【摘 要】
：
行人属性识别已经成为视频监控领域中一个新兴的研究课题。为了提高基于深度学习的行人属性识别的能力，提出了一种基于任务感知机制的行人属性识别网络模型，主要贡献如下：1)考虑到不同行人属性之间存在较强的语义相关性，提出了任务感知机制，充分挖掘不同任务中属性和属性之间的关联性；2)针对行人属性样本的不平衡性，利用加权损失策略降低不平衡性带来的影响；3)在现有的三个行人属性数据集PETA、PA100k和RA
论文部分内容阅读
行人属性识别已经成为视频监控领域中一个新兴的研究课题。为了提高基于深度学习的行人属性识别的能力，提出了一种基于任务感知机制的行人属性识别网络模型，主要贡献如下：1)考虑到不同行人属性之间存在较强的语义相关性，提出了任务感知机制，充分挖掘不同任务中属性和属性之间的关联性；2)针对行人属性样本的不平衡性，利用加权损失策略降低不平衡性带来的影响；3)在现有的三个行人属性数据集PETA、PA100k和RAP上的实验结果表明，提出的方法具有较强的竞争力。
其他文献
针对点云的非真实感渲染问题,提出一种面向高分辨率点云数据的风格化渲染方法,以提高点云数据展示的艺术性.首先,针对高分辨率点云中海量三维点所带来的计算量问题,提出远距离点采样方法,在实现精简数据的同时保留其三维结构特征;然后,针对跨维度的风格迁移问题,引入基于深度神经网络的风格化渲染方法,实现二维图像至三维网格的风格迁移;最后,为了快速且高效地将可视化风格信息从三维网格向三维点云进行传递,提出基于K
激活函数（Activation Functions，AF）对于卷积神经网络学习、拟合复杂函数模型来说具有十分重要的作用，为了使神经网络能更好更快的完成各类学习任务，本文设计了一种新型高效激活函数ERelu。ERelu通过引入自然对数函数有效缓解了神经元“坏死”和梯度弥散问题；通过分析激活函数及其导函数在前馈和反馈过程中的作用对ERelu函数的数学模型探索设计，经测试确定ERelu函数的具体设计方案
为了揭示冻融期不同时间灌水对土壤水分运移和温度分布的影响，设置了未灌水裸地L0和冻融期7个不同时间灌水地块（即L1、L2、L3、L4、L5、L6和L7，灌水一次，灌水量225m~(3)/hm~(2)），跟踪监测冻融期不同地块土壤剖面温度和土壤含水率。结果表明：灌水对0～20 cm的土壤含水率和温度影响显著，不稳定冻结阶段初灌水对整个冻融期的土壤温度具有明显的降温效应，较L0降低2～4℃；当地表冻层
由检修人员填写的机车检修记录单在电子化归档过程中，采用人工筛查分类，存在效率低、耗时长的问题。为此，文章提出一种改进的基于PaddlePaddle-OCR的文本识别方法，其能准确识别检修单中关键文本内容，并依据所识别的信息实现检修单的快速分类归档。该方法首先基于傅里叶变换进行文本倾斜角度检测校正；接着，采用以可微二值化模块为头部的分割网络来实现文本区域的检测；最后，采用卷积循环神经网络完成文本区域
以广西三江县土壤为研究对象，采集了表层土壤样2751件和土壤垂向剖面样180件，测定了土壤中硒的含量。利用多元统计分析、地统计学法、GIS空间分析技术和Pearson相关性分析法研究了土壤硒的含量特征和影响因素。结果表明，研究区表层土壤硒平均含量为0.63mg/kg，变化范围为0.10～14.41mg/kg。研究区富硒土壤硒资源丰富，足硒和富硒土壤面积为95.87%。土壤硒含量的分布主要受到地质背
空气负离子（NAI）是衡量一个地区空气清洁度的重要指标，对人体的心理健康和生理机能具有重要的调节作用。植被光合过程中光电效应是NAI产生的重要来源和影响因素，但光电效应极其微弱而难以直接监测，而植物电信号是间接反映光电效应的重要指标，以往研究多侧重在不同森林群落中NAI的时空变化特征及其与气象因素的关系，目前关于NAI与植物电信号的研究较少。本研究以白皮松为对象，通过人工气候室控制试验，探讨不同光
针对传统数据共享方法存在隐私泄露、易受到拒绝服务攻击和黑客入侵等问题,通过密文属性策略基加密、同步聚合签名、可验证随机函数等方法,设计基于区块链的物联网安全数据共享系统.首先,物联网设备利用密文属性策略基加密方案对数据进行加密,从而对数据使用者的属性进行限定,实现细粒度的数据共享访问控制,并且可以定义使用者的访问次数;其次,在数据共享系统中引入付费商业模型,让云服务器可以为提供的服务进行收费,并且
噪声标签在实际数据集中普遍存在，这将严重影响深度神经网络的学习效果。针对此问题，提出了一种基于标签差学习的噪声标签数据识别与数据再标记方法。该方法首先设计两种不同的伪标签生成策略，利用基础网络所识别的干净数据生成人工噪声数据集，并计算该数据集的标签差向量或标签差矩阵；然后以强化相似类别间的关联性为目标，利用全连接层与单行卷积核，设计标签差向量网络与标签差矩阵网络等两种噪声学习网络直接学习样本数据的
深度学习方法在病灶检测任务中被广泛应用，但因肝脏肿瘤较小和样本较少的问题，导致无法达到辅助诊断的准确率要求。针对以上问题，本文提出基于ConA-FPN的肝脏肿瘤检测算法，具体过程为：首先，使用融合ResNet和注意力机制的特征金字塔替换Faster R-CNN中的特征提取网络；然后，使用融合特征解决特征金字塔中的高层模块通道信息损失问题，通过添加CAG注意力机制解决了特征融合带来的特征混叠问题，增
由于沉浸式环境下的三维交互方式对二维界面操作不够友好，使得依赖于二维列表界面的流场数据管理任务变得复杂且低效。为了实现沉浸式虚拟环境下对流场数据高效的组织和管理，增强用户对流场空间信息的理解，提出一种基于多视图结合交互的沉浸式流场可视化数据块管理方法。该方法构建了一个三维小视图用于提供场景概览，并通过“主视图交互+小视图辅助”、“小视图交互+主视图反馈”等多种多视图组合交互方式完成对多块流场数据的