改进Faster R-CNN的遥感图像小目标检测算法

遥感图像目标检测是目标检测领域的一个关键问题,目前利用深度学习检测目标的算法大多在单向特征融合过程中添加注意力机制,一视同仁地去增强各类型的目标,并不能突出小目标。为了取得更好的检测效果,通过引入非对称高低层调制机制,构造兼顾低层细节信息和高层语义信息的特征图,以达到增强小目标特征检测的目的;同时使用DIoU损失函数代替原算法SmoothL1损失函数以提升算法检测精度与收敛速度;并且在感兴趣区域分类任务中引入灵活上下文信息以提高小目标分类准确性。实验结果表明,该算法在DIOR和NWPU VHR-10数据集上均取得了良好的表现。

江南文脉视域下的钟山文化特质研究

江南地区是中华文明的重要发祥地之一,以长三角地区为其主要分布区,江南文化所处的地理环境成就了江南文脉延续的特征。江南名山作为孕育江南文化的重要地理空间形态,也成为江南文脉延续的载体。作为南京母亲山的钟山曾有多个称谓,自魏晋存史,延续至唐时便名列江南名山,不仅具有物质文化特质,也具有非物质文化特质。基于对江南文脉式样的考察,通过对历史文献的考据整理,以钟山名称演变历史的文化背景为基础,建立以“山名+八地”时空分析为路径的历史名山演进技术逻辑,梳理出钟山所蕴含的“八地”文化特质,即山水形胜地、形便分界地、军事要冲地和皇陵禁封地的物质文化特质,八景游赏地、寺院道观地、雅集文兴地和修身隐逸地的非物质文化特质,力图展现江南文脉中名山文化的显性式样与隐性式样,为实现江南文脉的传承创新,构建解读历史名山文化特质的体系模式提供思路借鉴,以期促进江南文脉更好地奔流向前。

基于多尺度语义的目标检测方法

针对基于卷积神经网络(convolutional neural network,CNN)的检测方法只关注目标的自身信息,忽略了语义信息,限制目标检测精度提高的问题,提出一种多尺度语义提取网络,分别提取CNN多层特征图的语义信息并融合,实现目标全局语义和局部语义的提取。在此基础上,将自身特征与语义特征融合,实现目标检测框架中自身特征和语义特征的编码。实验结果表明,该方法与原始的目标检测网络相比,检测精度有明显提高,尤其是对混叠目标和小目标具有良好的检测效果。

几种递归神经网络及其在系统辨识中的应用

递归网络中包含延时变量 ,用其来进行系统辨识时可以得到动态网络系统。首先介绍了Elman网络和Jordan网络及其改变型。根据网络的输入 /输出数据 ,采用BP算法和数值优化算法进行训练 ,并利用一个具体的系统模型辨识的例子 ,通过性能对比揭示了各网络用于系统辨识时的优缺点 ,为递归网络的合理应用提供参考。

结合结构下文及词汇信息的汉语句法分析方法

针对句法分析中上下文无关语法模型对句子信息利用的不足,通过融入结构下文和部分词汇信息,提出两种基于概率上下文无关语法模型的短语结构消歧方法,以达到消解结构歧义的目的;引入分层分析的算法,通过损失一定的时间效率使得在提高分析准确率的同时保证分析结果的全面性。实验结果表明,融入结构下文及词汇信息的汉语句法分析方法,利用了更多的句子信息,与上下文无关语法相比有着更强的消歧能力。

一种利用适合性测试支持方法重定向的演算

一些面向上下文的编程语言使用结构化的块结构(block-structured construct)将方法调用重定向到层中方法.但该结构无法支持层的动态添加与激活,这增加了程序可执行文件的大小.为了解决该问题,提出一种新方法:使用适合性测试支持方法的重定向,并定义一个运行时的适合性测试演算(runtime fitness testing calculus on top offeatherweight Java calculus)形式化描述该方法.该演算以FJ演算(featherweight Java calculus)为核心,通过融入新的语言结构——层,基于上下文的方法查找与对象转化描述基于适合性测试的方法重定向,分析它对程序类型安全的影响,制定相应约束,并证明在满足该约束的条件下能够保持程序的类型安全,从而证明所提方法的有效性.以该演算为指导,描述如何通过扩展Java的编译器与虚拟机,实现将层、基于上下文的方法查找与对象转化融入到Java语言,并通过实验测试实现,证明所提方法的可行性.该演算及其实现可用于指导如何扩展类似Java(Java-like)的语言以支持程序基于上下文动态调整其行为,并同时保证程序的类型安全.

