融合多尺度和频域特征的目标身份识别技术

拍摄设备、角度和光线的差异以及相似目标的干扰,给跨设备目标身份识别任务带来了严峻挑战。针对识别过程存在的类内差异和类间相似问题,提出了一种融合多尺度和频域特征的识别模型,在主干网络中加入注意力机制提高模型对高辨识特征的关注度;在分支网络中,设计了一种基于注意力的多尺度扩张融合模块对不同深度特征进行多粒度采样融合,增强网络的空间映射能力;在后处理阶段构造自学习的频域卷积模块,实现多尺度和频域特征的融合,利用频域信息提高度量相似目标的准确率。经过实验,算法在Veri776和VehicleID数据集的平均均值精度(mAP)和首次命中精度(Rank-1)分别获得了81.60%、97.20%和90.50%、85.30%,结果优于近些年主流方法,能够满足跨设备的多目标身份识别要求。

大学英语教师的自我认同身份与目标身份之间的差异分析

本文从教师和学习者的双重角度分析了大学英语教师的自我认同身份(avowed identity)与目标身份(ascribed i-dentity)之间差异的产生原因及其可能产生的结果,并针对相应的问题提出了具体的建议和措施。

一种交互合成的目标身份识别方法

针对D-S证据理论(Dempster-Shafer theory,DST)中Dempster组合规则在处理高冲突证据时的不足,以及DSm理论(Dezert-Smarandanche theory,DSmT)在处理低冲突证据时置信度降低的问题,文中提出了DST与DSmT交互合成的目标身份识别方法。该方法先计算证据相似度,然后根据相似度对DST与DSmT交互合成,从而自适应处理证据。算例结果表明了该方法可以有效提高目标身份识别的准确性。

DSmT在目标身份识别中的应用研究

针对DSmT将关于目标身份的不精确、不确定、冲突的多源信息进行融合,尤其是在处理高冲突证据的融合时有很好的效果,给出了运用DSmT进行目标身份识别的步骤.通过算例验证了DSmT在目标识别中应用的有效性,为其在工程实践中的应用提供了有力的支撑.

基于特征数据库的目标身份识别技术设计

本文提出一种目标身份识别方法,采用粗糙集理论对不完备的目标身份信息进行推理,通过目标特征选择计算得到目标属性度量子集,从而建立目标特征数据库,实现数据的存储、查询、分类及比对,对目标参数进行补充完善,使得目标要素更加完整,为指挥员提供目标身份参数详实的信息提供支持。

基于YOLO的目标人员身份识别与跟踪方法

在多人存在的单目标人员视觉跟踪场景中,目标人员的遮挡及丢失是常见的问题之一。针对目标由于遮挡等原因丢失后的恢复问题,提出了基于单目标检测与身份识别网络模型相结合的视觉跟踪方法。该方法基于YOLO模型进行候选目标检测,基于在身份识别数据库上预训练的残差网络,进行候选目标基础特征提取。通过计算候选目标特征与预提取的模板目标特征的均方误差和,进行前后帧的数据关联,达到跟踪目标的效果。实验表明,论文提出的方法在各种目标人员消失的场景下具有有效性。

基于运动状态和敌我属性的空中目标融合识别

研究了基于实时跟踪器的空中目标航迹身份识别问题。从分析目标运动状态和敌我属性的不确定性出发 ,建立了空中目标身份统计模型 ;根据建立的模型 ,通过采用Dempster Shafer证据理论方法 ,对空中目标进行融合识别。仿真实验结果证明了模型和算法的有效性。

