基于骨架动作识别的协作卷积Transformer网络

近年来,基于骨架的人体动作识别任务因骨架数据的鲁棒性和泛化能力而受到了广泛关注。其中,将人体骨骼建模为时空图的图卷积网络取得了显著的性能。然而图卷积主要通过一系列3D卷积来学习长期交互联系,这种联系偏向于局部并且受到卷积核大小的限制,无法有效地捕获远程依赖关系。该文提出一种协作卷积Transformer网络(Co-ConvT),通过引入Transformer中的自注意力机制建立远程依赖关系,并将其与图卷积神经网络(GCNs)相结合进行动作识别,使模型既能通过图卷积神经网络提取局部信息,也能通过Transformer捕获丰富的远程依赖项。另外,Transformer的自注意力机制在像素级进行计算,因此产生了极大的计算代价,该模型通过将整个网络分为两个阶段,第1阶段使用纯卷积来提取浅层空间特征,第2阶段使用所提出的ConvT块捕获高层语义信息,降低了计算复杂度。此外,原始Transformer中的线性嵌入被替换为卷积嵌入,获得局部空间信息增强,并由此去除了原始模型中的位置编码,使模型更轻量。在两个大规模权威数据集NTU-RGB+D和Kinetics-Skeleton上进行实验验证,该模型分别达到了88.1%和36.6%的Top-1精度。实验结果表明,该模型的性能有了很大的提高。

基于数学形态学的彩色噪声图像边缘检测算法

针对已有的数学形态学边缘检测算法对彩色噪声图像检测到的彩色边缘信息不够完整、清晰,提出了一种基于HSI色彩空间的多尺度多结构元的数学形态学边缘检测算法,采用以尺度和结构两个单位元素进行横向和纵向的拓展,以面的形式对彩色噪声图像进行全面的边缘检测。基于这种理念分别对H和S两个携带颜色信息的分量进行边缘检测,最后将两分量的边缘信息通过加权合成得到彩色图像的彩色边缘。实验证明,该算法的去噪效果明显,得到的彩色边缘轮廓清晰、细节丰富,对彩色边缘的提取具有可行性和有效性。

基于内容的智能图像检索系统中反馈信息Agent的设计

文章主要讨论了基于内容的图像检索系统,利用检索中的反馈信息来提高系统的检索能力,给出了智能检索的初步模型,设计了反馈信息Agent的基本结构,并给出了反馈信息Agent的操作语义,为实现图像的智能检索进行了一些探讨。

基于改进的PCA算法和Fisher线性判别的人脸识别技术

通过对主成分分析法(PCA)的数学公式进行改进,使其具有灰度归一化操作能力,从而克服光照对目标的影响,再将改进后的主成分分析法和F isher线性判别分析方法组合起来用于人脸识别,在ORL人脸数据库上进行了实验,取得了满意的识别效果.

函数式语言中的赋值语句

文章探讨了怎样在纯函数式语言中加入赋值操作，而又不丧失引用透明性特征的问题，给出了这些操作的指称语义。

基于模糊神经网络的语义映射方法及其在自然图像检索中的应用

在CBIR研究中,图像低层视觉特征和高层语义特征之间存在的"语义鸿沟"成为语义图像检索的关键问题。为了避免一般映射方法把一幅图像归于一类语义图像的现象,体现自然风景图像中包含的丰富的高层语义信息和多归属类型,提出了对自然风景彩色图像中颜色较单一的目标区域,重复采用最优阈值化进行一次粗分割来提取最大目标区域,在分割区域的基础上,提取图像的局部颜色和形状特征,最后利用改进的模糊神经网络来建立低层视觉特征和高层语义特征之间的映射,实现了图像属性信息的有效传递和高层语义的自动获取。实验结果表明,该图像分割方法对自然彩色图像能够有效地提取目标物体,并对噪声图像具有一定的鲁棒性,而语义图像的部分类别的检索准确率接近90%,查全率也达到了75%,实验结果证明了该方法对自然图像检索的有效性及先进性。

基于眼睛梯度对特征的人脸检测方法

该文提出了一种利用眼睛灰度变化梯度对特征来检测人脸的方法。在分析人脸图像中发现,眼球的灰度级较低,而眼球周围白色区域的灰度级较高,两个区域在其交界处灰度级产生强烈突变。该文利用图像灰度变化梯度值构造梯度和特性值,通过寻找相等的梯度和特性值来实现从图像中找出对应眼睛的位置,定位可能的人脸区域,再计算其对称性后确定人脸特征的存在,更进一步验证检测的人脸区域。实验证明,此方法能迅速准确地从复杂背景图像中检测出人脸,而且对多人脸图像同样有效。

图像语义特征的抽取方法及其应用

从高级信息的角度来描述图像语义,建立图像语义的特征矢量空间和语义划分的结构关系,实现图像与语义值的结构表达。为了有效地获取语义特征值表达,给出了图像语义特征空间选择与最小判别方法,构建了底层特征到高层语义的映射结构与计算表达式,并将特征值应用于图像检索。原理方法和实验数据表明该方法对图像检索具有积极意义。

图像语义的模型结构描述

图像语义是研究图像模式识别与图像检索的一个新理论。如何有效地建立起图像语义的描述,图像的语义模型能够给出一个直观的、形象的描述,为研究图像语义奠定快速的、可靠的基础。文章从图像固有属性、图像对象和人为意识三方面就图像语义的模型作了一些探讨性研究,为进一步研究图像语义的描述奠定了基础。

基于提升小波变换的图像融合新算法

给出了一种基于提升小波变换的图像融合方法,并对小波分解的不同频率域,分别采用不同的融合规则。选择低频系数时,是基于边缘的方法,选择高频系数时,把小波系数的方差与绝对值综合起来考虑来决定融合小波系数。实验结果表明,提出的方法融合效果要优于一般融合方法。