情境驱动的室内位置地图动态表达

室内位置地图可以根据用户的"位置"及环境变化,动态地表达位置服务信息,是实现室内位置个性化和精准化服务的重要平台。重点研究情境驱动下室内位置地图的动态表达。在分析室内位置地图特征的基础上,提出影响室内位置地图表达的情境类型;设计地图表达图层及构成要素,提出情境驱动的室内位置地图表达过程与技术方法;给出商场购物活动中不同情境条件下地图动态表达的应用示例。

空间的逻辑——文学语境空间层域的内部关系

作为语言学的语境被分为三层:上下文语境、情景语境和社会文化语境。文学作为艺术的语言也相应地可以分为文学作品语境、文学情景语境与文学文化语境。文学作品语境层是文学语境的核心;文学文化语境层是另外两层语境的最终依靠;文学情景语境作为中间层域衔接内外两个语境层。文学情景语境层之中的文学媒介语境、文学话语情态语境和文学功能语境都承担着文学作品语境与文学文化语境之间的衔接功能。文学情景语境的这三个维度并非截然分离而存在,它们之间又互相关联,互为语境而存在,甚至互相内嵌于对方。这三个维度互相之间的紧密关系使得整个文学语境成为一个有机的存在。

基于多层上下文卷积神经网络的目标检测算法

目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网络组成,RPN获取固定长度的特征向量作为目标特征,MLC获取不同层特征图上对应的上下文信息特征,最后融合两部分特征.此外,为了解决数据不均衡问题,融入难负样本训练.在PASCAL VOC2007和PASCAL VOC2012数据集上的实验表明,MLC-CNN的均值平均精度(mAP)具有明显提高.

宁波城市剖面特征及其人文地理学与城乡规划实习线路设计

人文地理学、城乡规划是实践性较强的学科,需要在野外踏勘与观测过程中强化理论应用和实务熟稔,以实现理论—实践—创新创业的贯通式专业人才培养。运用SPSS22.0统计识别宁波中心6区沿三江切分的城市剖面要素,筛选人文地理学与空间规划的实习初筛样点;同时采用ArcGIS10.0可视化文化层累,验证与确认初筛样本,继而构建表征宁波城市剖面地方性的专业实习线路。研究得出:(1)宁波城市剖面以水系和古人类活动遗址及水运为特色,表征地方性样点是戚远城、泮池、保国寺、天一阁、它山堰、宁波三江口(大运河宁波部分)、水则碑、永丰库遗址、阿育王寺以及天童寺。(2)能够表征宁波城市地方性的人文地理学与城乡规划认知实习线路是人类文明起源、水利港口工程海防、书藏古今等样带,及1条补充性市内综合实习路线——宗教建筑与微人居环境观测。

概念格理论中的G-D基蕴涵约简研究

概念格理论中的G-D基是一个形式背景的最小蕴涵基,从G-D基中可以产生一个背景的所有蕴涵,对G-D基的研究对于数据挖掘和规则提取都有很重要的意义。当G-D基中的蕴涵很多时,从它推导出背景中的全部蕴涵就很困难,减小G-D基的尺寸能够节省很多时间。提出了利用概念层次图约简G-D基的尺寸,通过利用Armstrong公理系统比较说明了G-D基的尺寸变小后推导蕴涵的效率明显提高,并提出了恢复G-D基中的蕴涵的一种并行算法,该算法基于可约属性类对G-D基中的蕴涵进行恢复。

认知网络与网络融合

分析了在无线技术快速发展背景下异构网络融合的特点和技术要求,阐释了认知网络概念及其"目标—认知决策—重配置"三层次网络结构模型,描述了作为认知网络基础的上下文感知、跨层设计和重配置三个关键技术,最后讨论认知网络在异构网络融合中的应用前景。

空巢老人智能监护系统中异常情况检测的研究

对空巢家庭的老人和设备的异常检测与即时预警是智能家居系统的重点和难点问题。利用多模态联合传感技术获取时空上下文信息,由各类感知组件进行处理而获取居住者的动作,用改进的多层隐马尔科夫模型对离散的动作进行抽象而获得人的高层行为——事件。居住者常态的表示模型被构建并作为行为正常与否的分类器来检测异常行为。为了表达上下文信息,采用语义分级、逐层抽象的方法设计了一套多媒体本体,用于智能家居系统中对媒体信息的语义化标注和推理。改进了针对室内多活动设备的多交叉事件的悲观情感模型,用以解决视频组件难以检测的活动设备状态变化的问题。实验证实该方案在异常检测和预警方面有很好的性能。

预应式切换中的信头压缩上下文转移机制

为了解决切换过程中重新建立信头压缩上下文开销大的问题,研究了上下文转移机制,提出了一种两步信头压缩上下文转移方法和使用二层触发器的实时上下文转移触发策略,通过转移信头压缩上下文,避免切换时重新建立信头压缩上下文的过程.评估了有上下文转移和无上下文转移机制下的时延、丢包和信头压缩状态迁移情况,仿真结果表明,所提方案能够建立并同步压缩器和解压器处的上下文,减小切换对信头压缩的影响.

