融合零样本学习和小样本学习的弱监督学习方法综述

深度学习模型严重依赖于大量人工标注的数据,使得其在数据缺乏的特殊领域内应用严重受限。面对数据缺乏等现实挑战,很多学者针对数据依赖小的弱监督学习方法开展研究,出现了小样本学习、零样本学习等典型研究方向。对此,本文主要介绍了弱监督学习方法条件下的小样本学习和零样本学习,包括问题定义、当前主流方法以及实验设计方案,并对典型模型的分类性能进行对比。然后,给出零-小样本学习的问题描述,总结研究现状和实验设计,并对比典型方法的性能。最后,基于当前研究中出现的问题对未来研究方向进行展望,包括多种弱监督学习方法的融合与理论基础的探究,以及在其他领域的应用。

小样本图像目标检测研究综述

近年来,以深度学习为基础的图像目标检测技术取得了显著成就,并涌现了许多成熟的检测模型,但这些模型均需要利用大量的标注样本进行训练,而在实际场景当中,往往很难获取到相应规模的高质量标注样本,从而限制了其在特定领域的应用和推广。由于对样本数量的依赖性小,小样本条件下的图像目标检测技术逐渐得到研究和发展。基于小样本图像目标检测当前的研究现状,系统阐述了主流的小样本图像目标检测的问题定义、当前主要方法及实验设计,并指出其潜在应用方向,在此基础上,简要介绍了与之相关的广义小样本目标检测,最后分析了小样本图像目标检测技术面临的挑战并探讨了应对方案。

基于STC89C51单片机的智能窗户启闭器

为了保证良好的居家环境,实现普通窗户的智能控制,设计了基于STC89C51的智能窗户启闭器。该启闭器通过感知窗户内、外侧的移动目标来控制窗户启闭,有效防止小孩爬出窗户以及小偷翻窗入室;同时,启闭器通过感知室内、外温度,湿度和空气质量适时开、关窗,具备环境自适应功能。该启闭器在现有窗户基础上安装即可使用,拆卸方便、价格低廉,具有良好的市场前景。