Robust key point descriptor for multi-spectral image matching

Histogram of collinear gradient-enhanced coding （HCGEC）, a robust key point descriptor for multi-spectral image matching, is proposed. The HCGEC mainly encodes rough structures within an image and suppresses detailed textural information, which is desirable in multi-spectral image matching. Experiments on two multi-spectral data sets demonstrate that the proposed descriptor can yield significantly better results than some state-of- the-art descriptors.

创新发展六十载,合作共赢更辉煌——访中国橡机工业“时代精英”奖获得者潘家芳女士

中国化学工业桂林工程有限公司(CGEC)建院60年来,以"敢为天下先"的精神,在橡胶挤出设备方面不断推陈出新,开发出了四复合及五复合橡胶挤出机组,还有三角胶、立式挤出贴合生产线等,均为国内首创,并获多项专利及国家各级荣誉和表彰。CGEC将断续秉持"客户至上、合作共赢"的企业文化精神,努力前行,创造更大的辉煌。

基于Transformer融合词性特征的中文语法纠错模型

针对中文同一个词的不同词性在句子中所代表的关系不同的问题,提出基于Transformer融合词性特征的中文语法纠错(CGEC)模型,所提模型将语言学知识作为辅助信息融入中文语法纠错任务。首先,在不改变句子序列长度的基础上,在原始词嵌入层中以不同方式拼接词性向量,得到全差异词嵌入、词差异词嵌入和词性差异词嵌入三种不同的词嵌入方式;然后,将新的词嵌入方式与Transformer模型相结合,对错误语句进行语法纠错。实验结果表明,三种词嵌入方式均不同程度地提高了F0.5值,且全差异词嵌入方式的效果最好:与Transformer模型相比,F0.5提升了2.73个百分点,BLEU提升了6.27个百分点;与基于Transformer增强架构的中文语法纠错模型相比,F0.5提升了1.88个百分点。所提模型在对词性特征提取时可以侧重源语句与目标语句的语法差异,更好地捕捉句子的语法特征。

基于共线梯度特征和结构化输出的异谱图像匹配算法

本文提出了一种基于共线梯度特征(collinear gradient-enhanced coding,CGEC)和结构化输出的异谱图像匹配算法。首先通过共线梯度特征对异谱图像进行特征图像转换,获得具有相似结构信息的特征图;接着,在特征图上进行关键点的提取,以得到较多的同名点;最后,综合关键点的特征向量和关键点之间的结构信息,采用优化的方法计算得到最优的转换关系。实验结果表明,本文方法更好的获取了关键点的匹配结果。