集成全局局部特征交互与角动量机制的端到端多目标跟踪算法

针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题,该文提出一种新的端到端算法。在检测方面,首先基于特征金字塔网络,提出空间残差特征金字塔模块(SRFPN),以提升特征融合和信息传递的效率。随后,引入全局局部特征交互模块(GLFIM)来平衡局部细节和全局上下文信息,增强多尺度特征的专注度,提高模型对目标尺度变化的适应性。在关联方面,引入角动量机制(AMM),充分考虑目标运动方向,以提升连续帧之间目标匹配的精确性。在MOT17和UAVDT数据集上进行实验验证,所提跟踪器的检测性能和关联性能均显著提升,并且在目标遮挡、尺度变化和杂乱背景等复杂场景下表现出良好的鲁棒性。

混合注意力与多特征交互的去雾算法

为解决目前深度学习去雾算法在处理非均匀雾天图像时无法有效利用多尺度特征,导致复原出的图像产生颜色失真、细节恢复不完整等问题,提出了混合注意力与多特征交互的图像去雾算法。首先,利用编码模块提取不同尺度的特征;其次,构造混合注意力模块,从全局角度对图像雾气进行感知,并利用通道注意力机制对不同雾浓度分配权重;然后,设计多特征交互模块,实现不同尺度特征间的信息交换,有效利用低分辨率特征中的语义信息,同时保留了高分辨率特征的空间细节与颜色信息,并利用门控融合模块聚合不同尺度的特征;最后,解码模块对融合后的特征进行重构,得到无雾图像。实验结果表明,运用本文提出的算法恢复的去雾图像不仅主观上颜色自然、细节清晰,而且在客观指标上也优于现有的主流算法。该研究结果可为深度学习去雾研究与应用提供新的方案。

基于特征交互结构的弱光目标检测

针对当前主流、先进的目标检测算法在弱光场景下对目标检测精度较低的问题,分析弱光图像削弱了传统卷积神经网络依赖的局部相关性归纳偏置,引入对全局特征有着出色建模能力的Swin Transformer stage以实现全局注意,增强特征信息量。将全局注意以并行方式与局部卷积共同抽取弱光图像特征,并提出了一种特征交互结构(feature interaction structure,FIS),通过精心设计的二次交互方式,能有效解析、利用和结合局部与全局信息。基于FIS堆叠构造交互式并行双流骨干网络FISNet,实现对两类特征的深度融合,并提供对密集预测型任务十分重要的层级特征结构。FISNet在弱光图像数据集ExDark上达到了40.6 AP,与EfficientNet等基准模型相比,得到了+0.5~2.9 AP的检测精度提升,在弱光目标检测场景中具有良好的应用。

多级特征交互Transformer的多器官图像分割

多器官医学图像分割有助于医生做出临床诊断.针对CNN提取全局特征能力弱,Transformer提取局部特征能力弱,以及Transformer具有二次方计算复杂度的问题,提出了用于多器官医学图像分割的多级特征交互Transformer模型.所提模型采用CNN提取局部特征,局部特征经Swin Transformer输出全局特征;通过下采样分别产生多级局部和全局特征,每级局部和全局特征经过交互并增强;每级增强后的特征经多级特征融合模块进行交叉融合;再次融合后的特征经过上采样和分割头输出分割掩码.所提模型在Synapse和ACDC数据集上进行实验,平均DSC和平均HD95系数值为80.16%和19.20 mm,均优于LGNet和RFE-UNet等代表性模型.该模型对多器官医学图像分割是有效的.

基于多模态特征交互的RGB-D显著性目标检测

现有的大多数RGB-D显著性目标检测方法利用深度图来提高检测效果,而忽视了其质量的影响。低质量的深度图会对最终显著目标预测结果造成污染,影响显著性检测的性能。为了消除低质量深度图带来的干扰,并准确突出RGB图像中的显著目标,提出了一个用于多模态特征交互的RGB-D显著性目标检测模型。在编码阶段,设计了一个特征交互模块,其包含三个子模块:用于增强特征表述能力的全局特征采集子模块、用于过滤低质量深度信息的深度特征精炼子模块和用于实现特征融合的多模态特征交互子模块。在解码阶段,逐层融合经过特征交互后的多模态特征,实现多层次特征融合。通过在五个基准数据集上与十二种先进方法进行的综合实验表明,该模型在NLPR、SIP和NJU2K数据集上的指标上均优于其他对比方法,其中在NJU2K数据集上,该模型的性能比第二名在平均F值上提升了0.008,加权F值上提升了0.014,E-measure上提升了0.007,表现出了较好的检测效果。

