基于通道注意力机制的高光谱目标跟踪方法

传统目标跟踪算法根据彩色图像中目标的颜色、纹理等视觉信息进行目标跟踪.当目标发生形变或被遮挡时,彩色图像中目标的视觉信息容易发生改变,导致传统目标跟踪器失效.高光谱图像(HSI)中包含连续的波段光谱信息,在上述场景下具有更强的稳定性,有助于提高目标跟踪算法的鲁棒性.提出一种基于通道注意力机制的目标跟踪算法(CAM).该方法将HSI不同通道的全局光谱信息和图像通道间的相关信息融合表征为权重向量;然后,通过加权重新校准HSI中的光谱响应值,增强图像中目标波段光谱信息的有效性,抑制冗杂的背景光谱信息的干扰,使得HSI中目标和背景之间的可分离性增强;最后将加权后的图像输入到跟踪网络中得到预测结果.在高光谱视频数据集上的实验结果表明,该算法具有良好的跟踪性能,优于多数现有的目标跟踪算法.

基于自编码的高光谱图像波段加权分类网络研究

高光谱图像(HSI)具有高维度的光谱波段信息,但也包含许多冗余光谱波段.在进行高光谱图像分类时,不同波段对分类任务的贡献存在差异性.为了高效利用光谱波段中的特征信息,提出一种新的编解码波段加权网络(EBW).该网络利用注意机制,根据不同波段对分类性能的贡献自适应地进行波段加权,从而提高输入数据中光谱信息的有效性.在EBW中,首先获取输入HSI的光谱波段信息,再利用自编码器提取的波段相关性和深度特征生成波段权重;然后对输入HSI的光谱波段进行加权;最后将加权后的图片输入到分类网络中得出预测结果.在PaviaU和Salinas数据集上的实验结果表明,与现有基于深度学习的加权方法相比,该方法具有更好的分类性能.

基于Java Web Token的单点登录技术研究与实现

在如今系统功能随着业务不断扩展的背景下,许多系统以及扩展出很多的子系统。类似于淘宝下有天猫超市、咸鱼、饿了么等等系统,一般企业中都会存在的办公系统、邮件系统、签到管理系统等。这些系统的出现就会出现新的情形,如果各个系统基于安全考虑都需要登录认证,用户进入每个系统都要输入账号密码,这会影响用户体验和引发安全问题。如果是很多的子系统,那每个子系统都有自己的用户体系的话无疑是一种巨大的浪费。为了解决重复登录、多套用户名密码、提高安全级别,研发一个简洁的用户单点登录的技术具有很重要的现实意义。本文对比以往的单点登录模型通过JWT实现简便单点登录系统。