一种基于自监督学习的矢量球面卷积网络

在三维视觉任务中,三维目标的未知旋转会给任务带来挑战,现有的部分神经网络框架对经过未知旋转后的三维目标进行识别或分割较为困难.针对上述问题,提出一种基于自监督学习方式的矢量型球面卷积网络,用于学习三维目标的旋转信息,以此来提升分类和分割任务的表现.首先,对三维点云信号进行球面采样,映射到单位球上;然后,使用矢量球面卷积网络提取旋转特征,同时将随机旋转后的三维点云信号输入相同结构的矢量球面卷积网络提取旋转特征,利用自监督网络训练学习旋转信息;最后,对随机旋转的三维目标进行目标分类实验和部分分割实验.实验表明,所设计的网络在测试数据随机旋转的情况下,在ModelNet40数据集上分类准确率提升75.75%,在ShapeNet数据集上分割效果显著,交并比(Intersection over union,IoU)提升51.48%.

大数据时代企业金融风险管理的策略研究

随着进入大数据时代,我们的社会和经济的发展都对互联网产生了更大的依赖性,这也推动了对金融风险管理的关注。该文通过探讨大数据时代企业金融风险管理的相关策略,针对当前金融市场风险多变、信息量庞大的特点,通过树立金融风险意识、加大金融风险监管力度、不断完善信息管理体系、不断提升员工业务素质等策略的研究分析,提出了在大数据时代有效应对金融风险的策略建议,通过策略建议,企业可以更有效地管理和降低金融风险,提高市场竞争力,促进企业的稳健发展。