基于上下文与特征交互的小目标检测算法

无人机航拍图像内,小目标像素少、细节模糊且特征易丢失,现有算法对小目标检测效果不够理想。为此,提出一种基于上下文与特征交互的小目标检测算法。首先,采用ConvNeXt新一代卷积网络以增强特征表达能力;其次,设计稠密式信息增强模块(Dense Information Enhancement Module,DIEM)提取上下文信息;最后,提出特征交互单元(Feature Interaction Unit,FIU)促进浅层和深层特征的信息交互。检测结果显示,模型精度mAP50达到45.9%,相较于基线提升了6.0%,减少了错检漏检现象。

基于特征交互的层次分类在线流特征选择

在开放动态环境下的分类学习任务中,数据特征空间具有动态性,标记空间存在层次化结构.现有的层次分类在线流特征选择算法可以选择较优的特征子集,但这些算法忽略了特征之间存在的交互作用.基于此,提出了一种基于特征交互的层次分类在线流特征选择算法.首先,设计了一种基于层次邻域依赖度去判断特征交互的计算方法;其次,针对层次化结构数据,根据层次结构中不同节点间的兄弟关系定义邻域粗糙集模型;最后,设计了具有在线重要性分析、在线冗余性分析以及在线交互性分析的层次分类在线流框架,用于选择强相关和存在交互作用的特征子集.在6个层次数据集上的实验验证了所提算法具有较优的综合性能.

基于细粒度特征交互选择网络的农产品推荐算法

在数字化的时代里,越来越多人偏爱在电商平台购物,随着农产品电商平台的发展,消费者面对众多选择时难以找到适合自己的产品.为了提高用户满意度和购买意愿,农产品电商平台需要根据用户的兴趣偏好向其推荐合适的农产品.考虑到季节、地域、用户兴趣和农产品属性等多种农业特征,通过特征交互可以更好地捕捉用户需求.传统的点击通过率CTR (click through rate)预测模型只关注用户评分,以简单的方式计算特征交互,而忽略了特征交互的重要性.本文提出了一种名为细粒度特征交互选择网络FgFisNet (fine-grained feature interaction selection networks)的新模型.该模型通过引入细粒度交互层和特征交互选择层,组合内积和哈达玛积有效地学习特征交互,然后在训练过程中自动识别重要的特征交互,并删除冗余的特征交互,最后将重要的特征交互和一阶特征输入到深度神经网络,得到最终的CTR预测值.在农产品电商真实数据集上进行广泛的实验,FgFisNet方法取得了显著的经济效益.

基于选择性层级特征交互的遥感影像道路提取

及时准确地提取道路信息在城市规划、交通导航、灾害管理等领域具有重要意义。为提升遥感影像道路提取的性能,提出了一种基于选择性层级特征交互的双解码器网络(SHFINet)。为解决道路提取面临的阴影遮挡问题,设计了一种多尺度特征自注意力模块(MCFA)。针对跳跃连接中容易引入噪声的问题,提出了一种选择性层级特征交互模块(SHFI)。采用两种不同形式的解码器对特征进行重构,更有效地实现不同层级特征的信息交互。

基于充分性原理的特征交互检测策略

在特征造型系统中,系统必须跟踪并检测每一步造型操作,以确保整个模型的有效性。当前普遍采用的特征交互检测策略难以适应拓扑结构复杂、特征数量较多的产品模型,因此如何提高特征交互检测的效率,成为特征造型技术研究中最具挑战的课题之一。通过深入研究特征交互机制,将细胞元模型理论和特征交互的充分性原理引入特征交互的检测中,提出了一种全新的特征交互策略,有效地解决了特征造型系统性能瓶颈的问题。

特征交互问题导论

特征交互问题是长期困扰电信领域的主要挑战之一,随着Internet的发展,软件(特别是WEB软件)随着其集成的特征愈多、规模愈大、服务质量要求愈高、演化愈频繁、对人与社会的影响愈大,其中的特征交互问题亦开始呈现并日趋严重.尽早开展相关研究与实践,是避免软件在特征交互问题上重蹈覆辙的有效途径.本文着重介绍了电信领域中特征交互问题的基本概念、实例及其分类,在分析已有研究成果的基础上,讨论了今后的研究方向.进而通过介绍基于软件体系结构的特征交互问题研究,探讨了软件中的特征交互问题.

