基于深度质量感知和分层特征引导的RGB⁃D显著性检测

现有基于融合的RGB-D显著性物体检测方法在对跨模态特征进行融合时忽视了RGB和深度图两模态特征的差异性,跨模态特征融合不均衡的问题使得模型不能充分利用跨模态互补特征,而低质量深度图也会对模型性能带来损害。提出一种基于深度质量感知和分层特征引导的RGB-D显著性物体检测算法。算法分为两个阶段:深度质量感知阶段和分层特征引导阶段。在第一阶段,利用深度质量感知从现有的主流RGB-D显著性物体检测训练数据集中挖掘高质量深度图,对训练集进行增强,提升低质量深度图的质量,减少噪声数据对模型性能的损害;在第二阶段,利用特征引导网络对RGB图和深度图进行分层自适应权重动态融合,在有效增加融合效率的同时增强跨模态融合的感知能力。在基准数据集NJUD、NLPR、SSD、STEREO和SIP上的实验结果表明,相比于SSF、CDNet、D3Net、DASNet等方法,该算法能够大幅提升深度图质量,其中在NLPR数据集上F-Measure值为0.934,MAE仅为0.020,综合性能优于其他相关SOTA方法,证明了先挖掘高质量深度图再进行跨模态自适应动态融合算法的有效性。

接受美学视角下儿童小说翻译中的趣味性再现——以《格列佛游记》为例

儿童文学作为翻译研究的一个分支,逐渐受到越来越多学者的关注。而儿童作为一个特殊的文学受众群体,有着与成人不同的心理特点以及思维方式。接受美学强调读者的重要性,即译者在翻译时应考虑读者的接受水平和期待视野,站在儿童的角度翻译原文,力求语言的生动性以及可接受性。本文通过查阅相关资料,选定了经典文学作品——英国著名文学大师乔纳森·斯威夫特的讽刺小说《格列佛游记》,并选取格列佛在大人国的经历描写作为研究文本,以两个中译本(张健,1979;王岑卉,2016)为研究对象,从词汇、句法两个方面对比分析两个译本的不同之处,探讨在译文中如何巧妙地再现原文的趣味性,助力儿童文学翻译的发展。

基于视觉信息补偿的多流音视显著性检测

音视显著性检测方法采用的双流网络结构,在音视信号不一致时,双流网络的音频信息对视频信息产生负面影响,削弱物体的视觉特征;另外,传统融合方式忽视了特征属性的重要程度。针对双流网络的问题进行研究,提出了一种基于视觉信息补偿的多流音视显著性算法(MSAVIC)。首先,在双流网络的基础上增加单独的视频编码分支,保留视频信号中完整的物体外观和运动信息。其次,利用特征融合策略将视频编码特征与音视频显著性特征相结合,增强视觉信息的表达,实现音视不一致情况下对视觉信息的补偿。理论分析和实验结果表明,MSAVIC在四个数据集上超过其他方法2%左右,在显著性检测方面具有较好的效果。

青少年毒品防治知识图谱——基于CiteSpace的文本挖掘及量化研究

目的旨在梳理国内外青少年禁毒领域的文献结构特征、机构间的合作特征与演进脉络。方法以WOS核心合集检索到的1167篇文献和CNKI检索到的480篇文献为样本文献,运用CiteSpace V软件进行可视化分析。结果国内外发文时间和数量差异较大,但总体都呈上升趋势;国内外机构研究合作度均不高;国内关于青少年禁毒研究主要侧重于青少年吸毒原因、危害、禁毒教育、禁毒干预等方面,国外研究则主要集中在种族文化、治疗性社区、家庭因素、运动干预等方面。结论我国对于青少年禁毒干预方面的研究尚处于探索发展阶段,多领域多学科戒断经验相融合,寻求更为有效的干预方法对我国开展青少年禁毒工作尤为重要。