注意力增强的视觉Transformer图像检索算法

基于深度哈希的图像检索方法往往利用卷积和池化技术去提取图像局部信息,并且需要不断加深网络层次来获得全局长依赖关系,这些方法一般具有较高的复杂度和计算量。本文提出了一种注意力增强的视觉Transformer图像检索算法,算法使用预训练的视觉Transformer作为基准模型,提升模型收敛速度,通过对骨干网络的改进和哈希函数的设计,实现了高效的图像检索。一方面,本文设计了一个注意力增强模块,来捕获输入特征图的局部显著信息和视觉细节,学习相应的权重以突出重要特征,并增强输入到Transformer编码器的图像特征的表征力。另一方面,为了提高图像检索的效率,设计了一种对比哈希损失函数,生成具有判别力的二进制哈希码,从而降低了内存需求与计算复杂度。在CIFAR-10和NUS-WIDE数据集上的实验结果表明,本文提出的方法,在两个不同数据集上使用不同哈希码长度的平均精度均值达到了96.8%和86.8%,性能超过多种经典的深度哈希算法和其他两种基于Transformer架构的图像检索算法。

分段随机抽选法在智能组卷中的研究与应用

在智能组卷方案中,提出一种新的"分段随机抽选法",并用该算法与传统的组卷算法在生成试卷的效率上进行了比较,同时针对由本算法所引起的修改操作困难提出了解决方法。该系统是在Win dows环境下,使用BorlandDelphi6.0,采用ADO数据存取技术访问MicrosoftAccess数据库实现的。

碰撞检测中计算两凸多面体间最短距离的算法研究

提出了一种计算两凸多面体间最短距离的算法.该算法用物体三维空间顶点坐标的凸包表示凸多面体,采用非线性规划方法来计算两凸多面体间最短距离,并通过最短距离来判断两凸多面体是否发生碰撞.实例证明这种方法的有效性.

基于遗传算法的凸多面体间碰撞检测算法研究

将两凸物体间碰撞检测问题归结为一个带约束条件的非线性规划问题.对该问题进行适当的处理后,利用遗传算法对该问题进行求解.实例表明,遗传算法对该问题的求解比用传统的方法求解具有更高的计算效率和更快的计算速度.

基于层次包围盒的碰撞检测算法的存储优化

介绍了基于层次包围盒的碰撞检测算法的存储优化方法。该方法从存储空间的角度来改进基于AABB树的碰撞检测算法。根据AABB树的构造过程,减少内部节点的AABB包围盒的存储字节数;基于快速三角形相交测试算法,从叶节点结构里去掉包围盒信息,将叶节点从存储结构中删除。实验表明,利用AABB包围盒和叶节点的存储优化,既减少了算法的存储空间又加快了算法的执行时间。

基于网络环境的计算机选课系统的设计与实现

从高等学校学分制管理特点出发，提出了一个学分制选课系统的一般性设计方法．重点解决了网络环境下的数据建模、程序算法等核心问题。

基于遗传算法的证券组合投资优化问题的模拟分析

分析了用遗传算法求解组合证卷投资中的Markowitz模型的各种问题,提出了一种采用最优保存策略的遗传算法求解WilliamSharpe模型的方法,并且实现了N种证券投资组合优化的模拟分析,得出比用二次规划算法求解更好的结果.

一种基于DirectX的碰撞检测算法

研究了三维空间中的碰撞检测问题。提出一种基于DirectX的物体三角形碰撞检测方法,在游戏程序中分析并实现了这种碰撞检测算法。该算法能以较快的速度解决游戏程序中物体间的碰撞问题。缉过适当的优化,该算法可用于大型3D游戏、虚拟现实等大型场景中的碰撞检测问题。

小波变换在HSV颜色空间上的图像检索应用研究

在传统的基于小波变换的图像检索方法中,并没有对HSV颜色空间的不同颜色分量进行小波变换并考虑它们的重要性大小。针对这个问题,提出一种新的在HSV颜色空间中利用小波变换进行图像检索的方法。该方法首先将每张图像由RGB颜色空间转换到HSV颜色空间,然后分别对图像的每个颜色分量(H,S,V)进行小波变换,并用小波系数矩阵的二阶矩表示图像的纹理特征,从而得到图像的特征向量,最后根据三个颜色分量重要性大小合理分配权值,计算查询图像与图像数据库中图像的相似度,得到图像检索结果。实验结果表明,本方法在图像实验数据库中能获得较好的检索效果。

基于GPU的视频序列中运动目标轮廓提取

传统的高斯混合建模算法对阴影的抑制效果差,且存在噪声干扰和对光照突变比较敏感的问题。采用了一种改进的高斯混合建模方法进行运动目标轮廓提取。该方法利用Canny边缘图像对噪声和光照适应性强的特点,将传统高斯混合模型与Canny边缘检测相结合来提取目标轮廓。但是,该方法复杂度高且计算量大,不满足视频分析实时性的需求,因此,运用GPU强大计算能力和并行处理的优势,基于CUDA平台设计并实现了该运动目标轮廓提取算法。实验结果表明,该算法增强了对噪声和光照的适应性,且有效抑制了图像中的阴影,在保证效果的前提下能够更快速地提取视频序列中的运动目标轮廓。

