结合双层路由感知和散射视觉变换的视觉-语言跟踪方法

针对视觉-语言关系建模中存在感受野有限和特征交互不充分问题,该文提出一种结合双层路由感知和散射视觉变换的视觉-语言跟踪框架(BPSVTrack)。首先,设计了一种双层路由感知模块(BRPM),通过将高效的加性注意力(EAA)与双动态自适应模块(DDAM)并行结合起来进行双向交互来扩大感受野,使模型更加高效地整合不同窗口和尺寸之间的特征,从而提高模型在复杂场景中对目标的感知能力。其次,通过引入基于双树复小波变换(DTCWT)的散射视觉变换模块(SVTM),将图像分解为低频和高频信息,以此来捕获图像中目标结构和细粒度信息,从而提高模型在复杂环境下的鲁棒性和准确性。在OTB99,LaSOT,TNL2K 3个跟踪数据集上分别取得了86.1%,64.4%,63.2%的精度,在RefCOCOg数据集上取得了70.21%的准确率,在跟踪和定位方面的性能均优于基准模型。

基于多核扩展卷积的无监督视频行人重识别

行人重识别旨在跨监控摄像头下检索出特定的行人目标。由于存在姿态变化、物体遮挡和背景干扰的不同成像条件等问题,导致行人特征提取不充分。本文提出一种利用多核扩展卷积的无监督视频行人重识别方法,使得提取到的行人特征能够更全面、更准确地表达个体差异和特征信息。首先,采用预训练的ResNet50作为编码器,为了进一步提升编码器的特征提取能力,引入了多核扩展卷积模块,通过增加卷积核的感受野,使得网络能够更有效地捕获到局部和全局的特征信息,从而更全面地描述行人的外貌特征;其次,通过解码器将高级语义信息还原为更为底层的特征表示,从而增强特征表示,提高系统在复杂成像条件下的性能;最后,在解码器的输出中引入多尺度特征融合模块融合相邻层中的特征,进一步减少不同特征通道层之间的语义差距,以产生更鲁棒的特征表示。在3个主流数据集上进行离线实验,结果表明该方法在准确性和鲁棒性上均取得了显著的改进。

采后热水和乙醇处理对枸杞鲜果腐烂的控制及品质的影响

以"宁杞1号"枸杞鲜果为试材,研究热水和乙醇单独或结合浸泡处理对枸杞鲜果腐烂的控制和品质的影响。结果表明,热水和乙醇单独或结合处理均可有效降低果实的腐烂率,以热乙醇处理效果最好,热水处理次之,贮藏第28d的腐烂率仅分别为同期对照的50.5%和66.7%。热水和热乙醇处理还可明显降低贮藏期间果实的失重率,贮藏第28d时仅分别为同期对照的64.6%和53.2%,但乙醇单独处理果实的失重率却明显高于对照。热水和乙醇单独或结合处理可有效维持果实的可溶性固形物、可滴定酸以及VC含量。各处理对果实色泽、气味、汁液、果柄颜色及果皮饱满状态的影响不大,热水和热乙醇处理可改善枸杞的滋味,但乙醇处理会使其滋味变差。

快速非局部均值形态成分分析唐卡图像修复算法

唐卡图像包含内容丰富、颜色复杂,使用基于形态成分分析(MCA)的图像修复算法修复图像时,增加全变分对恢复有毛糙边缘的分段光滑图像效果较好,但其很难有效利用图像全局冗余相似信息,并且易产生阶梯效应.针对该问题,提出一种快速的非局部均值MCA唐卡图像修复算法.该算法利用像素周围固定大小窗口内的信息表征该像素的特征,使得像素估计结果能够很好地保留结构细节信息,即分解后的结构部分具有更稀疏的梯度,使得后续的迭代分离效果更加优良;同时,使用该算法有效地减少了区域内不相关像素权值的计算,降低了算法的复杂度.对于唐卡图像中出现的折痕、斑块状破损以及部分信息缺失的修复实验结果表明,文中算法具有良好的修复能力.

一种基于样本块的快速图像修复算法

分析了Criminisi等人提出的基于样本块的图像修复算法,针对其不足,提出一种改进的基于样本块的快速图像修复方法。引入新的度量函数更新置信度,使优先级的计算更加准确;待匹配块的再筛选策略降低了选择最佳匹配块的随机性;已修复样本块邻域检测避免了全局范围内寻找破损边缘。实验结果表明:该方法取得了较好的修复效果,同时提高了算法的效率。

