有效特征的提取和高效使用是显著性物体检测中极具挑战的任务之一。普通卷积神经网络很难兼顾提取有效特征和高效使用这些特征。本文提出双向消息链路卷积网络(bidirectional message link convolution net-work,BML-CNN)模型,提取和融...有效特征的提取和高效使用是显著性物体检测中极具挑战的任务之一。普通卷积神经网络很难兼顾提取有效特征和高效使用这些特征。本文提出双向消息链路卷积网络(bidirectional message link convolution net-work,BML-CNN)模型,提取和融合有效特征信息用于显著性物体检测。首先,利用注意力机制引导特征提取模块提取实体有效特征,并以渐进方式选择整合多层次之间的上下文信息。然后使用带有跳过连接结构的网络与带门控函数的消息传递链路组成的双向信息链路,将高层语义信息与浅层轮廓信息相融合。最后,使用多尺度融合策略,编码多层有效卷积特征,以生成最终显著图。实验表明,BML-CNN在不同指标下均获得最好的表现。展开更多
为了实现A d hoc网络中的端到端的可靠传输,利用带外信令与带内信令相结合的方式建立虚电路。业务发起点利用带内信令携带的链路建立消息和资源预留消息来预留反向虚电路,业务接收端在反向虚电路建立成功后,利用带外信令预约正向虚电路...为了实现A d hoc网络中的端到端的可靠传输,利用带外信令与带内信令相结合的方式建立虚电路。业务发起点利用带内信令携带的链路建立消息和资源预留消息来预留反向虚电路,业务接收端在反向虚电路建立成功后,利用带外信令预约正向虚电路。对于网络拓扑变化所引起链路故障,采用反向链路故障通告和局部路由恢复相结合的策略进行修复。当虚电路建立起来后,可利用虚电路的面向连接特性,应用端到端的报头压缩策略,达到进一步减小网络中控制开销并缩小端到端的处理时延的目的。展开更多
文摘有效特征的提取和高效使用是显著性物体检测中极具挑战的任务之一。普通卷积神经网络很难兼顾提取有效特征和高效使用这些特征。本文提出双向消息链路卷积网络(bidirectional message link convolution net-work,BML-CNN)模型,提取和融合有效特征信息用于显著性物体检测。首先,利用注意力机制引导特征提取模块提取实体有效特征,并以渐进方式选择整合多层次之间的上下文信息。然后使用带有跳过连接结构的网络与带门控函数的消息传递链路组成的双向信息链路,将高层语义信息与浅层轮廓信息相融合。最后,使用多尺度融合策略,编码多层有效卷积特征,以生成最终显著图。实验表明,BML-CNN在不同指标下均获得最好的表现。
文摘为了实现A d hoc网络中的端到端的可靠传输,利用带外信令与带内信令相结合的方式建立虚电路。业务发起点利用带内信令携带的链路建立消息和资源预留消息来预留反向虚电路,业务接收端在反向虚电路建立成功后,利用带外信令预约正向虚电路。对于网络拓扑变化所引起链路故障,采用反向链路故障通告和局部路由恢复相结合的策略进行修复。当虚电路建立起来后,可利用虚电路的面向连接特性,应用端到端的报头压缩策略,达到进一步减小网络中控制开销并缩小端到端的处理时延的目的。
