基于多池化融合与背景消除网络的跨数据集行人再识别方法

现有跨数据集行人再识别方法一般致力于减小2个数据集之间的数据分布差异,忽略了背景信息对识别性能的影响。针对上述问题,提出了一种基于多池化融合与背景消除网络的跨数据集行人再识别方法。为了兼顾全局特征和局部特征,同时实现特征的多细粒度表示,构建了多池化融合网络。为了使监督网络能提取有用的行人前景特征,构建了特征级有监督背景消除网络。采用结合行人分类损失及特征激活损失的多任务学习损失函数,在3个公开行人再识别数据集上对方法进行评估,当MSMT17作为训练集时,Market-1501上的跨数据集识别性能mAP为35.53%,相比ResNet50网络提升了9.24%;DukeMTMC-reID上的跨数据集识别性能m AP为41.45%,相比于ResNet50网络提升了10.72%。与现有方法相比,所提方法具有更优的跨数据集行人再识别性能。

医院双院区超融合资源池设计与建设

目的:通过设计双院区超融合资源池,保证医院核心系统业务的稳定性与可靠性,保障医院信息系统的数据安全。方法:根据医院现有环境,设计双院区网络架构,基于网络基础设计两种超融合资源池方案,完成部署两套双院区超融合资源池,测试基础网络性能,测试超融合资源池性能,测试迁移和容灾效果,验证是否达到预期目标。结果:基础网络性能达到标准,双院区超融合资源池建设完成,容灾效果达到目标。结论:建成两套超融合资源池,极大提升系统稳定性和健壮性,减少意外故障时人工干预程度,提升了医院核心业务容灾能力,保证了核心业务的运行效率。

基于运营商私有云资源池融合的研究

随着云计算技术的发展,运营商在企业内部搭建了多个私有云资源池,随着资源池规模的逐步增大,资源池的自动化部署、多租户承载、多资源池互联互通、建设成本控制等需求日益突出,亟待进行融合,融合为一个云资源池,提升资源管理、调度效率,提升资源利用率。本文对运营商私有云资源池融合过程中涉及的技术、管理问题进行研究,力图为私有云资源池融合提供借鉴。

基于VxSim的信号融合设计与模拟仿真

在设计信号接收机时,针对实践运用过程中出现杂散电磁信号后影响用户实际使用的情况,提出了一种信号融合设计实现方法。方法使用VxSim模拟仿真信号融合过程,通过模拟多个实时任务,模拟生成信号,对融合池中信号的权重计算,同时对比三种融合计算方式,选择线性权重计算和非线性权重计算的叠加方法,输出最大权重的融合结果。有效解决了单一信号的不稳定性,保证了信号接收机的可靠性,同时为嵌入式实时多任务软件开发提供了设计环境和思路。