一种改进的小波域图像修复算法

针对全变分小波图像修复算法在平滑区易产生阶梯效应并且噪声抑制不充分的缺陷,提出一种新颖的小波域图像修复模型。通过优化一个全变分和图像梯度的二范数的能量泛函来实现小波域的图像修复,使得在去除噪声的同时较好地保留了图像的边缘,在平滑区域削弱了阶梯效应,并利用有限差分法对所建立的扩散方程进行数值求解。实验结果表明:所提方法对于不同丢失比例的图像以及噪声图像都取得了较好的修复效果,尤其当小波系数丢失率较高时更为明显。

结合领域知识和多特征表示的唐卡破损区域分割算法

针对佛像类唐卡中出现的一致性破损区域的分割进行研究。首先对头光区域投影,利用一维函数对称性检测方法得到图像的对称轴,提出基于对称轴的分块分割方法得到初始分割结果;然后利用Gabor变换提取纹理特征,结合Lab空间颜色特征,构造多尺度多特征集合,最后采用K最近邻分类算法(K-Nearest Neighbor,KNN)得到一致性破损区域的模板。研究结果表明:该方法对于具有对称性的佛像类破损唐卡图像中出现的一致性破损区域的分割效果良好。

一种基于小波分析的唐卡图像划痕检测

唐卡图像在其保存和搬运过程中较易出现细微的划痕,针对所出现的垂直(水平)划痕进行了自动检测算法研究。垂直(水平)划痕实质上属于特殊的边缘,首先利用该特性采用小波模极大值描述图像中目标的多尺度边界;然后再通过投影变换放大划痕中心的亮度极值特性,并基于多尺度突变点检测找到划痕的位置;最终采用标注联通分量、设置高度和宽度约束得到划痕的掩膜。实验结果表明,利用该方法取得了较好的检测效果。

基于属性重要性的关联分类方法

提出了基于属性重要性的关联分类方法。与传统算法不同的是根据属性重要性程度生成类别关联规则;并且在构造分类器时改进了CBA算法中对于具有相同支持度、置信度规则选择时的随机性。实验结果证明,用该方法得到的分类规则与传统的关联分类算法相比,复杂度低,且有效提高了分类效果。

基于全变分小波域缺损修复算法的一种数值实现

针对基于全变分(TV)小波域图像修复算法,提出了一种新的数值计算方法。算法充分利用了图像待修复像素点周围八邻域的信息计算曲率在像素域的近似值。与传统近似求解方法不同,该数值近似计算方法不仅保证了近似结果具有更高的精确性,而且对噪声的鲁棒性好。对不同丢失率的图像用所提出的数值计算方法取得了较好的修复效果,尤其当小波系数丢失率较高时效果更为明显。所提方法可以为图像压缩导致的系数缺损修复提供解决思路。

信息化背景下高校计算机教育教学改革分析

本文指出了高校计算机教育教学改革的方向,在计算机教学改革过程中,人才培养的价值取向,培训模式和培训目标决定着新一轮改革的方向。阐述了当前高校计算机教学存在的问题及不足,包括教科书内容陈旧且缺乏新思想,教学模式比较落后,教学实践形式主义,课程无聊,学生的学习热情不高。分析了信息化背景下高校计算机教育教学改革路径,需要突出计算机课程的合理性,加强计算机教育师资队伍建设,使用多元化的计算机教学方法,充分利用互联网或互联网多媒体教学等手段激发每个学生对课程的热情和学生的参与热情,从而适应高校计算机教育教学的可持续发展。

生态住宅小区风险控制及其分配

以可持续发展为方向的生态住宅小区在环境、社会和经济方面具有不可比拟的优势,成为今后建筑发展的趋势。生态住宅小区作为刚刚进入市场的新兴事物,缺乏相关的政策指导和规范,如果不能在它进入市场的初期对可能出现的问题进行预防,今后可能会造成更大的影响。从风险产生的原因出发,分析风险的种类,并提出控制风险的具体方法——建立风险共担机制。

结合多尺度上下文信息的唐卡小样本目标检测

通过对图像中感兴趣的对象进行分类与定位,能够帮助人们理解唐卡图像丰富的语义信息,促进文化传承。针对唐卡图像样本较少,背景复杂,检测目标存在遮挡,检测精度不高等问题,本文提出了一种结合多尺度上下文信息和双注意力引导的唐卡小样本目标检测算法。首先,构建了一个新的多尺度特征金字塔,学习唐卡图像的多层级特征和上下文信息,提高模型对多尺度目标的判别能力。其次,在特征金字塔末端加入双注意力引导模块,提升模型对关键特征的表征能力,同时降低噪声的影响。最后利用Rank&Sort Loss替换交叉熵分类损失,简化模型训练的复杂度并提升检测精度。实验结果表明,所提出的方法在唐卡数据集和COCO数据集上的10-shot实验中,平均检测精度分别达到了19.7%和11.2%。

基于TV模型的图像修复算法的一种数值实现

TV模型的数值实现方法是从局部扩散的角度出发,结合梯度下降法,充分利用了图像待修复像素点周围的信息计算梯度模值,与传统近似求解方法不同,该数值近似计算方法不仅对噪声的鲁棒性好,而且保证了在旋转kπ/4时梯度模值不变.实验表明,该数值实现方法在取得更好的视觉效果的同时获得了较高的运算效率.

