【摘 要】
：
针对行人重识别(Person-ReID)过程中,基于局部特征的方法在提取行人特征时因信息缺失导致鲁棒性和判别力不足的问题,提出一种多层级重叠条纹特征融合的行人重识别算法。训练阶段,对骨架网络不同阶段的输出特征图进行水平均等分割,再提取重叠条纹特征以弥补丢失的信息;使用三种损失函数对不同的特征向量进行监督训练,以约束类内距离。此外,设计组归一化模块来消除不同损失函数在优化方向上存在的差异,从而提取到
【机 构】
：
物联网技术应用教育部工程研究中心（江南大学物联网工程学院）
【基金项目】
：
国家重点研发计划(2018YFD0400902),国家自然科学基金(61873112),教育部-中国移动科研基金(MCM20170204),江苏省物联网应用技术重点实验室项目(190449,190450)。
论文部分内容阅读
针对行人重识别(Person-ReID)过程中,基于局部特征的方法在提取行人特征时因信息缺失导致鲁棒性和判别力不足的问题,提出一种多层级重叠条纹特征融合的行人重识别算法。训练阶段,对骨架网络不同阶段的输出特征图进行水平均等分割,再提取重叠条纹特征以弥补丢失的信息;使用三种损失函数对不同的特征向量进行监督训练,以约束类内距离。此外,设计组归一化模块来消除不同损失函数在优化方向上存在的差异,从而提取到更恰当的共享特征。推理阶段,将多个特征向量融合成一个新的特征向量,再进行相似性判断。将该方法在Marke
其他文献
Transformer作为一种新的深度学习算法框架,得到了越来越多研究人员的关注,成为目前的研究热点。Transformer模型中的自注意力机制受人类只关注于重要事物的启发,只对输入序列中重要的信息进行学习。对于语音识别任务来说,重点是把输入语音序列的信息转录为对应的语言文本。过去的做法是将声学模型、发音词典和语言模型组成语音识别系统来实现语音识别任务,而Transformer可以将声学、发音和语言模型集成到单个神经网络中形成端到端语音识别系统,解决了传统语音识别系统的强制对齐和多模块训练等问题。因此,探
遗传算法(GA)的全局搜索能力强,易于操作,但其收敛速度慢,易陷入局部最优值。针对以上问题,利用深度强化学习模型SAC对遗传算法进行改进,并将其应用至旅行商问题(TSP)的求解。改进算法将种群作为与智能体(agent)交互的环境,引入贪心算法对环境进行初始化,使用改进后的交叉与变异运算作为agent的动作空间,将种群的进化过程视为一个整体,以最大化种群进化过程的累计奖励为目标,结合当前种群个体适应度情况,采用基于SAC的策略梯度算法,生成控制种群进化的动作策略,合理运用遗传算法的全局和局部搜索能力,优化种
封闭式室内环境参量对人工软骨材料的研制至关重要,传统神经网络模型难以实现对封闭环境参量的有效控制。论文采用改进的布谷鸟算法优化BP神经网络模型作为控制算法,采用STM32F429单片机作为核心单元和采用PM11-R-3L位置传感器作为本次实验的重要硬件。结果表明,采用改进布谷鸟算法优化BP神经网络模型,其控制效果比传统BP神经网络对封闭式室内环境参量的效果更好,并且提高了控制系统的稳定性和鲁棒性。
前向安全的有序聚合(Fss-Agg)签名兼顾前向安全签名和有序聚合签名的优势。自2007年提出以来,前向安全的有序聚合签名已被广泛应用于日志系统、电子商务、电子政务、区块链等众多应用场景中。目前现存的几个前向安全的有序聚合签名都是基于传统数论问题,而这些问题随着量子计算机逐渐成为现实,将会变得不再困难。因而,寻找量子计算环境下前向安全的有序聚合签名已迫在眉睫。给出了前向安全有序聚合签名方案的定义,并将前向安全性和存在性不可伪造性两个特性结合,定义了选择消息攻击下有序聚合签名的前向安全的存在性不可伪造性;基
为了使船舶跟踪算法更适用于工程实践,降低杂波、风浪带来的影响,结合工程经验提出一种融合凝聚耦合度与航迹成长值的船舶跟踪算法。根据LSTM模型的“遗忘门”、“细胞状态”思想,提出“暂时航迹成长值”概念,用于计算暂时航迹的可靠性,同时利用多个波门过滤航迹,结合点迹凝聚的耦合度,量化出凝聚点迹质量,剔除虚假航迹,降低虚警率,实现航迹的正确起始。通过仿真结果表明,该算法跟踪效果良好,验证了其可行性和有效性。
社交网络用户立场检测指判断用户对于某一事件所持有的观点。以往的立场检测研究主要是以文本作为唯一研究对象,忽略了其它对用户立场检测有用的因素。根据认知理论研究,用户立场主要是在用户先验立场和外界环境的共同作用下形成的。基于此论文提出一种基于社交网络拓扑结构的立场检测算法。首先进行社区划分,提取用户的社交网络拓扑结构特征来衡量外部环境影响力;其次借文本语义提取技术分析用户先验立场,最后由两者共同作用判断用户最终立场。基于真实微博数据的实验结果表明,论文提出的新算法可以有效提高立场检测的准确性。
行人重新识别(Re-ID)是一种基于人体整体特征的身份识别方法,是指在图像或者视频序列中判断是否存在特定行人的技术。对于行人重识别方法来说,行人所穿着的衣服特征具有十分重要的影响。然而在某些特殊情况下(例如罪犯为了摆脱跟踪,更换衣服后逃跑等),目标行人在查询图像和图像库中的衣服特征是不同的,这使得目前的行人重识别方法难以将目标人物的图像与图像库中的人物相匹配。为了解决这一问题,提出了一种基于衣服特
近几年,联合聚类划分和表示学习的深度聚类方法提供了出色的聚类性能,但随着图像质量的下降(比如噪声图像),聚类结果还不能令人满意。为此,提出一种新的深度聚类算法(DDC)。深度卷积降噪自编码器学习噪声数据的特征表示;自注意力机制提高网络捕获局部关键信息的能力;端到端的联合训练得到合适的特征表示并完成聚类分配;对数据点和类中心的相似度赋予不同的权重,扩大同类和异类之间的差异。在公开图像数据集上的实验表
针对传统轨道扣件定位算法容易受光照等外界条件的影响,很难准确定位轨道扣件快速弹条的具体位置。结合无砟轨道扣件快速弹条的特征提出一种基于卷积神经网络SSD(Single-Shot MultiBox Detector)的轨道扣件快速弹条状态检测方法。利用快速弹条和钢轨的形态特征优化SSD算法中先验框的尺度和宽高比。同时,使用数据扩充和迁移学习方法对模型进行训练,有效缓解了训练过程中的过拟合现象。与传统
复句关系识别是对分句间语义关系的甄别,是复句语义分析的关键。由于非充盈态汉语复句存在隐式关系的特点,给语义关系识别造成了困难。因此,为了深度挖掘复句中隐含的语义信息实现正确的关系分类,该文提出了一种基于词聚类的CNN与Bi-LSTM相结合的网络结构BCCNN。其中,通过使用词聚类算法对单词向量建模提取单词间的语义相似特征,并在此基础上使用CNN对复句进行深度建模以获得复句的局部特征。另外,该文将CNN中的池化层替换为Bi-LSTM网络层,在减少池化操作所带来语义信息丢失的同时又得到了全局的长距离语义依赖特