基于多粒度匹配的文本引导服装图像检索

文本引导的图像检索是将查询图像与文本条件集成为多模态查询。现有的方法通过构建更先进的细粒度度量学习来提升性能,但这可能会使模型在文本条件不够精确的情况下对目标图像过拟合,并使得检索结果特征单调。针对该问题,提出了基于特征增强和多粒度匹配的文本引导的服装图像检索方法。首先,根据目标特征的分布,产生服从正态分布的噪声,使其产生小幅度的类内抖动;然后,根据目标特征的波动对增强特征施加约束,波动越大,则对增强特征的惩罚越大,由此得到粗粒度匹配损失;最后,优化学习策略,使用随着训练迭代不断衰减的动态权重将粗粒度与细粒度损失进行统一。通过该方法降低模型对潜在目标图像的排斥,提高特征识别的多样化。在两个公开服装数据集FashionIQ和Shoes上的大量实验表明,该方法能够提高召回率,并且检索结果更丰富。

基于改进SLIQ算法及多粒度气象信息匹配的短期负荷预测

短期负荷预测容易受到气象等多种因素共同作用的影响,找到关键影响因素是提高短期负荷预测精度的必要手段。电力系统海量数据包含了巨量的运行信息,为挖掘有用信息,提高数据利用效率,提出了一种基于改进SLIQ算法及多粒度气象信息匹配的短期负荷预测方法。采用改进的SLIQ决策树算法对气象负荷信息进行聚类,提取同等气象条件下决定负荷波动的关键因素。由动态灵敏度方法建立短期负荷拐点预测模型,再由熵权法选择最佳预测参考日并预测曲线拐点,并在此基础上提出多粒度气象信息匹配算法进行负荷曲线预测。通过对我国南方某地区的多季节负荷进行仿真预测,计算结果表明在任意气象条件下曲线预测精度均能满足电网要求,证明了所提方法的正确性及普适性。

基于最佳粒度匹配的中文分词算法的研究

首先,介绍了机械分词方法,指出中文分词所面临的问题。其次,介绍了几种常见的机械分词算法。然后,在结合上面所介绍理论的基础上,融入了最佳粒度匹配算法,完成了一个高效、实用的中文分词系统。最后,本文对系统进行了测试,结果证明该种算法的效率和准确率都相对较高。

基于关系图卷积网络的代码搜索方法

代码搜索是当下自然语言处理和软件工程交叉领域的一个重要分支.开发高效的代码搜索算法能够显著提高代码重用的能力,从而有效提高软件开发人员的工作效率.代码搜索任务是以描述代码片段功能的自然语言作为输入,在海量代码库中搜索得到相关代码片段的过程.基于序列模型的代码搜索方法DeepCS虽然取得了很好的效果,但这种方法不能捕捉代码的深层语义.基于图嵌入的代码搜索方法GraphSearchNet能缓解这个问题,但没有对代码与文本进行细粒度匹配,也忽视了代码图和文本图的全局关系.为了解决以上局限性,提出基于关系图卷积网络的代码搜索方法,对构建的文本图和代码图编码,从节点层面对文本查询和代码片段进行细粒度匹配,并应用神经张量网络捕捉它们的全局关系.在两个公开数据集上的实验结果表明,所提方法比先进的基线模型DeepCS和GraphSearchNet搜索精度更高.

基于球形仿生眼的并联机器人刀具匹配方法

为了解决并联机器人＂盲＂的工作状态,构建了球形仿生眼监测平台.基于球形仿生眼监测平台给出一种并联机器人加工刀具匹配方法：通过图像预处理,获得刀具图像的边缘信息,并将边缘线拐点作为特征点;根据极线约束原理,对特征点进行粗粒度匹配,获取准同名点;提取以准同名点为中心的短边缘线段并对其进行区域校正,通过细粒度匹配,对同名点进行准确定位.采用该方法对并联机器人加工刀具实现了特征点的匹配.实验表明：图像匹配的速度和精度有了较大提高,刀具加工点的三维重建比较精确.

京唐烧结降低固体燃料消耗生产实践

对烧结固体燃料结构变化引起燃料单耗升高原因进行分析研究,通过实施控制烧结矿FeO含量、降低漏风率、料面喷洒蒸汽、原燃料粒度匹配调整等系列措施,烧结固体燃料消耗及成本明显下降,烧结矿质量指标有所改善.

低铁、低硅、低铝金属铬的生产实践

通过调整中和除铝、硅工序的技术参数,降低铬酸钠溶液铝、硅含量;改变煅烧窑窑衬材质,避免氧化铬增硅;控制铝粉和氧化铬中的铁含量,降低成品金属铬含铁量;通过改变配铝系数,同时调整铝粉和氧化铬的粒度匹配,达到成品金属铬低铝低氧的目的。最后生产出低铁、低硅、低铝和低氧金属铬,并实现低杂质高纯金属铬产品的逐步系列化。

我厂使用重碱的实践及存在的问题

在使用重碱过程中，从配料到熔制各个环节都要严格控制，如控制不当，会对熔化质量造成很大影响。

改进的基于元学习的小样本目标检测法在废品识别分类中的应用研究

针对传统R-CNN泛化能力弱等问题,首先对传统的R-CNN算法进行改进,运用元学习的方法,将从数据丰富的基类中学习到的元知识转移到数据稀缺的新类中。对粗粒度原型匹配网络进行改进,它使用基于度量学习的非线性分类器而不是传统的线性目标分类器来处理查询图像中锚和新类之间的相似度,从而提高了小样本新类候选框的召回率。对细粒度原型匹配网络进行改进,添加了一个带有空间特征区域匹配和前景关注模块来处理噪声候选框和小样本新类的相似度,以解决候选框特征和类原型之间的空间区域不匹配,从而提高整体检测精度。然后设计了一个小样本分类器,将softmax分类器和设计的小样本分类器放在一起考虑,利用这两种检测器的优势,通过使用小样本检测器的来共享特征主干网络,联合学习一个Faster R-CNN检测头。而不是像以前的方法那样只使用softmax分类器。做到了在保持原有检测精度的基础上,扩大了检测范围。