近十年国内信息用户与行为研究主题变迁及趋势研究——基于2011—2020年国家社科立项项目

[目的/意义]信息用户与行为一直是图情领域的研究热点,通过国家社科项目立项数据,分析近十年来我国信息用户与行为研究主题的特点与发展趋势。[方法/过程]收集2011–2020年十年间信息用户与行为研究相关的国社科立项指南、立项项目及相关发文成果信息。分析项目及其成果发文的外部计量特征,并借助可视化分析软件CiteSpace进行内容分析,揭示国内信息用户与行为研究的主题特点和变迁。[结果/结论]图书馆读者相关的服务研究及网络相关信息行为研究是十年间的长线研究主题,十二五时期与十三五时期研究内容、依托理论、研究方法具有一定差异。未来研究将围绕服务国家重大战略、服务人工智能等新科技发展需求、推进“以用户为中心”研究理念、深化相关影响因素研究等问题开展。

基于背景减除法的视频序列运动目标检测

视频序列中运动目标的检测是目标识别、标记和追踪的重要组成部分,背景减除法是运动目标检测中被广泛应用的算法。针对光线变化、噪声和局部运动等影响运动目标检测效果的问题,提出一种基于背景减除法的视频序列运动目标检测算法。该算法结合背景减除法和帧间差分法,对当前帧像素点的运动状态进行判断,分别对静止和运动的像素点进行替换和更新,采用最大类间方差(Otsu)法对差分图像进行目标提取,并使用数学形态学运算去除目标中的噪声和冗余信息。实验结果表明,所提算法对于视频序列中运动目标的检测具有较好的视觉效果和较高的准确度,能够克服局部运动以及噪声等缺陷。

基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法

针对传统区域邻接图在描述数据结构时,搜索全局最优解难的问题,提出了一种基于简单线性迭代聚类(SLIC)和快速最近邻区域合并的图像分割算法。该方法在区域邻接图基础上引入了最近邻接图来优化全局搜索,首先用SLIC超像素算法将图像分割成小区域,利用区域邻接图(RAG)和最近邻接图(NNG)的邻接表数据结构来描述区域之间的关系,然后计算每个待合并区域与其所有邻接区域之间的不相似度函数值,最后合并不相似度值最小的区域。实验结果表明:本文方法能较好地将最相似的区域进行合并,与传统的区域合并算法相比,降低了合并计算的复杂度,大幅度提高了区域合并的准确性。

基于稀疏矩阵的谱聚类图像分割算法

在图像分割中谱聚类算法需要计算像素之间的相似度矩阵,构造数据量大,并且要对拉普拉斯矩阵进行特征分解,计算比较耗时。针对这一问题,提出了一种基于稀疏矩阵的谱聚类图像分割算法。算法结合图像特征信息在不同尺度上对谱聚类进行误差分析,设计了一种新的样本信息选取方案,并利用选取的图像信息直接创建稀疏相似度矩阵。理论分析以及图像分割实验结果表明,该算法能够有效降低谱聚类的计算复杂度,同时,提高了分割的准确性和鲁棒性。

基于PCA/ICA和误差补偿算法的眼镜摘除研究

眼镜遮挡对人脸图像识别率影响较大,为了提高戴眼镜人脸图像的识别率,需要摘除正面人脸图像中眼镜。采用PCA和ICA算法提取了二阶统计信息、高阶信息,较好地刻画了人脸的细节特征;同时结合灰度补偿算法,弥补了由于戴眼镜图像未参与特征空间的训练过程中所造成的合成图像中人脸表情的失真;利用反复的迭代补偿算法进行人脸重建。通过Yale人脸数据库进行仿真实验结果表明:该方法合成的图像没有眼镜的痕迹,看起来更加自然,有效地改善了戴眼镜图像的面部特性,提高了人脸的识别率。

基于层次聚类与峰值检测的FCM图像分割算法

针对传统FCM算法在图像分割中存在的过度依赖初始聚类中心、计算复杂度高等问题,结合层次聚类与直方图峰值检测,提出了一种新的FCM图像分割算法.首先根据图像灰度直方图统计信息对图像进行层次聚类,然后将得到的聚类中心作为FCM算法的初始聚类中心对图像进行分割.该算法无需预先设置聚类数目,能自动搜索全局最佳聚类中心.实验结果表明,相比传统FCM算法和峰值检测的FCM算法,该算法不仅可以有效地提高图像的分割效率,而且分割结果更加精确.