融合金字塔和注意力机制的文物子图检索模型

随着中国文化研究工作的深入以及数字化文物采集技术的发展,文化资源数据和文化数字内容的数量也随之增长,如何对文化数据进行有效存储、管理以及检索成为一项重要的工作。针对文物图像数据检索任务中因尺度变化和特征选择造成检索精度不高的问题,提出了一种融合折叠多空洞金字塔池化和注意力机制的文物子图检索模型。模型为提高不同尺度的文物子图检索精度,通过在图像特征提取模块使用优化后的折叠多空洞金字塔池化提取图像的多尺度信息;为避免密集局部特征和无关特征影响检索准确率,使用注意力机制对局部特征进行关键特征选择。最后在所构建的文物数据集上进行了消融实验和性能对比实验,实验结果取得了良好的效果,mAP达到85.3%。

基于Transformer的传统纹样子图检索方法

针对如何有效、准确地检索传统纹样子图数据原图的问题,提出了一种基于Transformer的传统纹样子图检索算法。首先构建传统纹样子图数据集,其次利用卷积神经网络提取多层次的特征图进行融合。针对数据库中的图像利用Transformer生成预测框,将预测框映射回融合特征图提取局部与全局特征图后利用特征聚合算法聚合为全局与局部特征向量;针对查询子图,仅利用特征聚合算法对融合特征图进行聚合为全局向量。之后将查询子图的特征向量与数据库图像的特征向量分别进行相似度计算,排序后得到检索结果。对比实验证明本论文子图检索模型的有效性。

大规模知识图谱数据的分布式存储与检索系统

知识图谱已经广泛应用于各个领域。针对传统集中式查询的效率低和硬件压力大等问题,对大规模知识图谱的分布式检索与查询进行了研究。采用基于查询负载优化的轻量级重划分算法,通过设置不同权重实现了服务器间的查询负载均衡,从而在查询速度和系统性能上都有了显著的提高。同时,设计了基于查询代价的子图分解查询算法,以查询图的结构信息为基础,加快了系统的查询速度。在分布式微服务管理系统中,采用Spring Cloud的分布式微服务架构和Nginx的负载均衡技术,保证了系统在高并发情况下的可靠性和高可用性。实验结果表明,这些算法在查询效率和系统性能方面都优于传统算法,具有实际应用价值。

基于ROI的图像检索算法研究

针对全局特征的图像检索不能很好地满足用户的意图和基于图像分割的检索过分依赖复杂的图像分割算法二者的不足,在基于子图的检索思想的基础上,给出了一种基于用户感兴趣区域的图像检索算法。该算法无需对图像进行复杂的分割就能提取对象特征,实验证明该算法具有简单、高效、查全率较高的优点。