基于先验MASK注意力机制的视频问答方案

视频问答是深度学习领域的研究热点之一,广泛应用于安防和广告等系统中。在注意力机制框架下,建立先验MASK注意力机制模型,使用Faster R-CNN模型提取视频关键帧以及视频中的对象标签,将其与问题文本特征进行3种注意力加权,利用MASK屏蔽与问题无关的答案,从而增强模型的可解释性。实验结果表明,该模型在视频问答任务中的准确率达到61%,与VQA+、SA+等视频问答模型相比,其具有更快的预测速度以及更好的预测效果。

基于卷积神经网络的树叶识别的算法的研究

该文研究了将卷积神经网络应用在树叶识别方面,并通过卷积过程对图片进行可视化。实验表明,卷积神经网络应用在树叶识别达到了92%的识别率。另外,将此神经网络与支持向量机进行比较研究,从试验中可以得出,卷积神经网络在无论是精度方面还是速度方面都要优于支持向量机,可见,卷积神经网络在树叶识别方面具有很好的应用前景。

基于点对特征的散乱堆放物体的位姿估计算法

现有的三维物体识别和位姿估计方法无法很好地用于散乱堆放物体的场景,尤其是有严重遮挡和混叠的场景。使用基于点对特征的点云匹配和位姿估计算法,针对工业环境中乱序物体的特点,进行了一系列改进,如场景点云法线方向一致性调整、抓取位姿筛选策略调整、旋转对称引起的角度偏差调整,以取得更理想的位姿估计结果。在仿真环境和真实场景下进行了一系列实验,实验结果表明,所采用的算法在乱序物体场景中的位姿估计效果比较理想。