结合标签优化和语义分割的服装图像检索

针对缺少民族服装语义标签、局部特征繁杂等因素导致少数民族服装图像检索准确率低的问题,提出一种结合标签优化和语义分割的服装图像检索方法.首先基于自定义的少数民族服装通用语义标签和民族服装语义标签,构建视觉风格分析概率模型进行标签优化;然后在全卷积网络结构基础上加入侧分支网络和全连接条件随机场,结合带有标注对和优化语义标签的训练图像对待检图像进行语义分割;最后采用多任务的深度监督哈希算法将语义分割结果哈希映射为二进制码,通过相似度计算对少数民族服装图像进行检索并输出结果.在构建的少数民族服装图像集上的实验结果表明,该方法能够有效地提高少数民族服装图像语义分割和检索的准确率.

基于高光谱成像技术的彩色图像标签优化算法研究

针对常规算法对于图像标签的分类精度低下的问题,提出基于高光谱成像技术的彩色图像标签优化算法研究。利用相关函数,确定像素点与其相邻点之间的相关程度,去除冗余信息,采用插值表示图像所包含的信息量差异,选择合适的高光谱波段,分析各标签间的语义相关性,通过聚类算法,构建相似度矩阵,实现标签优化,完成基于高光谱成像技术的彩色图像标签优化算法研究。设计仿真实验,分析所提出算法与其他3种常规算法间的差异,结果表明,将高光谱成像技术应用到彩色图像标签优化算法当中,能够将图像标签的分类精度提高15%左右,有效改善了标签分类效果。

局部特征引导标签平滑与优化的井下弱特征人员重识别

煤矿井下低照度、强光扰、高粉尘等环境条件,以及井下人员服装的相似性和脸部落煤现象,导致井下弱特征人员重识别困难。现有人员重识别方法仅提取全局特征,未充分考虑局部特征,使得井下人员重识别准确率较低。针对上述问题,提出了一种局部特征引导标签平滑与优化的井下弱特征人员重识别方法。该方法首先通过卷积神经网络提取井下人员图像的全局特征与局部特征;然后利用k最近邻相似性计算全局特征和局部特征的互补性得分,来衡量全局特征和局部特征的相似程度;最后根据特征互补性得分对局部特征进行标签平滑及对全局特征进行标签优化,即动态调整每个局部特征的权重,以改进每个局部特征的标签,并对局部特征的预测结果进行汇总,利用更可靠的信息来完善标签以作为全局特征的标签,从而减少图像噪声并增强特征识别能力。实验结果表明,该方法在公开数据集和包含井下人员图像的自建数据集上的平均精度均值(mAP)、第一匹配正确率(Rank-1)和平均逆置负样本惩罚率(mINP)总体优于主流人员重识别方法,具有良好的泛化性和鲁棒性,能有效实现井下弱特征人员重识别。

基于一致性约束和标签优化的无监督域适应行人重识别

目的无监督域适应行人重识别(unsupervised domain adaptive pedestrians’re-identification,UDA Re-ID)旨在通过已有标记的应用场景(即源域)数据和新的无标记应用场景(即目标域)数据,训练一个可以在目标域泛化性能好的行人重识别模型。现有方法没有考虑实例特征在训练过程中的不稳定问题,也没有显式考虑由于相机变化所导致的行人类内距离变大、类间距离变小的问题,以及无标注目标域数据聚类误差带来的伪标签噪声问题。针对这些问题,提出了一种具有一致性约束和标签优化的方法。方法首先提出了实例一致性以约束同一实例在不同增广下的特征距离,提升行人实例特征稳定性;然后提出相机一致性以约束跨相机正实例特征对之间的距离,提升对相机变化的鲁棒性;最后提出了基于标签集成的标签优化,将one-hot编码的伪标签转换为更可靠的软标签,提升了监督信号的鲁棒性。结果本文方法在Duke→Market,Market→Duke,Duke→MSMT,Market→MSMT等常用的UDA Re-ID任务上的平均精度均值(mean average precision,mAP)分别为85.0%,73.5%,41.3%,39.3%;Rank-1分别为94.0%,85.6%,71.6%,69.5%。通过消融实验验证了本文提出的3个模块的有效性。结论提出的实例一致性约束和相机一致性约束可以使模型学习到更鲁棒的行人特征表达,提升行人特征的稳定性,提出的基于标签集成的标签优化可以减少伪标签噪声的过拟合风险。

