以图搜图:基于显著性注意力的美容产品检索网络

在基于深度学习的美容产品检索任务中,图片背景、拍摄角度和产品摆放姿态均是产品图片上潜在的干扰信息;同时,检索数据库中众多相似产品会互相干扰.针对这些问题,将显著性注意力机制融入损失函数、随即丢弃模块和相似项计算中,分别设计了显著性损失函数、显著性随即丢弃模块和显著相似性方法,有效地抑制了用户待检索图片与检索数据库图片中的干扰信息;然后,采用有效的特征提取器抵抗图片相似项的干扰;最后综合上述4个模块,提出基于显著性注意力的美容产品检索网络SA-Net.经过Pro-10k数据集训练,在Per-500k数据集上进行消融学习和对比实验的结果表明,SA-Net提升了美容产品检索的准确度,比已公开的最好同类算法AMAC提高3%.

基于改进Yolov3的飞机目标检测算法

为了解决军用飞机目标检测过程中难以兼顾检测精度与检测速度的问题,提出了一种新的飞机目标检测算法。该算法建立在Yolov3的基础上,其特点是在保证检测速度的情况下,大幅提升检测精度。在提出的方法中,首先使用K-Means++聚类算法,解决了由随机初始化聚类中心带来的误差问题;其次对通过聚类得到的先验框(Anchors)进行线性拉伸,使其在贴合数据集目标大小的同时具有不同的尺度;再次,用CARAFE上采样算子构建上采样过程,使得网络能够捕捉到丰富的语义信息;最后,在网络中加入改进的通道显著性注意力机制CS-SE,使得网络能够有效关注图像前景内容,从而提高检测精度。实验表明,相比于Yolov3,所提方法 mAP@0.5增加了5.3%,mAP@0.5:0.95增加了8.0%,提高了飞机的目标检测准确率和可靠性,减少误判和漏判,使其在不同的气象条件、光线条件和目标形态下实现准确的目标检测。

基于图神经网络的东巴画小样本分类

针对纳西族东巴画艺术形象线条突出、色彩分明、样本较少的特点,提出一种端到端的基于图神经网络的东巴画小样本分类方法.首先,设计多分辨率多尺度的图像特征提取网络,图像特征与边缘特征融合后嵌入图神经网络中作为节点,构建分类图神经网络;其次,以边标记作为架构并采用二维边标记特征作为图像分类依据,保留节点分类时所需的类内相似性和类间相异性;最后,提出自注意力机制与特征显著性注意力机制相结合的方法更新节点特征,增强了节点之间的特征关联性.模型使用Python实现并用RTX2080Ti在自建东巴画数据集上进行实验,结果表明,所提方法较好地提取了东巴图像特征,保留了东巴画分类所需的图像局部细节和节点间相似性特征,与对比算法相比,提高了分类准确度,并有更低的分类精度标准差.