基于多度量融合的无监督领域自适应行人重识别算法

行人重识别任务旨在跨相机下检索出特定的行人图像.虽然行人重识别任务得到了快速发展,在检索精度上得到很大的提升,但是依然面临着行人重识别模型在新的数据集上泛化能力有限,以及在无监督领域自适应任务中无法避免的伪标签噪声的问题.针对目前无监督领域自适应任务中由于聚类算法的局限性而导致伪标签出现噪声的问题,提出一种基于多度量融合的无监督领域自适应行人重识别算法.具体而言,多度量融合算法是在目标域上使用DBSCAN(density-based spatial clustering of applications with noise)聚类算法对特征空间的行人特征进行聚类时,通过多个特征相似度度量函数线性加权的方式,计算行人之间的特征相似度,从而在目标域上生成更为准确的伪标签,之后利用该伪标签微调模型.通过在Market1501→DukeMTMC-reID和DukeMTMC-reID→Market1501上大量的实验,证明多度量融合算法有效提升了行人重识别模型在无监督领域自适应任务上的检索精度.

一种基于关系度量融合框架的说话人认证特征级融合算法

探讨了说话人认证特征级融合策略的可行性.根据关系度量融合框架,构建该策略认证系统.通过与传统融合、单模态算法比较,本算法性能优于以上算法.为进一步分析特征级融合算法优于现有融合算法的原因,本文利用最大Kullback-Leibler距离计算融合算法融合信息量.该距离弥补了传统Kullback-Leibler距离不具有对称性的缺憾,更加精准地获取信息量.分析结果验证了本算法实验结论,说明特征级融合可获取比现有匹配分数级融合更多的信息量,从而取得更优精度.

基于风格迁移及度量融合的行人再识别研究

行人再识别是跨场景跨时间的行人图像匹配问题.锁定的目标从一个摄像头下消失后,在其它摄像头视角下再出现时,系统仍能够依据其特征重新锁定.目前该问题遇到的挑战主要来自光照、背景、行人姿态等变化造成的影响.此外,在与训练集不同的数据集上进行测试时性能严重下降,且对大量的数据进行标注的成本非常高.本文采用风格迁移和度量融合的方法:首先,采用循环对抗生成网络将一个数据集中带标签的数据图像风格转换到另一个无标签的数据集上;然后,在风格转换后的数据图像上进行训练,并采用直接度量和间接度量相结合的方式进行相似度度量;最后,在无标签数据集上测试,并将行人图像按相似度由高到低排列输出.实验结果表明:本文方法可明显提高跨数据集的行人再识别准确度.

结合度量融合和地标表示的自编码谱聚类算法

针对大多数现有谱聚类算法处理大规模数据集时面临聚类精度低、大规模相似度矩阵存储开销大的问题,提出一种结合度量融合和地标表示的自编码谱聚类算法。引入相对质量概念进行节点评估,选取最具代表性的点作为地标点,通过稀疏表示近似获得图相似度矩阵,以降低存储开销。同时考虑到近邻样本的几何分布和拓扑分布的信息,融合欧氏距离与Kendall Tau距离来度量地标点与其他样本之间的相似度,提高聚类精度;以栈式自编码器取代拉普拉斯矩阵特征分解,将所获得的相似度矩阵作为自编码器的输入,通过联合学习嵌入表示和聚类来进一步提高聚类精度。在5个大规模数据集上的实验验证了本文算法的有效性。

基于多尺度混合注意力与度量融合的小样本行人重识别

针对行人重识别中可用行人图像不足导致的小样本问题,以双相似网络为基础,提出一种基于多尺度混合注意力与度量融合的小样本行人重识别方法.首先,将多尺度混合注意力机制引入特征嵌入模块,即在不同尺度层内的特征提取中引入空间注意力,在不同尺度层间的特征融合中引入通道注意力,实现更具判别力的小样本行人特征提取;然后,在度量模块,提出欧氏距离与余弦距离融合的双重度量方法,实现行人特征的空间绝对距离和方向差异的综合度量,提升行人相似性度量的可靠性;接着,采用双重度量方式和关系度量方式,分别获得行人特征的相似度得分;最后,通过加权融合获得联合度量得分,构建联合损失实现网络的整体优化和训练.在Marketmini、Duke-mini和MSMT17-mini三个小型数据集上的实验表明,所提出方法在5-way 1-shot和5-way 5-shot两种模式下的平均识别准确率分别达到90.40%和95.69%、86.77%和94.96%、71.08%和82.63%,与其他小样本学习算法相比,识别性能有较大提升.