基于低秩稀疏分解优化的图像标签完备

大量上传的网络图像因用户语义标注的随意性,造成了图像标签的不完备,大大降低了图像检索的效率.低秩稀疏是一种有效降低数据噪声的方法.为提高图像语义标签完备的准确度,提出一种基于低秩稀疏分解优化(LRSDO)的图像标签完备方法.首先结合待完备图像的视觉特征和语义搜索其近邻图像集;然后通过低秩稀疏分解模型获得其视觉特征与语义之间的映射关系,并以此预测该图像的候选标签;最后使用面向个体的标签共现频率方法对候选标签进行去噪优化,进而实现对其更加准确的自动图像标签完备.在基准数据集Corel5K和真实数据集Flickr30Concepts上进行了实验,结果表明,该方法在图像标签完备的平均准确率,平均召回率和覆盖率上均表现出更优的性能.

基于语义相似度的标签优化

为解决社交媒体中标签的缺失、错误等问题,提出一种基于内容相似度和语义相似度的标签优化方法。首先利用TF-IDF(term frequency—inverse document frequency)计算文本间相似度,然后利用文本间相似度与标签相似度的一致性定义了目标函数,最后加入了修正项来减少优化前后用户提供标签的偏差。将目标函数应用到豆瓣电影标签进行优化,并将结果与原标签进行比较分析。与原标签相比,优化后的标签准确性得到了提高。试验结果表明,该方法能够有效地优化标签,有效解决标签缺失和错误等问题。

电脑绘制样木位置图及自动优化标签位置的算法设计

介绍了在林业样地调查中电脑绘制样木位置的数学原理和优化标签位置处算法,实现高效、准确绘制样木位置图。

大众分类法对信息过载的影响及优化策略研究——以豆瓣网为例

[目的/意义]调研显示,大众分类法是造成豆瓣网中信息过载的主要原因,但国内尚未发现针对性研究。[方法/过程]通过问卷星调研大众分类法对豆瓣网中信息过载的影响,并利用SPSS、EXCEL等软件对搜集的数据进行分析、整理。[结果/结论]通过分析数据得出以下主要结论:豆瓣网中的分类体系不能满足用户基本需要;大众分类法在豆瓣网中的应用存在多种问题,如同义词标签过多和标签专指度不高等。在此基础上,本文提出了一种优化大众分类法的策略,并探讨了其实施方案。

浅谈CMS系统的搜索引擎优化

在这个网络信息成爆炸式增长的时代,搜索引擎成为了人们查找信息的主要来源之一,而CMS作为一个内容发布和管理的系统,就更应注重其文章或内容在搜索引擎方面的优化,从而提升网站的价值。本文从CMS系统自身特点出发,把搜索引擎优化方法应用到CMS系统中去,以提高网站的搜索引擎排名,最终达到网站推广的目的。

视频搜索引擎优化策略的探索

截至2019年6月,我国网络视频用户规模达7.59亿,利用搜索引擎进行视频检索的需求越来越大。对于视频运营者来说,对发布的视频进行搜索引擎优化尤为必要,本文提出从关键词、元数据、视频缩略图、视频内容、视频外链等方面提出了优化策略。

基于相关性得分的伪标签优化行人重识别

无监督域自适应行人重识别旨在将源域训练的识别能力泛化到目标域上,以减少对标签的依赖.目前基于聚类方法的网络,聚类过程中不可避免地会受到环境噪声的影响,降低网络原有识别性能.为了解决这一问题,提出一种基于相关性得分的伪标签优化行人重识别网络.首先,通过计算全局与局部特征间前k个相似样本集合的相关性得分,找到两类特征直接可靠的关联性,从而提取已有伪标签优化方法所忽略的局部细粒度特征;然后,利用得分对局部伪标签进行优化处理,降低网络对与行人无关局部特征的关注;最后,依赖于相关性得分,利用优化后局部伪标签的预测结果对全局伪标签进行细化,缓解聚类过程中噪声的同时也细化了行人的特征完整表示.与近年无监督域自适应行人重识别方法相比,所提出网络在DukeMTMC-ReID、Market 1501和MSMT 17三个公开数据集上的实验结果表现优异,验证了所提出网络的有效性.