基于上下文感知跨层特征融合的光场图像显著性检测

光场图像的显著性检测是视觉跟踪、目标检测、图像压缩等应用中的关键技术。然而,现有深度学习方法在处理特征时,忽略特征差异和全局上下文信息,导致显著图模糊,甚至在前景与背景颜色、纹理相似或者背景杂乱的场景中,存在检测对象不完整以及背景难抑制的问题,因此该文提出一种基于上下文感知跨层特征融合的光场图像显著性检测网络。首先,构建跨层特征融合模块自适应地从输入特征中选择互补分量,减少特征差异,避免特征不准确整合,以更有效地融合相邻层特征和信息性系数;同时利用跨层特征融合模块构建了并行级联反馈解码器(PCFD),采用多级反馈机制重复迭代细化特征,避免特征丢失及高层上下文特征被稀释;最后构建全局上下文模块(GCM)产生多尺度特征以利用丰富的全局上下文信息,以此获取不同显著区域之间的关联并减轻高级特征的稀释。在最新光场数据集上的实验结果表明,该文方法在定量和定性上均优于所比较的方法,并且能够精确地从前/背景相似的场景中检测出完整的显著对象、获得清晰的显著图。

情景驱动的“软件人”知识通信框架设计与实现

针对传统的基于消息的"软件人"通信方式在表达能力、通信效率及质量上出现的问题,在前期"软件人"系统及其通信理论、"软件人"知行模型和上下文感知机制的研究基础上,借鉴成熟的Agent通信语言规范,提出了情景驱动的"软件人"知识通信(CSMKC)框架。首先,对知识通信框架中的消息层、知识层和情景层进行了设计;然后,从消息层实现、知识层实现和情景层实现三个方面介绍情景驱动的"软件人"知识通信实现的关键点;最后,基本实现了不同"软件人"之间知识级的通信以及情景上下文的维护。实验结果表明,当后续通信内容对情景高依赖时,与传统的基于消息的"软件人"通信方式相比,CSMKC单位时间内的通信开销平均降低了46.15%。由此可见,系统完成一项任务时,情景依赖程度越高,CSMKC在降低通信开销方面的优势越明显。

Web语境敏感页面分层设计实现方法

语境context也称为上下文。针对Web语境敏感页面设计的复杂性问题,遵循EVP原则并借鉴COP,提出一种面向语境风格(COS,Context-Oriented Style)的页面分层语法。给出COS页面转换框架并说明其工作原理。区别于COP语言,COS在当前Web页面标签语言基础上设计了一种层槽语法,采用四元组来描述页面元素的变化,并设计实现一个解释器来实施变化。不同于传统的以元素为中心的页面描述方式,COS特点是语境条件为中心。通过实例验证COS方案简单有效,并具有语境变化适应性,同时增强安全控制的可验证性。

和谐社会语境下公共政策之公共利益解读

公共政策作为社会利益的调节器,始终应该以公共利益作为出发点和目的。对于公共利益的内涵界定,多年来一直是学界讨论的热点。在建构和谐社会的新语境中,公共利益无疑被赋予了新的意义,那么,重新解读这一点,无论对公共政策,还是和谐社会都有重大的理论和实践指导作用。

基于MFCF-UNet的CT图像肝肿瘤分割

针对现有算法对肝肿瘤边界分割不精准的问题,提出一种基于多尺度上下文融合和跨层融合的U-Net改进模型。在编码阶段末端设计了编码器融合模块(Encoder Fusion Module,EFM),从空间维度上自适应融合不同尺度的编码层特征;在解码阶段末端设计了解码器融合模块(Decoder Fusion Module,DFM),从通道维度上自适应整合不同尺度的解码层特征;为了去除跳跃连接特征背景噪声和解决跳跃连接带来的语义差距问题,设计了跨层融合模块(Cross-layer Fusion Module,CFM)。在LiTS2017数据集上进行了训练和测试,实验结果表明,该方法可以更准确地分割肿瘤边界,提高了肝脏肿瘤的分割精度。

基于改进R-FCN的多遮挡行人实时检测算法

当前车辆辅助驾驶系统的一个主要挑战就是在复杂场景下实时检测出多遮挡的行人,以减少交通事故的发生。为了提高系统的检测精度和速度,提出了一种基于改进区域全卷积网络(R-FCN)的多遮挡行人实时检测算法。在R-FCN网络基础上,引进感兴趣区域(RoI)对齐层,解决特征图与原始图像上的RoI不对准问题;改进可分离卷积层,降低R-FCN的位置敏感分数图维度,提高检测速度。针对行人遮挡问题,提出多尺度上下文算法,采用局部竞争机制进行自适应上下文尺度选择;针对遮挡部位可见度低,引进可形变RoI池化层,扩大对身体部位的池化面积。最后为了减少视频序列中行人的冗余信息,使用序列非极大值抑制算法代替传统的非极大值抑制算法。检测算法在基准数据集Caltech训练检测和ETH上产生较低的检测误差,优于当前数据集中检测算法的精度,且适用于检测遮挡的行人。