基于结构模型的人运动图像语义描述

人运动图像语义的研究是对人运动图像中人体运动行为的一种描述方法,通过其语义来实现图像的识别与检索。该文希望通过对人体运动的几种较为简单的动作语义的研究,来开启对人运动图像语义的全面研究。为了实现该目标,提出了基于模型的人运动图像的语义描述,即模型语义,模型语义具有直观性、推导性和可行性。通过定义基本模型和语义操作规则,建立一个语义的形式描述理论,此模型语义是人运动图像语义全面研究的基础。

纯函数式语言的状态转换器与调用

针对PeytonJones&Wadler在IOMonad设计的一个基于状态转换的函数I/O系统中 ,存在着某状态没有显式地反应在IO类型中 ,为了克服诸于此类问题 ,定义了状态转换器及其状态组合子 ,统一处理了PeytonJones&Wadler的IO类型 ,并给出了基本I/O操作ccall的指称语义 .

基于内容的图像检索在智能监控系统中的应用

针对基于内容的图像检索与识别在智能监控中应用的问题,建立了基于区域划分的颜色链码,利用图像颜色的区域特征值来构成一个区域与整体的特征描述,并将它应用到捕获图像的识别。捕获的图像,通过梯度特征对来定位与检测,对获取的脸部图像进行链码特征匹配与识别,并将计算结果作为监控系统的判断与决策依据。运用这一方法的监控系统,提高了监控系统的辨别对象能力,拓展了智能监控研究领域。

非计算机专业理工科C语言程序设计教学方法的探索

本文针对大学本科非计算机专业理工科C语言教学中,如何培养学生的程序设计能力,掌握好程序设计工具,为所学专业的计算机应用创造训练与锻炼的条件等问题进行了论述;讨论了通过程序设计的演示法、尝试法和实训法三个环节,采取课堂教学互动和三维立体教学法改进教学效果,培养学生学习程序设计的兴趣。经对比分析,通过教学方法的改革,学生程序设计的能力有明显的改善与提高。

基于特征传播的时域分割网络行为识别

为了高效、准确地获得视频中的行为类别和运动信息,减少计算的复杂度,文中提出一种融合特征传播和时域分割网络的视频行为识别算法.首先将视频分为3个小片段,分别从相应片段中提取关键帧,从而实现对长时间视频的建模;然后设计一个包含特征传播表观信息流和FlowNet运动信息流的改进时域分割网络(P-TSN),分别以RGB关键帧、RGB非关键帧、光流图为输入提取视频的表观信息流和运动信息流;最后将改进时域分割网络的BN-Inception描述子进行平均加权融合后送入Softmax层进行行为识别.在UCF101和HMDB51这2个数据集上分别取得了94.6%和69.4%的识别准确率,表明该算法能够有效地获得视频中空域表观信息和时域运动信息,提高了视频行为识别的准确率.

基于图象内容的链码检索方法

针对数字化图象检索问题 ,提出了一种基于图象内容的检索方法。这种检索方法是基于图象的灰度特征值 ,按照一定的分割方法 ,将图象区域化 ,并获取该区域的灰度特征描述值 ;然后把各个区域的灰度描述值按着规定的方向连接起来 ,生成一个用于检索图象的链码。实验结果表明这种基于图象内容的检索方法 ,较方便和准确地达到了图象检索之目的。

加拿大研究生教育的一些特色

随着加拿大研究生教育的质量与规模不断扩大,培养机制与培养成果吸引了全球的眼光。当前,加拿大研究生教育模式、方法、经费管理等方面各具特色,表现为加拿大研究生教育的每个环节都体现出细致、严格的特点。另外,全国性的研究生教育联合会为研究生教育提供了交流与发展的平台,丰富的学术活动和有特色的课堂教学,保证了培养的高质量与强劲发展趋势。正是政策、管理、措施和投入的保障,使得加拿大研究生教育形成了自己鲜明的特色。

函数式语言中赋值语句(之二)

为了能够较好地处理函数式程序设计语言中的I/O问题 ,通过采用Monad方法将I/O加入到函数式程序设计语言中 ,来保持函数式程序设计语言的优点 .本文探讨了在函数式I/O系统中加入赋值操作与其引用透明性的问题 .

基于阶梯型特征空间分割与局部注意力机制的行人重识别

为了让网络捕捉到更有效的内容来进行行人的判别,该文提出一种基于阶梯型特征空间分割与局部分支注意力网络(SLANet)机制的多分支网络来关注局部图像的显著信息。首先,在网络中引入阶梯型分支注意力模块,该模块以阶梯型对特征图进行水平分块,并且使用了分支注意力给每个分支分配不同的权重。其次,在网络中引入多尺度自适应注意力模块,该模块对局部特征进行处理,自适应调整感受野尺寸来适应不同尺度图像,同时融合了通道注意力和空间注意力筛选出图像重要特征。在网络的设计上,使用多粒度网络将全局特征和局部特征进行结合。最后,该方法在3个被广泛使用的行人重识别数据集Market-1501,DukeMTMC-reID和CUHK03上进行验证。其中在Market-1501数据集上的mAP和Rank-1分别达到了88.1%和95.6%。实验结果表明,该文所提出的网络模型能够提高行人重识别准确率。

基于语义模型的人运动图像跟踪

计算机视觉研究中,为了实施对人运动图像的跟踪,本文提出了基于变化区域的对象刚体标注法和语义模型跟踪法,通过对标注的刚体特征点在空间位移的估算,结合特征点在水平面上投影所形成的特征码来构成刚体的运动语义数学模型,从语义模型来计算特征点的运动位置,从而实现对人运动的跟踪,对于人的复杂运动描述也具有参考价值.