面向融合度量的PSO-RBF软件缺陷数量预测模型

现有软件缺陷预测技术主要基于软件产品度量或过程度量来预测软件缺陷倾向性或缺陷数量,缺乏针对融合产品度量指标和过程度量指标的缺陷预测研究。为提高面向融合度量指标的软件缺陷预测模型的适用性和准确度,以融合软件产品度量指标和过程度量指标为输入,提出一种软件缺陷数量预测模型。此模型主要包括特征选择和缺陷数量预测两阶段。特征选择阶段,采用一种改进密度峰值聚类算法和皮尔逊相关系数结合的特征选择方法,完成特征选取;缺陷数量预测阶段,基于径向基函数(Radial Basis Function, RBF)神经网络,引入粒子群优化(Particle Swarm Optimizer, PSO)算法构建PSO-RBF软件缺陷数量预测模型。实验结果表明,面向融合度量指标的PSO-RBF模型在缺陷数量预测中效果更优。

融合直接度量和间接度量的行人再识别

当前行人再识别的度量算法在计算相似性时主要依据两幅图像自身的判别信息(直接度量),较少依据与两幅图像相关的其它图像的判别信息(间接度量).针对此种情况,文中提出加权融合直接度量和间接度量的度量方法.首先提取图像的局部最大概率特征和突出性颜色名称特征,融合两者作为图像的最终特征.然后分别计算两幅图像的直接相似性和间接相似性,利用序列排序方法对数据库样本进行训练,得到权值参数,从而得到两幅图像的最终相似性.在Market-1501数据库和CUHK03数据库上的实验表明,融合后的度量识别能力明显高于单个度量的识别能力.

基于度量级融合的论文元数据提取方法

针对现有的元数据提取方法提取精度不高且适应能力较差的问题，本文提出一种基于度量级融合的论文元数据提取方法。首先，提取论文首部的特征，利用已标注的数据集对HMM、SVM和CRF三种统计学习方法进行训练，生成相应的元数据提取模型；然后，根据贝叶斯判决理论推导出和规则，并利用和规则对三种提取模型产生的后验概率进行融合决策，实现论文元数据的提取；最后，通过设定时间段和文档数阈值，采用基于时间段统计的方法动态更新三种提取模型，以确保模型的有效性。在不同的数据集上对各种提取方法的性能进行了实验对比，结果表明，本文提出的方法不仅提高了元数据提取精度，而且具有较强的适应能力。

粤港澳大湾区文旅融合发展:协调耦合、时空演进与策略路径

党的二十大报告指出,“坚持以文塑旅、以旅彰文,推进文化和旅游深度融合发展。”这对以文化为桥梁加快三地融合互通,推动旅游产业繁荣发展,支持港澳抓住国家发展带来的历史机遇,推进粤港澳大湾区建设意义重大。本文利用粤港澳大湾区2016—2021年的统计数据,借鉴成熟的旅游产业和文化产业发展的评价指标对大湾区进行评价,引入耦合协调度模型量化评估文旅融合发展水平。研究发现,粤港澳大湾区文旅融合发展仍面临空间极化和虹吸效应突出、外围城市产业协调性不足和湾区文旅耦合发展水平较低等问题,亟需通过加强政府统筹、突出地方特色、共建人文湾区、注重历史情怀、强化品牌营销、推动数字赋能六方面措施,促使大湾区文旅融合向纵深推进。

基于图像融合的表情识别研究

为提高表情识别精度,结合传统的深度卷积神经网络,提出一种基于深度度量融合算法的表情识别模型。首先通过DCNN(Dynamic Convolution Neural Network,深度卷积神经网络)模块对人脸图像特征进行学习,然后同步优化Softmax分类损失函数和三元组损失函数。在三元组损失函数优化方面,提出一种对称三元组损失函数Lw,以避免不完整判断问题,最后以CK+等作为数据来源,通过上述模型对表情进行识别。结果表明,本改进的表情识别方法,可有效辨识高兴、厌恶和藐视等表情,但对恐惧、生气等表情识别精度不高;与其他表情识别算法相比,本识别算法识别精度最高,达到97.86%,具有很大识别优势。

基于自然近邻的自适应关联融合聚类算法

为解决传统聚类算法多数需要预先设定聚类参数且无法有效识别异常点和噪声点的问题,提出一种自适应的关联融合聚类算法。采用自然近邻搜索算法计算数据集的密度分布,筛选出具有数据结构信息的代表核点,并排除边界点和噪声点对聚类结果的影响。引入关联度矩阵,通过计算类簇间的关联程度和融合度量,选取最优关联簇进行融合得到最终聚类结果。实验结果表明,该算法无需人工设置聚类参数,并且与基于密度的空间聚类算法和K均值聚类算法相比,其具有更高的聚类准确率和可靠性。

基于MPEG-7多特征融合的图像检索技术

针对MPEG-7单一描述符特征检索效率低的问题,提出了主颜色和边缘直方图特征融合的检索算法。同时利用检索目标在图像中分布的特点,利用分块加权法来提高对检索主目标的检索准确度。实验表明,该方法在查准率和查全率均优于单一特征的检索算法,检索精度得到了提高。