基于深度学习和距离度量的行人再识别研究

行人再识别研究的内容是从一个视角选取目标行人,在非重叠视角的大量数据集中,识别出相同的行人。客观存在的多种因素会对识别的匹配率造成影响,研究内容是在雾霾天气下的行人再识别问题。针对雾霾天气会对所获取的图像产生诸如特征提取困难等问题,先利用基于深度学习的去雾算法进行图片预处理,然后使用局部最大特征出现算法以及距离度量学习的算法对图像进行特征提取和距离计算。在改进的VIPeR数据集上进行实验,结果表明,该方法提升行人再识别的匹配率。

基于特征融合与改进神经网络的行人再识别

行人再识别中,为了获得基于突出性颜色名称的颜色描述(SCNCD)特征对于光照变化较好的鲁棒性,提出了融合SCNCD特征和对于视角变化鲁棒性高的局部最大出现概率(LOMO)表观特征;为了获得图像的结构信息,将图像划分为多个重叠块,并提取块特征;针对神经网络容易陷入局部极小值,且收敛速度慢的问题,引入动量项。经过公用VIPeR数据库和PRID450s数据测试后,实验结果表明:融合后的特征的识别能力明显高于原特征的识别能力,且改进后的神经网络收敛速度明显提高。

基于特征融合和度量学习的车辆重识别

在不同的道路交通视频监控拍摄条件下,识别出同一车辆是车辆重识别需要解决的主要问题。针对车辆重识别时不同拍摄视角、光照等拍摄条件同一车辆的视频监控图像存在差异的问题,提出一种结合特征融合和度量学习的车辆重识别方法。利用Local Maximal Occurrence(LOMO)方法对车辆样本进行特征表示,该特征提取方法可以有效的降低外界拍摄条件对识别率的影响,对提取的特征数据进行LDA降维可减少计算复杂度提高分类精度,并通过马氏距离(Mahalanobis distance)对车辆样本进行精确的重识别。实验结果表明,该方法在车辆重识别方面具有较高的识别率,且对光照变化、视角变化都具有较好的鲁棒性。

基于特征融合网络的行人重识别

行人重识别旨在大规模的分布式监控系统中进行行人目标匹配,紧凑且具有鲁棒性的特征表达对其至关重要,为此,本文提出了一种基于特征融合网络的特征提取方法.首先,利用STEL算法增强了LOMO特征对背景噪声的抗噪性能,利用KPCA算法降低维度以便于后续融合.随后,本文探索了手工特征和CNN特征的互补性,将改进LOMO特征融入至卷积神经网络之中,得到了区分度更高的融合特征.在VIPeR和CUHK01数据集上的测试结果表明,本文融合特征的区分度明显高于单一特征和级联特征, Rank-1较级联特征分别提高了3.73%和2.36%.

低温低伤害页岩气压裂用胶液性能研究与现场应用

基于常压低温页岩气储层压裂液破胶难、不易返排等问题开展了低温低伤害压裂液配方体系研究及性能评价工作,形成了适用于常压低温页岩气储层的LOMO胶液压裂液技术。在实验室,该胶液具有较好的耐温耐剪切性、减阻性和低温破胶性:在60℃,170s-1条件下剪切1h,粘度在60mPa·s左右;室内减阻率大于50%;在20℃条件下可以实现彻底破胶,破胶后分子量小于10 000。将该压裂液技术应用于EY1HF井,表现出总体性能稳定、减阻性能好、携砂性能好等特点,达到设计效果。

染料分子结构与颜色关系的量子化学分析

文章运用MOPAC半经验量化程序,对部分染料分子结构进行计算,然后将结果和事实相对照与比较,从而分析染料分子结构与颜色的关系,并从中总结出一些规律。

低水分熄焦在首钢焦化厂的应用

从工艺、改造、调试、应注意问题及改造后焦炭质量的改善几方面，介绍了首钢焦化厂低水分熄焦的应用情况。

浅析LOMO——一种新摄影文化形态

近年来"LOMO"作为一个新兴字眼频繁出现于摄影词汇中。LOMO从一家名为列宁格勒光学设备与机械厂的缩写,到成为一种新摄影文化形态,作为一种摄影生活方式而存在,其摄影概念和视觉信条对1990年代摄影艺术和审美产生了重大影响。文章试图分析这种新艺术形态流行的根源,艺术表现形式、文化形态和理论基础,当然还有问题和不足。