征(local maximal occurrence,LOMO)和深层特征一起送入网络并映射到单一的特征空间中进行训练,形成一种新的网络模型TDFN(traditional and deep features fusion network)。利用神经网络自我学习特性,联合多个任务的损失函数更新网络,使得深层特征学习到更多与手工局部特征互补的细节信息。实验表明,新特征的平均精度mAP和Rank-1精度都优于直接从孪生网络提取的全局描述子。     

光泽度智能化测量系统的研究

阐述了利用相对法测量光泽度值的原理。通过对测量系统工作原理的分析,给出了系统输出与输入关系的传递函数,并在此基础上讨论了自动调零校准和非线性修正等技术问题。     

一种基于几何特征由粗到细点云配准算法

针对点云配准算法对初始位置敏感且收敛速度慢的问题,提出一种基于几何特征由粗到细点云配准算法。在粗配准阶段,通过投影法提取源点云和目标点云各4个轮廓点,然后利用曲率特征和轮廓点之间的距离寻找稳健的特征点对,计算得到初始刚性变换参数;细配准阶段,计算点云法向量及法向量夹角,以法向量为特征进行特征匹配,然后使用法向量夹角来启发搜索,使迭代最近点(iterative closest points, ICP)算法快速收敛。实验结果表明,所提出的由粗到细的配准算法鲁棒性强,具有较高的精度和速度。     

中学数学教育改革中传统数学与现代数学关系析述

分析中学数学教育改革中传统数学与现代数学的关系，论证二融合的必要性、可能性及其做法，进而剖析我国数学教学内容改革的趋势。     

南京体院体育表演专业学生实践能力调查研究

中共中央国务院《关于深化教育改革全面推进素质教育的决定》中明确指出＂以培养学生创新精神和实践能力为重点＂实施素质教育,因此,培养学生实践能力已成为高校教育的一项重要任务。本研究通过问卷调查法,结合本专业学生的教学实践,对学生实践能力现状进行了全面的调查分析,有助于提高师生思想认识,优化教学,提供并创造更多的实践平台,全面提升学生实现创新能力。     

徐宝璜新闻编辑思想之管窥

徐宝璜被新闻界誉为“新闻学界最初的开山祖”,其《新闻学》是我国新闻界“破天荒之作”。他的编辑思想分散在著作中,我们可从编辑取舍新闻的“标尺”,编辑的工作要求,编辑的能力和技巧三个角度来加以总结,以管窥徐宝璜的新闻编辑思想。     

一种基于轨迹数据密度分区的分布式并行聚类方法

全球定位技术与基于位置服务的发展促进了轨迹大数据的发展.轨迹聚类作为最重要的轨迹分析任务之一,得到了广泛的研究.目前,大多数聚类方法是在单处理机模式下运行,对于大规模的轨迹数据其处理时间较长,难以满足时效性强的轨迹分析任务,为此提出一种基于轨迹数据密度分区的分布式并行聚类方法.首先将整个轨迹数据集抽象在一个矩形区域内,通过该矩形最长维度的变换将数据合理地划分为若干任务量相当的分区,构建可供分布式并行聚类的局部数据集,然后各工作服务器对局部分区分别执行DBSCAN聚类算法,管理服务器对局部聚类结果进行合并与整合.实验结果验证了本方法的有效性,在一定程度上提高了聚类分析的运算效率.     

汽油机动力性的前馈神经网络模型

如何优化汽油机的动力性 ,是研究者致力追求的目标。利用多层前馈神经网络的反向传播算法特性 ,建立了汽油机动力性与点火正时、空燃比、发动机转速、油门开度等之间关系的神经网络模型 ,用以分析、预测、优化汽油机动力性能 ,探讨车用汽油机动力性的科学评价指标