基于注意力机制及类别层次结构的弱监督目标定位

弱监督目标定位是指仅利用图像级的类别标注信息来训练目标定位器,而不需要使用精确的目标位置标注信息来进行算法训练.当前的一些方法往往只能定位出目标对象中最具鉴别性的部分而无法准确地标识出完整的目标对象,或者易受背景无关信息干扰从而导致定位结果不精确.为了解决上述问题,提出一种基于注意力机制和类别层次结构的弱监督目标定位方法.该方法通过对卷积神经网络的注意力图进行均值分割提取更完整的目标区域.进一步,通过类别层次结构网络实现对背景区域注意力的削弱,从而提高对感兴趣目标的定位精度.基于多个网络结构和公共数据集上的大量实验结果表明,相比目前已有的弱监督定位方法,所提方法在多个评价指标下均能够获得更好的定位效果.

融合目标定位与异构局部交互学习的细粒度图像分类

由于细粒度图像之间存在小的类间方差和大的类内差异,现有分类算法仅仅聚焦于单张图像的显著局部特征的提取与表示学习,忽视了多张图像之间局部的异构语义判别信息,较难关注到区分不同类别的微小细节,导致学习到的特征缺乏足够区分度.本文提出了一种渐进式网络以弱监督的方式学习图像不同粒度层级的信息.首先,构建一个注意力累计目标定位模块(Attention accumulation object localization module,AAOLM),在单张图像上从不同的训练轮次和特征提取阶段对注意力信息进行语义目标集成定位.其次,设计一个多张图像异构局部交互图模块(Heterogeneous local interactive graph module,HLIGM),提取每张图像的显著性局部区域特征,在类别标签引导下构建多张图像的局部区域特征之间的图网络,聚合局部特征增强表示的判别力.最后,利用知识蒸馏将异构局部交互图模块产生的优化信息反馈给主干网络,从而能够直接提取具有较强区分度的特征,避免了在测试阶段建图的计算开销.通过在多个数据集上进行的实验,证明了提出方法的有效性,能够提高细粒度分类的精度.

基于高分辨率类激活映射算法的弱监督目标实时检测

受益于深度学习的发展,目标检测技术在各类视觉任务中得到广泛关注。然而,获取目标的边框标注需要高昂的时间和人工成本,阻碍了目标检测技术在实际场景中的应用。为此,该文在仅使用图像类别标签的基础上,提出一种基于高分辨率类激活映射算法的弱监督目标实时检测方法,降低网络对目标实例标注的依赖。该方法将目标检测细划分为弱监督目标定位和目标实时检测两个子任务。在弱监督定位任务中,该文利用对比层级相关性传播理论设计了一种新颖的高分辨率类激活映射算法(HR-CAM),用于获取高质量目标类激活图,生成目标伪检测标注框。在实时检测任务中,该文选取单镜头多盒检测器(SSD)作为目标检测网络,并基于类激活图设计目标感知损失函数(OA-Loss),与目标伪检测标注框共同监督SSD网络的训练过程,提高网络对目标的检测性能。实验结果表明,该文方法在CUB200和TJAB52数据集上实现了对目标准确高效的检测,验证了该文方法的有效性和优越性。

基于亮度分级和方向密度的无监督文本定位

提出一种基于RGB亮度分级和方向密度的自然场景无监督文本定位方法,该方法基于场景文本通常与局部背景有较大的对比度这一特性,分别在R、G、B三个颜色层进行亮度分级,以降低背景复杂性;然后,利用文字笔画的显著方向性,以方向密度为依据进行文本区域粗定位;再进一步利用SVM多类分类器实现文本区域精确判别。新方法克服了一般无监督方法颜色聚类数目选定困难的问题,限制了候选区域的种类,从而降低了SVM分类器的训练难度,具有较高的准确性和鲁棒性。

基于渐进对抗学习的弱监督目标定位

针对实际应用中大量数据集缺乏精细位置标注的问题,提出了一种基于渐进对抗学习的弱监督目标定位算法。具体来说,针对数据集噪声造成训练困难的问题,引入自步学习对训练数据按由简到难的原则进行排序。在网络设计上,将弱监督目标定位网络设计为多标签分类网络,并提出了相应的对抗损失函数适应目标定位任务。为了解决现有方法往往只关注最具辨别力的部分,无法定位整个目标的问题,提出一种金字塔对抗擦除机制以此在最后的定位图中发现完整的目标。在数个标准的数据集的实验表明,该算法具有较高的定位精度,与最先进的弱监督目标定位的方法相比具有一定的竞争力。