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下,可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。

一种Web服务特征交互自动检测方法

模型检测技术可有效验证Web服务组合的异常情况,如特征交互问题等,但是目前验证过程的自动化程度比较低。为了提高验证的自动化程度,需要将BPEL转化为模型检测工具的输入语言。在分析BPEL语言控制流程的基础上,提出BPEL活动执行的形式化模型,给出活动执行语义,进而分别提出将BPEL流程自动转换为七元组集合以及将这些七元组转化为MCTK(一种我们开发的符号化模型检测工具)输入语言的算法,这些七元组包含了智能体执行过程中有关状态变化的有效信息。实验表明,提出的算法可以有效验证Web服务中的特征交互问题,而且支持认知逻辑规范的验证。

基于U-Net的特征交互分割方法

针对肝脏分割中存在误分割及小目标漏分割的问题,文中提出基于U-Net的特征交互分割方法,采用ResNet34作为主干网络.为了实现不同尺度间的非局部交互,设计基于转换器机制的特征交互金字塔模块作为网络的桥接器,获得具有丰富上下文信息的特征图.设计多尺度注意力机制替代U-Net中的跳跃连接,关注图像中的小目标,充分获取目标层的上下文信息.在公开数据集LiTS及3Dircadb和CHAOS组成的数据集上的实验证实文中方法能取得较好的分割效果.

基于URN的特征交互检测方法研究

提出了一种新的特征交互检测方法 ,该方法利用激活特征的前置条件 ,在需求阶段筛选并排除可能引起特征交互 (特征间的相互干扰 )的特征组合 ,这种特征组合可形成不同业务 .为了能够可视化地实现特征交互的检测 ,引入了ITU T的用户需求表示规范草案 .结合激活特征的前置条件和用户需求表示 ,提出了特征交互的充分条件和必要条件 ,并建立了特征交互的数学模型 .在此基础上给出了特征交互的检测定理 ,并实现了特征交互的检测 .同时讨论了该方法的可扩展性和运行开销 .

电信服务系统特征交互的Z规格及验证

为对电信服务系统的特征交互问题进行精确、简洁的形式化描述,提出将Z语言应用于该问题的研究。对3种主要特征交互类型进行形式化描述,包括完整性破坏、相同触发条件和坏循环类型。针对特征交互的具体案例,通过Z语言得到精确、无歧义的形式化规格,分别描述各业务之间的交互过程,并在Z规格的基础上对其进行分析及形式化验证。研究人员可根据特征交互的形式化规格及验证结果掌握系统内部的冲突和缺陷,从而有效预防和解决电信系统特征交互问题,保障基础系统和新增功能模块的稳定性。

基于特征交互与卷积网络的渔场预测模型

长鳍金枪鱼是南太平洋渔业生产中主要的捕捞对象,准确预测其渔场分布对提高渔业捕捞效率具有重要意义。针对传统渔场预测方法预测精度低的问题,本研究提出一种基于特征交互与卷积网络的渔场预测模型——CNN-Cross。该模型引入Embedding层对数据进行处理,解决了One-Hot Encoding(独热编码)带来的特征稀疏性问题以及手动特征工程对结果的影响。同时,引入Cross网络提取特征之间的交互信息,消除了单特征对目标拟合不足的问题,并且结合CNN网络对Embedding层生成的二维特征图进行高阶隐藏信息提取,最后将两部分网络提取到的特征融合,输出分类结果。使用渔业数据对模型预测效果进行验证,结果表明,模型预测南太平洋渔场总召回率达到87.4%,中心渔场召回率达到89.4%。表明,将特征交互网络与卷积神经网络相结合可以明显提高渔场预报精度,且精度能够较好地满足现实渔业作业需求。

特征交互动态检测的形式模型

本文通过对业务在执行过程中,业务逻辑实例与外部实体交互消息的分析,提出一个基于消息序列语义的特征交互形式模型.首先,业务逻辑实例和网络实体被认为交互消息集合的子序列,从业务逻辑实例与外部实体交互消息的语法和语义不同角度出发,分别对不确定性、特征违反类和活锁类等不同类型的特征交互给出具体的动态检测形式模型.并在此基础上进一步讨论:在特性违反类特征交互的动态检测中,若直接使用消息序列检测特征交互将是不充分的,本文在最后给出一种简单的特性违反类特征交互动态检测时的补救方法.

Petri网在Email系统中特征交互检测的应用

利用Petri网对Email系统的基本子系统以及添加自动回复特征后的系统模型进行描述,然后利用Petri网的状态方程对系统中存在的特征交互进行分析检测。

一种基于双目标优化的Web服务特征交互动态解决方法

在Web服务领域,由于Web服务开发与部署的独立性和分布性,特征交互问题随之产生;同时,Web服务的多样性和个性化使得特征交互问题往往在服务的运行过程中表现出来.因此,组合Web服务的特征交互管理研究将是Web服务特征交互研究的一个重要方面.在开展Web服务动态检测前期研究的基础上,从用户收益的角度对Web服务领域的特征交互问题进行了分析,并提出了特征交互的动态解决方法.该方法分两部分:首先把Web服务动态解决问题转化为双目标问题,为此建立了一种双目标优化模型,求解帕累托有效解集;然后将有效解集排序获得最优解.实例分析表明,该方法能在充分考虑用户收益的前提下解决特征交互问题.