基于可视注意力机制的非锚点行人检测模型

在目前的行人检测方法中,中心尺度预测(center-scale prediction,CSP)模型具有检测速度快,无需预设锚点等优点。但是,CSP模型并没有针对行人遮挡问题提出解决方法。为此,在CSP模型的基础上,提出了一个基于可视注意力机制的中心尺度预测(visible attentionmechanism-basedCSP,VA-CSP)模型,同时预测行人及其可视区域的边界框,并构造一个中心-可视中心(center-visible center,C-V)变换预测分支,将行人及其可视区域匹配,使模型具有正确的可视注意力机制,提升遮挡行人的检测精度。在Citypersons和Caltech行人检测数据集上进行了实验,在Citypersons验证集的不同遮挡程度的子数据集Reasonable、Heavy、Partial和Bare上,得到了9.6%、48.1%、9.1%和6.6%的丢失率,相比CSP分别提升了1.4%、1.2%、1.3%和0.7%。在Caltech测试集的Reasonable子数据集上得到了3.2%的丢失率,相比CSP提升了1.3%。与其他目前最新的模型相比,所提模型具有更高的检测精度。

新课改下高中地理教学活动的创新

在新课改的开展下,高中地理的重要性也逐步凸显,要满足新课改的要求,必须要从传统的应试化教育朝着综合教育的方向改革和发展。本文分析了当前高中地理教学的问题,并对新课改下高中地理教学活动的创新方式进行阐述与分析。

体验式教学在高中地理教学中的应用分析

体验式教学是一种全新的教学模式,通过体验式教学,能够活化地理教学课堂,将复杂、抽象的内容简单化,提高学生的学习兴趣。本文分析了体验式教学的作用和价值,并探讨体验式教学在高中地理教学中的应用。

体育教学研究——高中篮球课堂中纠错教学法的实践研究

在开展高中篮球教学中,要充分重视篮球素养训练的重要性,通过提升篮球教学水平,提升学生篮球综合技术。在实践中,很多教师忽视了纠错教学法,下一步教育实践中,要结合学生自身实际情况,探寻科学的篮球素养训练策略。

基于无监督域自适应的计算机视觉任务研究进展

作为工业互联网的典型实例之一,车联网技术近年来飞速发展,其核心在于信息的互联互通.因此,精准、可迁移的环境信息感知能力是其稳定运行的前提之一.深度学习的进步推动了计算机视觉任务的发展,但基于传统深度学习的方法仍存在训练过程对人工标注数据依赖强、场景泛化能力较差的弊端.而对于计算机视觉任务来说,训练数据的真值标签获取较难,因此如何提升模型的迁移能力,缓解训练对人工标注的依赖受到了学界的广泛关注.无监督域自适应方法使用深度学习模型进行特征提取和对齐,使得深度学习模型在不同域间迁移时仍能保证良好的性能,在计算机视觉任务中发挥了重要作用.因此,本综述主要聚焦无监督域自适应方法在一些典型计算机视觉任务中的挑战和应用.首先,介绍了基于深度学习的无监督域自适应方法的定义、重要意义、应用难点、基本方法和相关数据集.然后,分别针对典型计算机视觉任务介绍了无监督域自适应方法在其中的应用.最后,进行了总结和展望.