视空工作记忆负载对真实场景搜索绩效的影响

采用视空工作记忆任务和真实场景搜索任务相结合的双任务范式,结合眼动技术将搜索过程划分为起始阶段、扫描阶段和确认阶段,探究视空工作记忆负载对真实场景搜索绩效的影响机制,同时考查试次间搜索目标是否变化、目标模板的具体化程度以及搜索场景画面的视觉混乱度所起的调节作用。结果表明,视空工作记忆负载会降低真实场景搜索的成绩,在搜索过程中表现为视空负载条件下扫描阶段持续时间的延长、注视点数目的增加和空间负载条件下确认阶段持续时间的延长,视空负载对搜索过程的影响与目标模板的具体化程度有关;空间负载会降低真实场景搜索的效率,且与搜索画面的视觉混乱度有关,而客体负载则不会。由此可见,视空工作记忆负载对真实场景搜索绩效的影响不同,空间负载对搜索过程的影响比客体负载更长久,二者均受到目标模板具体化程度的调节;仅空间负载会降低真实场景的搜索效率,且受到搜索场景画面视觉混乱度的调节。

空间工作记忆负载影响真实场景搜索绩效的眼动研究

采用空间工作记忆任务和真实场景图片搜索任务相结合的双任务范式,结合眼动技术将搜索过程划分为起始阶段、扫描阶段和确认阶段,探讨空间工作记忆负载对真实场景搜索绩效的影响机制,同时考察场景情境一致性和视觉混乱度的调节作用。结果发现:空间工作记忆负载在搜索成绩和效率方面的主效应显著,且与视觉混乱度存在交互作用;空间工作记忆负载对真实场景搜索成绩的影响主要表现在搜索过程的起始阶段和确认阶段。由此可见,空间工作记忆负载会降低真实场景图片搜索的成绩和效率,且受视觉混乱度的调节。

垂直搜索引擎在企业内部的应用探索

随着大数据时代的来临,数据信息不断膨胀,用户如何利用工具进行精确检索,获取自己需要的有效信息,成为一个重要问题。特别在于企业内部,这一问题显得更加突出,因为企业信息化进程往往不是一蹴而就的。这就造成在同一家企业内同时存在多套功能不同且相互独立的信息系统,各个系统甚至有不同的供应厂商。所有企业都非常有必要开展提升信息检索能力这项基础工作,解决跨系统、跨业务的多源信息分散搜索问题,使零散的信息通过一定的关联关系进行多角度的串联并展示。

自动驾驶系统中视觉感知模块的安全测试

近年来,基于深度学习的视觉感知技术的发展极大地促进了车联网领域中自动驾驶的繁荣,然而自动驾驶系统的安全问题频出引发了人们对自动驾驶未来的担忧.由于深度学习系统的行为缺乏可解释性,测试基于深度学习的自动驾驶系统的安全性极具挑战.目前,已有针对自动驾驶场景的安全性测试工作被提出,但这些方法在测试场景生成、安全问题检测和安全问题解释等方面仍存在不足之处.针对基于视觉感知的自动驾驶系统,设计开发了一种场景驱动的、可解释性强的、运行高效的安全性测试系统.提出了一种能够平衡真实性与丰富度的场景描述方法,并利用实时渲染引擎生成可以用于驾驶系统安全性测试的场景;设计了一种高效的针对非线性系统的场景搜索算法,其可以针对不同的待测试系统动态调整搜索方案;同时,还设计了一个故障分析器,自动化分析定位待测试系统的安全性缺陷成因.复现了现有基于实时渲染引擎的动态自动驾驶测试系统,并同时使用本系统和复现系统对CILRS系统和CIL系统进行安全测试,实验结果表明相同时间下该工作的安全问题发现率是复现的场景驱动的动态测试方法的1.4倍.进一步的实验表明:可以分别为具有代表性的深度学习自动驾驶系统CIL和CILRS,从旷野、乡村与城市的3类环境中动态生成的共3000个场景中,搜索到1939个和1671个造成故障的场景,并且每个故障场景的搜索时间平均为16.86 s.分析器从统计的角度判断出CILRS系统容易导致故障的区域在道路两侧,雨天和红色或黄色物体更易导致该自动驾驶系统发生故障.