足球场内球员多目标跟踪算法

为解决足球比赛场内球员的多目标跟踪任务中,因场外人员对跟踪的干扰,球员频繁地运动、互相遮挡,以及摄像镜头复杂地移动等情况,造成的跟踪准确度低、跟踪目标ID(identity)保持能力弱的问题,提出一种适用于足球场内球员跟踪的多目标跟踪数据集和多目标跟踪算法。通过条件生成对抗网络分割出球场区域,筛选出球场内的基于YOLOX框架的目标检测结果;在数据关联阶段,设计一种融合IoU(intersection over union)与欧式距离的代价矩阵进行目标间的相似性度量;利用足球比赛上场人数存在上限的先验条件,弹性约束跟踪目标ID的增长。实验结果表明,针对足球场内球员的跟踪问题,该算法能够在多目标跟踪准确度、跟踪目标ID保持能力上有极大提高。

基于改进高分辨率神经网络的多目标行人跟踪

针对行人多目标跟踪过程中目标被遮挡时产生的检测、跟踪失败问题,提出了一种改进型高分辨率神经网络作为检测网络。首先,为了增强网络对于行人目标的初始特征提取能力,在高分辨率神经网络的基础上,对网络的主干部分引入二代瓶颈残差块结构,提升感受野和特征表达力;其次,设计了添加二层高效通道注意力模块的残差检测块架构,并通过该架构替换了原有网络在多尺度信息交换阶段中的残差检测块,以提高了整个网络系统的测试性能;最后,通过选择适当的参数对网络进行了全面地训练,并通过多个测试集对算法测试。测试结果显示,本文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的跟踪准确度分别提升0.1%,1.6%,0.8%。本文算法可以良好地应用在目标较多且遮挡面积较大的特殊情景,同时对于较长时间视频序列的追踪稳定性也大大提高。

物质主义都是有害的吗?——来自实证和概念的挑战

物质主义指的是一种强调拥有物质财富对于个人生活重要性的价值观念。过往研究多强调其消极效应,但此观点日益面临挑战。实证研究表明物质主义在某些条件下能提升幸福感,也可以作为不安全感的补偿策略。在概念层面,有研究者基于动机的视角指出工具性物质主义是无害的,并且物质主义作为一种身份目标追求,能够建构和维持自我身份。未来研究需进一步为动机取向的物质主义概念提供实证研究的支持、评估物质主义补偿不安全感和提升幸福感的效果、基于认知和动机的整合视角考察物质主义对幸福感的积极影响。

基于卷积注意力模块和无锚框检测网络的行人跟踪算法

针对多目标跟踪过程中遮挡严重时的目标身份切换、跟踪轨迹中断等问题,该文提出一种基于卷积注意力模块(CBAM)和无锚框(anchor-free)检测网络的行人跟踪算法。首先,在高分辨率特征提取网络HrnetV2的基础上,对stem阶段引入注意力机制,以提取更具表达力的特征,从而加强对重识别分支的训练;其次,为了提高算法的运算速度,使检测和重识别分支共享特征权重且并行运行,同时减少头网络的卷积通道数以降低参数运算量;最后,设定合适的参数对网络进行充分的训练,并使用多个测试集对算法进行测试。实验结果表明,该文算法相较于FairMOT在2DMOT15,MOT17,MOT20数据集上的精确度分别提升1.1%,1.1%,0.2%,速度分别提升0.82,0.88,0.41 fps;相较于其他几种主流算法拥有最少的目标身份切换次数。该文算法能够更好地适用于遮挡严重的场景,实时性也有所提高。

高校英语教师国内访学期间身份转变个案研究

国内访学是我国在职教师专业发展的重要途径之一,而有关国内访学培养成效方面的研究却非常匮乏。鉴于此,本研究采用历时质性个案研究方法,深入分析了三位高校英语教师在为期一年的国内访学经历中的身份变化。本研究收集了访谈、微信和面谈交流记录以及部分访学反思日志等多种数据。数据分析发现三位教师在参加研修活动过程中逐渐转变了自己的目标身份。访学高校为访学教师的身份转变提供了积极的学习环境和同伴支持;而访学教师自身的历史文化背景、能动性和情感因素对其身份转变起到促进或抑制作用。本研究对于教师进修项目有重要启示。