基于双流特征互补的嵌套命名实体识别

针对以往句子在文本编码后不能获得高效的特征信息,提出一种基于双流特征互补的嵌套命名实体识别模型。句子在嵌入时以单词的字级别和字符级别两种方式嵌入,分别通过神经网络Bi-LSTM获取句子上下文信息,两个向量进入低层级与高层级的特征互补模块,实体词识别模块和细粒度划分模块对实体词区间进行细粒度划分,获取内部实体。实验结果表明,模型相较于经典模型在特征提取上有较大的提升。

局部特征互补的遮挡行人重识别研究

本研究致力于解决行人重识别领域面临的挑战,特别是由于遮挡等问题导致的识别难题。现有方法通常在整体图像上进行处理,容易忽略被遮挡的细节信息,从而可能导致错误的识别结果。为了应对这一问题,本研究提出了一种局部特征互补的遮挡行人重识别方法。该方法通过对局部特征提取、学习以及特征间互补,有效地减轻了背景干扰和遮挡对行人重识别准确性的负面影响。研究结果表明,该方法在提高行人重识别准确性方面表现出明显的优势,为解决遮挡问题提供了新的思路,具有重要的实际意义和应用前景。

基于特征互补图像的人脸识别仿真研究

研究人脸识别精度问题。由于人脸图像中存在大量干扰信息的缺点,而造成了人脸识别正确率下降,为了解决上述问题,提出了一种基于特征互补图像快速特征融合算法。算法通过对人脸图像的位平面切片图像分析,采用位平面图像分解法,通过各种合成策略构造多幅样本图像。并突出高位平面图像,采用两种加权策略将每一幅人脸图像样本都生成"特征互补图像"。然后,直接用图像的二维典型相关分析(2DCCA)法对两种特征互补图像进行特征抽取。最后通过在ORL国际标准人脸库上进行的实验,结果表明,高位平面图像的典型相关鉴别特征提高了正确识别率,并且因为摒弃了原始人脸图像的大部分干扰信息所以具有更强的鲁棒性。

基于特征互补率矩阵的图像分类方法

在基于内容的图像检索和分类系统中,图像的底层特征和高层语义之间存在着语义鸿沟,有效减小语义鸿沟是一个需要广泛研究的问题。为此,提出一种基于特征互补率矩阵的图像分类方法,该方法通过计算视觉特征互补率矩阵进而指导融合特征集的选择,利用测度学习算法得到一个合适的距离测度以反映图像高层语义的相似度。实验结果表明,该方法能有效提高图像分类精度。

利用综合特征的图像检索及特征互补性研究

在基于内容的图像检索中,不同图像特征反映了图像不同侧面的内在特性,如何有效地组织和利用这些特征从而提高系统的检索性能是一个值得研究的课题。文章重点介绍了综合颜色特征中的灰度直方图相交法,纹理特征中的灰度共生矩阵法和形状特征中一组中心矩和不变矩法的综合特征检索。通过讨论内部和外部特征间的归一化,研究了各特征之间的互补关系。实验数据表明,文中的方法是很有效的。

一种基于特征互补的新型长期跟踪算法

针对特征互补学习跟踪算法(Staple)在长期目标跟踪时出现目标丢失的问题,设计了一种基于特征匹配的重检测算法.该算法通过相关滤波模型和颜色特征模型的互补学习所得到的最大响应值来判断目标是否丢失,并融合基于网格运动统计的特征匹配算法(GMS)构建重检测机制,对目标进行重定位,从而保持稳定地长期跟踪.实验结果显示:该算法一次通过评估的精确度为81.1%,相比改进前的Staple算法提升了17.5%;在目标丢失时,它还能够准确重定位到跟踪目标,且对目标遮挡有着较强的抗干扰能力.

高低显著性互补特征引导的跨模态行人重识别

在跨模态行人重识别(VI-ReID)任务中,有效挖掘行人图像中的显著信息并缓解模态间存在的差异是提升模型性能的关键。现有工作主要采用基于注意力的方法来增强模型对行人身体上的鉴别特征的学习。但这种方法仅关注行人最显著的区域,而忽略了行人图像中互补的次关键线索。提出了显著性互补特征指导网络(SCFG-Net)。设计了互补特征显著挖掘(CFSM)模块,用于推理出具有全局信息的行人图像的显著特征和被注意力忽略的次关键线索,并将这些特征进行融合,以提高行人图像特征的丰富性和鉴别性。还设计了跨模态判别特征融合(CDFF)模块,用于缓解模态间的颜色差异。实验结果表明,所提出的方法在两个公开数据集上取得了显著的性能提升。在SYSU-MM01数据集的全搜索单镜头模式下,Rank-1和mAP分别达到了74.4%和70.8%。

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。

求解特征值互补问题的人工蜂群算法

人工蜂群算法是求解优化问题的智能算法,该算法不需对目标函数求导,应用范围广。文中构造了求解特征值互补问题的人工蜂群算法,并给出了算法的收敛性证明,通过数值实验说明了该算法是有效的。

基于互补特征和类描述的商品图像自动分类

实现电子商务中的在线商品自动分类是电子商务智能化的迫切要求。该文研究如何运用图像特征和分类算法对商品图像的一些具体信息进行自动分类,如长袖衬衫和短袖衬衫、圆领T恤与V领T恤等。图像特征采用了具有互补特性的塔式梯度方向直方图(PHOG)和塔式关键字直方图(PHOW)相结合;在分类器设计方面提出了基于图像类描述的改进最近邻分类算法。实验结果证明本算法能使2类和3类商品图像分类正确率达到70%-99%,且能够实现快速实时分类,相对于现有方法有了明显提升。