工控图形的组态优化设计

随着工程数量的增加,系统组态成本加大显得十分突出。针对DCS图形组态的耗时费力,提出了优化解决方案。标签替换辅助工具软件综合多种技术,简化了组态过程。用图形模板简化图形操作;用每个标签代替复杂信息语句;用电子表格汇总登记指定信息。用软件对图形文本的XML语言进行编辑和信息替换,自动批量处理图形。所有替换数据信息被定义在开放的配置文本文件中,方便其修改和扩展。设计思想可作为组态优化的参考模式。

类别语义信息对齐的无监督领域自适应网络

针对在目标应用场景中缺乏大量有标定训练数据的情况下难以获得有效的深度学习分类模型的问题,结合领域分布差异的方法与对抗学习方法的优势,提出以显式特征对齐与隐式领域对抗及类别对齐为基础的领域自适应框架.对于显式特征对齐模块,考虑到领域知识差异大带来的优化难题,采用渐进式协同优化策略,通过逐层减小不同语义层之间的领域差异,提升领域自适应性能.对于隐式类别对齐模块,为了增强目标特征的判别性,使用自训练方法获得伪标签,克服伪标签存在的标签噪声问题,并通过学习混淆矩阵优化伪标签的准确率,自动构造新的目标领域损失函数,从而在减小领域间差异的同时,提升源领域与目标领域相同类别的特征分布对齐的准确性.基于Office-31数据集的6个跨领域分类任务与基于Office-Home数据集的12组跨领域分类任务的实验结果表明,该方法在迁移学习任务上的平均分类准确率相较于基准方法分别提升11.9%和19.9%,所提出网络对于领域自适应任务是有效的.

黑曲霉酸性果胶裂解酶在大肠杆菌中的表达和酶学性质研究

酸性果胶裂解酶能以β-反式消去作用断裂果胶中的α-1,4糖苷键形成不饱和寡聚半乳糖醛酸,对食品等工业中高酯化果胶降解具有重要意义。该研究将黑曲霉Aspergillus niger AG11来源的酸性果胶裂解酶(pelA)在大肠杆菌Escherichia coli BL21(DE3)中进行表达,并进行了蛋白标签优化和酶学性质研究。最终确定在N端融合碳水化合物结合结构域(carbohydrate-binding structural domain,CBM)时,pelA的胞内酶活力最高,达到3.25 U/mL,比初始条件下提高4.12倍。对CBM切除前后pelA的酶学性质进行测定,结果表明pelA的比酶活力、最适反应温度及最适反应pH分别为15.45 U/mg、40℃和5.0,pelA在30~50℃孵育2 h保持80%以上活性,这与pelA+CBM相同,在40℃、pH为4.0~5.0时孵育2 h,相对酶活力保持在60%以上,此时pelA+CBM具有80%以上的活性。以柑橘果胶为底物,pelA的K m和k cat分别为4.44 mmol/L和31.44 s^(-1)。该研究结果为pelA的分子改造和在工业生产中的应用奠定了基础。

基于Wichens认知模型降低住院药房调配门内差错的多中心研究

目的:依据Wichens信息加工模型对摆药单和药品标签进行优化并进行多中心研究。方法:利用Wichens信息加工模型设计差错登记表,分析调配差错的发生机制。据此对摆药单和药品标签进行优化,并分别在A、B,C、D 4家医院实施,比较优化前后的调配差错数据。结果:A、B、C、D 4家医院优化后各类差错率和总差错率均较优化前明显下降(P <0. 05)。结论:Wichens信息加工模型有助于分析调配差错的发生机制,据此对标签和摆药单的优化设计可降低调配差错。

应用Wichens认知模型分析住院药房调剂差错与改进

目的应用Wichens认知模型分析调配差错的发生原因,降低调剂差错。方法应用Wichens认知模型设计差错登记表,并分析和改进医院住院药房2016年下半年的差错原因,并与2017年上半年进行对比。结果数量差错中的44%是由信息处理阶段的算错导致,品规差错中的54%是由信息识别阶段的忽略药品信息导致,品种差错中的48%是由信息识别阶段的看错药品信息,42%是由信息执行阶段的包装、位置、药理作用相似所致。整改后,数量差错率由0.17%降为0.13%,品规差错率由0.043%降为0.028%,品种差错率由0.05%降为0.035%,差异均显著(P<0.05)。结论Wichens认知模型有助于分析调配差错的发生机制,基于信息加工角度的改进措施可有效降低调配差错,保证用药安全。

电脑绘制样木位置图的算法设计

该文结合林业样地调查的样木定位方法,介绍了电脑绘制样木位置的数学原理和优化标签位置处算法,以期为高效、准确绘制样木位置图提供参考。

用户标注的语义控制

用户标注是Web2.0主要的资源标引和组织方法,由于用户标签组织的平面结构导致标签之间缺乏语义关系,使之很难适应语义信息组织的要求。针对这一问题,探讨在用户标注优化基础上,用户标签的词语网络构建和语义关系处理与控制,简要讨论了用户标注的模型化或本体化。