Sobel算子在提取视频运动目标轮廓中的应用研究

在计算机视觉领域中,从视频流中获取清晰的运动目标轮廓对于目标的跟踪识别以及行为判断等高层次处理具有非常重要的意义。传统的帧间差分法虽然可以粗略的提取到运动目标,但却未能很好的解决算法留下的"空洞"和"重影"问题。本文首先采用Sobel算子提取每一幅帧图像的轮廓,然后将帧间差分法提取得到的运动目标同该轮廓做"与"运算,从而得到线条清晰的目标轮廓。实验表明,该方法较传统帧间差分法而言,在保证原有轮廓的同时,也能消除移动速度对轮廓的影响。

基于注意力机制的深度哈希图像检索方法

传统的深度哈希图像检索方法所生成的二进制哈希码存在信息冗余,不能很好地反映图像局部语义信息。提出一种卷积神经网络同注意力模型相结合的深度哈希图像检索方法,使用VGG16网络作为图像的特征提取器,接着在模型的卷积层之后添加注意力模块,提炼出更有效的特征图,最后在模型的全连接层输出二进制哈希码作为图像的特征,从而提高图像检索任务的精确度。在CIFAR-10和NUS-WIDE数据集上的实验表明,添加注意力机制后,模型在两个数据集下使用不同位数二进制哈希码的检索精度最高达到85.3%与78.1%,均高于未使用注意力机制的情况,验证了注意力机制的有效性。

卷积神经网络在跨媒体检索中的应用研究

为了适应人们多样化的检索需求,国内外研究人员提出各种＂浅层＂学习方法模型来探索跨媒体数据间潜在的关联关系,但这些方法主要从手工构建的底层特征出发,并不能充分有效的学习到不同媒体间的关联。与手工构建底层特征不同,深度学习通过无监督逐层预训练与有监督的微调,从而实现区分性更强的特征描述。利用深度学习在特征学习方面的优越性,提出了一种基于深层卷积神经网络VGGNet与LDA模型相结合的跨媒体数据检索方法,该方法利用预训练的VGGNet模型提取图像视觉特征,同时使用LDA模型获取文本的主题概率分布,有效的缩减了不同模态数据间的异构鸿沟与语义鸿沟,从而更有效的实现文本与图像之间的跨媒体检索,实验证明了该方法的先进性和有效性。

基于CUDA的图像快速并行细化算法的研究与实现

在图像处理和模式识别中,通过细化算法抽取图像的骨架是一项极有意义的工作。由于大多数传统细化算法都需要按照一定顺序对每个像素进行逐点扫描,执行效率不高,另外图像细化算法中数据之间的关联性不大,将传统的快速并行细化算法移植到CUDA(compute unified device architecture)平台上,运用CUDA的并行处理优势对图像进行细化处理。实验表明,该方法在保证细化处理效果的前提下,还能将运算效率提高达到幂级数级。

基于深度柯西哈希的图像检索研究

传统的基于内容的图像检索方法,由于图像表达能力不强,处理数据又需要耗费大量的计算时间,不利于大规模图像检索。提出一种VGG16模型同深度柯西哈希相结合的图像检索方法,用VGG16来提取检索精度高的图像视觉特征,加入哈希层来生成对应的紧凑且集中的二进制哈希码,并建立高效的索引结构,来提升图像检索效率。相比于其他传统的哈希图像检索方法,基于柯西分布设计的深度哈希检索方法,可以有效地提高在汉明距离小于2时的图像检索准确率。在CIFAR-10数据集上,与7种传统的深度哈希检索方法进行对比实验。实验结果显示,提出方法的检索准确率分别提升了5到17个百分点。

基于深度视觉特征正则化的跨媒体检索研究

针对不同模态数据在底层空间上具有特征异构性的问题,以及传统的图像特征提取方法不能有效表达图像语义的问题,提出了一种基于深度视觉特征正则化的跨媒体检索方法。在此算法中,首先使用经过目标数据集微调的卷积神经网络提取图像的深度视觉特征,同时使用LDA模型提取文本底层特征,然后利用多类逻辑回归对图像和文本的底层特征进行训练和预测。由于文本特征具有较强的判别能力,而图像特征的分布特性杂乱,本文利用图像特征与文本特征之间的对应关系,使用文本特征对图像特征进行正则化,从而有效改善图像的视觉特征,提高图像视觉特征的语义表征能力。实验证明了该算法可以有效提高跨媒体检索的准确率。

集合随机抽选法在智能组卷中的研究

提出了一种基于集合的随机抽选的智能组卷算法,该算法是以集合论为基础,将智能组卷的要求形式化,将满足要求的试题组成试题库集合,采用集合随机抽取算法进行试题组卷。该算法与传统的组卷算法在生成试卷的效率上进行了比较,同时针对由算法所引起的修改操作困难提出了解决方法。将用户的组卷要求用集合的形式描述出来,满足要求的试题被组成试题库集合,采用集合随机抽取算法进行自动组卷。

小波神经网络在输电导线断股故障诊断中的应用

讨论了小波降噪和小波奇异性检测的原理，并利用这些原理对输电导线断股故障信号进行了二进小波分解，提取Ｗ３２～Ｗ５２尺度上的特征参数作为神经网络的输入。

基于AABB树的碰撞检测算法的内存优化

介绍了从存储空间角度来改进基于AABB树的碰撞检测算法的方法。根据有关三角形间快速相交测试算法和三角形与包围盒间的快速相交测试算法,略过包围盒间的相交测试,从叶节点结构里去掉包围盒信息,将叶节点从存储结构中删除。对一棵含有N个节点的AABB树而言,可以节约一半节点的内存空间。实验表明,利用AABB树叶节点的内存优化,减少了算法所需的内存空间且加快了算法的执行时间。