一种基于区域权重平滑的弱监督目标定位方法

由于图像类别标签的弱监督目标定位方法存在定位区域仅覆盖目标最具有显著性类别信息部位的问题,同时,区域的类别信息响应受到关键权重的影响,且关键权重的不均衡导致了定位区域响应的稀疏性,因此,提出一种基于区域权重平滑的弱监督目标定位方法。文章设计了自适应标准差正则项,以缩小关键权重差异,从而在保留网络分类能力的同时平滑定位区域。在多个数据集上实验的结果表明,采用该方法所得的定位区域覆盖面更广,定位精度更高。

基于对抗擦除的细粒度图像数据增强方法

不同于常规图像识别,细粒度图像识别中不同类别的视觉差异往往只取决对象的细微部件,因此对于细粒度图像识别任务而言,发现对象具有判别力的细微部件发挥了重要作用。为此,文中提出了基于对抗擦除的数据增强方法(AEDA),在训练阶段首先通过特征图定位对象最具有判别力的细微部件作为增强的部件图像,然后擦除对象最具有判别力的细微部件作为增强的互补图像。通过输入部件图像可以使网络学习对象最具有判别力的细微部件,通过输入互补图像可以迫使网络发现对象其他具有判别力的细微部件。在细粒度图像识别领域的三个经典公开数据集上的实验结果表明文中所提数据增强方法可以大幅提升模型性能且全面优于基于擦除的经典数据增强方法Cutout。此外引入定位模块(AOLM),使文中所提方法识别性能进一步提升,在CUB、Aircraft、Car数据集上分别达到了88.7%、94.2%、95.3%的识别精度。同时该方法还大幅度提升了定位性能,表明其在弱监督目标定位视觉任务的潜力。

基于深度学习的风机叶片复杂场景目标定位检测算法

提出一种基于深度学习的风机叶片复杂场景检测与分析方法,为了解决弱监督目标定位算法中,目标定位区域不完整,定位区域中背景内容过多的问题,提出了一种应用在风机叶片复杂场景检测,基于自适应特征矫正的弱监督定位算法。该方法引入了自适应特征矫正模块,首先将输入的特征按通道分组,每组特征按照通道平均分为两部分,对这两部分特征分别使用空间注意力机制和改进的通道注意力机制,之后对两部分特征做拼接操作,最终对各组拼接后的特征做通道随机混合操作。在CUB目标定位数据集上对比验证了方法的有效性。实验结果表明,提出方法较基于自适应注意力增强的弱监督目标定位算法能够得到更加准确的目标区域。

基于多尺度特征卷积神经网络的目标定位

针对实际应用中诸多数据集标签部分缺失、无定位标注等问题,提出了基于多尺度特征卷积神经网络的弱监督定位算法。其核心思想是利用神经网络分层的特性,在多层卷积层上使用梯度加权类激活映射,生成梯度金字塔模型,并通过均值滤波计算特征质心位置,利用置信强度映射和阈值梯减模块产生连接的像素段,围绕最大边界标注进行弱监督定位。在标准测试集上的实验结果表明,该算法能够在存在大量类别、多尺度图像的情况下完成目标定位,具有较高的精确度。

对财政监督职能的新思考

财政监督是财政的重要职能之一,随着公共财政框架的逐步建立和规范,准确定位财政监督工作,健全财政监督工作机制,加强财政监督队伍建设;才能充分发挥财政的职能作用。

《产品质量国家监督抽查三点思考》的思考

国家质量技术监督局亦言同志的《产品质量国家监督抽查三点思考》在本刊第五期发表后,许多读者纷纷来信发表自己的看法。现将江苏常州市两位读者的看法摘录如下,以飨广大读者,同时感谢广大读者的积极参与。

基于CFSFDP与ELM相结合的半监督室内定位算法

针对室内环境复杂,难以获取足够多的有效标记数据进行定位,提出了一种将密度峰值快速搜索聚类(CFSFDP)和极限学习机(ELM)相结合的半监督室内定位算法(SLACE).SLACE利用CFSFDP聚类数据集,并标记聚类中心缺失的位置信息,扩充初始标记数据;利用ELM训练初始标记数据,根据输出阈值向量和"换位"思想扩充标记数据,提高定位准确率.实验表明:在标记数据个数相同时,该算法运行时间短,较ELM算法、BP算法而言,定位准确率明显提高.

