多级融合的倒置金字塔注意力U-Net在车牌检测中的研究

准确测试出车牌位置是车牌识别系统(LPRS)的关键步骤,为了提高车牌检测的性能,本文提出多级融合的倒置金字塔注意力U-net (AUMFIF)。先将原始图像送入改进网络,其次通过原始图像的卷积运算生成多个级别的特征图,通过多层拼接和卷积来检测更多含有丰富的空间信息的特征图。然后以分层的形式,将这些特征图与倒置特征金字塔网络逐层进行融合连接,所得到的特征图不仅有丰富的空间信息还具有饱满的语义信息。最后,将注意力机制用于保留重要区域的信息,并且抑制无关背景区域,便可得出车牌位置的分割图像。为了验证所提出方法的有效性,本文在AOLP车牌数据集上进行了一系列实验。实验结果表明,该方法能够有效地提高车牌位置检测的性能。

倒置的金字塔式组织结构新解

马克斯·韦伯提出的官僚制组织理论,在管理实践领域运用最为广泛,它对人们理解组织产生了极其深远的影响,同时也受到了极大的误解。这种误解有很大一部分来自金字塔式的组织结构图。针对以上问题,文章提出以倒置金字塔方式的新视角来理解组织,可以在保持韦伯理论核心的同时减少误解。

科学搜索引擎Scirus的工作流程初探

随着信息技术的飞速发展和信息量的快速增长,人们面对的是浩如烟海的信息,如果没有搜索引擎的帮助,要想从中获得自己所需要的信息并非易事,特别是对于科学的、专业领域信息的搜索更是如此。Scirus正是迎合了这一信息需求,作为一个科学搜索引擎出现了。Scirus凭着优秀的搜索表现,连续三年被“搜索引擎观察”评为最佳专业搜索引擎。文章介绍了科学搜索引擎Scirus的倒金字塔结构的工作流程以及对“相似结果”的处理原理。

科学搜索引擎Scirus研究

科学搜索引擎Scirus是一种针对科学的、专业领域信息的搜索引擎。它帮助人们从浩如烟海的 网络信息中准确快速地获得所需要的科学信息。Scirus凭着优秀的搜索表现,连续三年被"搜索引擎观察"评为 最佳专业搜索引擎。本文介绍了Scirus的一些基本情况,并以《Scirus白皮书》为基础,研究Scirus如何能够准 确地搜索到用户所需要的信息。

结合倒置特征金字塔和U-Net的高光谱图像分类

目的地物分类是对地观测研究领域的重要任务。高光谱图像具有丰富的地物光谱信息,可用于提升遥感图像地物分类的准确度。如何对高光谱图像进行有效的特征提取与表示是高光谱图像分类应用的关键问题。为此,本文提出了一种结合倒置特征金字塔和U-Net的高光谱图像分类方法。方法对高光谱数据进行主成分分析(principal component analysis,PCA)降维,获取作为网络输入的重构图像数据,然后使用U-Net逐层提取高光谱重构图像的空间特征。与此同时,利用倒置的特征金字塔网络抽取相应层级的语义特征;通过特征融合,得到既有丰富的空间信息又有较强烈的语义响应的特征表示。提出的网络利用注意力机制在跳跃连接过程中实现对背景区域的特征响应抑制,最终实现了较高的地物分类精度。结果分析了PCA降维方法和输入数据尺寸对分类性能的影响,并在Indian Pines、Pavia University、Salinas和Urban数据集上进行了对比实验。本文方法在4个数据集上分别取得了98.91%、99.85%、99.99%和87.43%的总体分类精度,与支持向量机(support vector machine,SVM)等相关算法相比,分类精度高出1%~15%。结论本文提出一种结合倒置特征金字塔和U-Net的高光谱图像分类方法,可以应用于有限训练样本下的高光谱图像分类任务,并在多个数据集上取得了较高的分类精度。实验结果表明倒置特征金字塔结构与U-Net结合的算法能够高效地实现高光谱图像的特征提取与表示,从而获得更精细的分类结果。

企业级IT技术的商业化拐点

应用场景,才是企业级IT技术商业化的拐点:不能为用户企业带来现实业务能力提高的IT技术,最终都将会被市场淘汰。这是技术发展的唯一判断标准,更是商业社会进步的公认逻辑.按照技术与应用的结合程度,所有的IT技术都会经历一个类似于倒置金字塔的应用筛选过程:技术转化阶段、技术结合阶段和技术深化应用阶段。其中,“技术结合阶段”就是将IT技术与企业的现实业务场景进行融合,准确定位其“应用场景”,而只有突破了这一关口,才有可能赢得真正的商业机会。