基于自监督学习的文本行人检索

基于文本的行人检索任务旨在以文本为查询在大规模数据库中检索出目标行人的图像,在处理社会公共安全问题中具有较高的实用价值.不同于常规的跨模态检索任务,该任务中所有的类别都是行人,不同行人之间的外观差异较小,难以辨别;此外由于拍摄条件的限制图像质量通常较差,因此如何有效地提取更鲁棒、更具有判别性的视觉特征是该任务的一项重要挑战.为了应对这一挑战,设计了一种基于自监督学习的文本行人检索算法,以多任务学习的形式将自监督学习与基于文本的行人检索任务相结合,对两种任务同时进行训练,共享模型参数.其中,自监督任务作为辅助任务,旨在为行人检索任务学习到更鲁棒、更具有判别性的视觉特征.具体来说,首先提取视觉和文本特征,并以图像修复作为自监督任务,旨在学习更丰富的语义信息,且对遮挡数据具有更好的鲁棒性;基于行人图像的特殊性,进一步设计了一种镜像翻转预测任务,通过训练网络预测图像是否经过了镜像翻转学习具有判别性的细节信息,以帮助行人检索任务更好地区分难分样本.在公开数据集上进行的大量实验证明了该算法的先进性和有效性,将行人检索的Top-1准确率提升了2.77%,并且实验结果显示两种自监督任务存在一定的互补性,同时使用可以实现更好的检索性能.

基于GRNN的糖尿病足足底压力信号检测系统设计

信号采集系统在实际应用中,会受到传感器本身及外界温湿度等内外因素的影响,导致系统采集到的数据存在较大误差。该文基于STM32单片机对传统压力采集电路结构进行了改进设计,并采用了广义回归神经网络(GRNN)拟合算法,研制出一套针对多传感采集(1 024个)及采样频率为100 Hz的足底信号检测系统。文中对传感阵列施压测得电导,基于最小二乘法和GRNN两种算法在Matlab中对压-导值进行拟合对比,结果显示,应用了GRNN力-导映射关系的足压检测系统的相对误差为2.89%,相较于最小二乘法,降低了9.11%。由此可得,采用GRNN拟合关系的压力信号检测系统生成的压力云图,可以更好地反应检测者的足底压力分布,能够为糖尿病足病况分析提供可靠的测试平台和高精度的环境。

一种新的全比特位嵌入数字图像水印算法

针对最低有效位水印算法嵌入保真度较差、鲁棒性不高的问题,提出了一种全比特位(All Bits,AB)嵌入的空域数字图像水印算法,分别采用直线方式和三角函数方式将信息嵌入到视觉容易忽略的图像边缘区域。此算法不仅可以把水印嵌入到载体图像的低四位位平面,而且可以嵌入到高位位平面。在数字图像水印嵌入和提取的实验中,分别从主观视觉效果、客观参数(均方差、信噪比和峰值信噪比)的计算和对图像进行攻击等方面,证明这种AB空域数字水印算法具有更强的保真度和鲁棒性。