基于多分辨率卷积神经网络的火焰检测

采用一种基于多分辨率卷积神经网络的火焰检测算法对真实场景中的火焰目标进行检测.该算法以BN_Inception网络为基础架构,采用不同分辨率的神经网络互补学习复杂场景中火焰的多尺度视觉特征,同时该算法重点关注检测目标场景的背景环境、局部目标和整体布局等特征.使用该算法在构造的涵盖大多数真实场景的火焰数据集上进行测试,实验结果表明,提出的算法能够取得更好的检测效果,并在实际场景中得到了有效验证.

融合弱监督目标定位的细粒度小样本学习

目的小样本学习旨在通过一幅或几幅图像来学习全新的类别。目前许多小样本学习方法基于图像的全局表征,可以很好地实现常规小样本图像分类任务。但是,细粒度图像分类需要依赖局部的图像特征,而基于全局表征的方法无法有效地获取图像的局部特征,导致很多小样本学习方法不能很好地处理细粒度小样本图像分类问题。为此,提出一种融合弱监督目标定位的细粒度小样本学习方法。方法在数据量有限的情况下,目标定位是一个有效的方法,能直接提供最具区分性的区域。受此启发,提出了一个基于自注意力的互补定位模块来实现弱监督目标定位,生成筛选掩膜进行特征描述子的筛选。基于筛选的特征描述子,设计了一种语义对齐距离来度量图像最具区分性区域的相关性,进而完成细粒度小样本图像分类。结果在mini Image Net数据集上,本文方法在1-shot和5-shot下的分类精度相较性能第2的方法高出0.56%和5.02%。在细粒度数据集Stanford Dogs和Stanford Cars数据集上,本文方法在1-shot和5-shot下的分类精度相较性能第2的方法分别提高了4.18%,7.49%和16.13,5.17%。在CUB 200-2011(Caltech-UCSD birds)数据集中,本文方法在5-shot下的分类精度相较性能第2的方法提升了1.82%。泛化性实验也显示出本文方法可以更好地同时处理常规小样本学习和细粒度小样本学习。此外,可视化结果显示出所提出的弱监督目标定位模块可以更完整地定位出目标。结论融合弱监督目标定位的细粒度小样本学习方法显著提高了细粒度小样本图像分类的性能,而且可以同时处理常规的和细粒度的小样本图像分类。

新形势下如何加强公交企业纪检工作

党的十九大报告中提出,把党的纪律建设摆在突出位置并将其纳入新时代党的建设总体布局中,展现了以严纪律管党治党的坚定决心。作为公交企业的一名基层单位纪检委员,笔者结合厦门公交集团有限公司(以下简称集团公司)实际,浅析当前形势下加强纪检工作的几点思路。

检察再造论——以职务犯罪侦查权的转隶为基点

随着国家监察体制改革的深入推进,检察机关的反贪、反渎等职务犯罪侦查权将转隶至监察委员会,这无疑对检察机关的职能定位产生重要影响。因而需要检讨过往检察权配置的适宜性及其实践困局,剖析检察＂软骨病＂的生成症结,并对未来中国检察权的功能架构进行理性设计。国家监察体制改革并未动摇宪法赋予检察机关的法律监督定位,只是法律监督的目标定位应为＂程序正义的守护者＂。这不仅需要革除批捕权和公诉权在基本运行范式上的弊端,还应当对检察机关的令状范围加以拓展,以塑造更为系统且符合中国本土法治资源的诉讼监督格局。此外,还应稳步推进民事行政监督和刑事执行监督等特色职能的开发,这或是提升检察权品质的适宜渠道。

对防火装修材料见证取样检验工作的思考

本文分析了见证取样检验制度实施过程中常见的问题。针对见证人员的资质管理、检测机构的规范建设和政府监督职能定位等提出了改进措施和意见。