基于压缩感知的互补特征加权目标跟踪算法

针对基于压缩感知的目标跟踪算法中存在特征单一,在目标纹理或光照变化较大时跟踪不稳定的问题,提出了基于压缩感知的互补特征加权目标跟踪算法。该算法通过两个随机测量矩阵提取出两类互补的纹理特征和灰度均值特征,计算这两类特征对样本的分类结果并更新特征的权值,使用所选取的大权值特征寻找目标在下一帧的位置。在分类器更新过程中,针对不同特征在跟踪过程中的稳定性不同,采取不同速度的更新。对不同视频的实验结果表明,提出的算法跟踪准确,且满足实时性的要求。与相关算法相比,新算法在目标纹理或光照变化很大的情况下具有更强的鲁棒性。

基于互补特征的桥梁识别方法

针对单一图像进行桥梁识别的运行速度慢、误检率高的问题,提出一种结合多源遥感图像互补特征的桥梁识别方法。利用多光谱图像的颜色特征进行水陆分割,得到潜在桥梁区域,分别提取全色、SAR图像潜在桥梁区域的纹理特征和区域均值比特征,结合三者结果,得到桥梁识别结果。实验结果表明,结合多源遥感图像互补特征的桥梁识别方法有效提高了桥梁识别的准确率。

基于互补特征的纹理图像检索

针对互补特征可以有效地改善图像检索系统性能的特点,提出一种在改进Contourlet变换域采用L1能量与广义高斯分布参数特征的纹理图像检索方法。首先,应用改进的方法对方向子带系数进行广义高斯统计建模。然后,分别单独利用各个特征和相应的相似性测度进行检索。最后,基于直接的相似性测度和,采用这两种互补的特征进行检索。实验结果表明,和采用单一特征相比较,互补特征由于充分地反映了图像的结构信息和随机分布信息,从而有效地提高了纹理图像数据库的平均检索率。

采用互补特征的核相关滤波目标跟踪算法

为了改善跟踪算法的性能,提出一种自适应加权的融合颜色特征和方向梯度直方图(HOG)特征的多核多通道的相关滤波跟踪算法.针对核相关滤波算法特征单一的问题,采用互补特征核空间描述目标,并根据互补特征响应值的大小,自适应为互补特征核空间分配权重、更新模型,提高算法的鲁棒性.实验结果表明:所提出的算法不仅能在一定程度上处理目标外观变化问题,而且完全满足跟踪场景的实时需求.

环绕日本企业的特征性制度互补结构

一种体制之所以能够形成并比较稳定地存续下去,其成因在于该体制内部各种制度之间的相互补充及由此形成的体制功能与强度.

求解实对称互补特征值问题的积极集方法

基于序列二次规划算法构造了求解实对称互补特征值问题的一类积极集方法。通过特殊的积极集指标选取策略,该积极集方法计算得到的迭代序列具有单调下降特征,并从理论上证明了该方法的收敛性。数值实验结果表明该方法是行之有效的,并且在互补性和迭代时间上均优于Matlab软件的内置算法。

求解特征值互补问题的一类ABS算法

ABS算法是20世纪80年代初,由Abaffy,Broyden和Spedicato完成的用于求解线性方程组的含有三个参量的投影算法,是一类有限次迭代直接法。目前,ABS算法不仅可以求解线性与非线性方程组,还可以求解线性规划和具有线性约束的非线性规划等问题。本文即是利用ABS算法求解特征值互补问题的一种尝试,构造了求解特征值互补问题的ABS算法,证明了求解特征值互补问题的ABS算法的收敛性。数值例子充分验证了求解特征值互补问题的ABS算法的有效性。

改进的谱投影梯度法解张量特征值互补问题

对于对称且严格协正的张量,其张量特征值互补问题的特征值计算可等价为求解对应优化问题的稳定点。提出一种改进的谱投影梯度算法用于求解张量特征值互补问题的Pareto-特征值,并分析该算法的全局收敛性。数值结果表明:高维张量的情形下,改进后的谱投影梯度算法比现有的谱投影梯度算法在迭代次数和计算时间方面有较明显的优势,对初始迭代点的依赖程度较低,有较好的稳定性。

基于多模态互补特征学习的遥感影像语义分割

在遥感影像语义分割任务中,数字表面模型可以为光谱数据生成对应的几何表示,能够有效提升语义分割的精度。然而,大部分现有工作仅简单地将光谱特征和高程特征在不同的阶段相加或合并,忽略了多模态数据之间的相关性与互补性,导致网络对某些复杂地物无法准确分割。本文基于互补特征学习的多模态数据语义分割网络进行研究。该网络采用多核最大均值距离作为互补约束,提取两种模态特征之间的相似特征与互补特征。在解码之前互相借用互补特征,增强网络共享特征的能力。在国际摄影测量及遥感探测学会(international society for photogrammetry and remote sensing, ISPRS)的Potsdam与Vaihingen公开数据集上验证所提出的网络,证明了该网络可以实现更高的分割精度。

交替方向乘子法解对称特征值互补问题

将对称特征值互补问题等价转化为单纯形约束的瑞利商极大化问题,提出一种交替方向乘子法。通过引入辅助变量,将单纯形约束进行分离,避免了单纯形集合投影无封闭解的缺陷。数值实验结果表明,与经典的谱投影梯度算法相比,在求解较大规模问题时,提出的方法需要更少的计算时间。