【摘 要】
：
大多数行人重识别方法仅将注意力机制作为提取显著特征的辅助手段，缺少网络对行人图像关注程度的量化研究。本文基于此，提出一种可解释注意力部件模型（Interpretable Attention Part Model，IAPM）。该模型有三个优点：1）利用注意力掩码提取部件特征，解决部件不对齐问题；2）为了根据部件的显著性程度生成可解释权重，设计可解释权重生成模块（Interpretable Weigh
论文部分内容阅读
大多数行人重识别方法仅将注意力机制作为提取显著特征的辅助手段，缺少网络对行人图像关注程度的量化研究。本文基于此，提出一种可解释注意力部件模型（Interpretable Attention Part Model，IAPM）。该模型有三个优点：1）利用注意力掩码提取部件特征，解决部件不对齐问题；2）为了根据部件的显著性程度生成可解释权重，设计可解释权重生成模块（Interpretable Weight Generation Module，IWM）；3）提出显著部件三元损失（Salient Part T
其他文献
为提高印刷电路板装配（Printed Circuit Board Assembly，PCBA）中目标区域检测的准确性和实时性，提出一种高斯金字塔变换与新粒子群算法相结合的PCBA模板匹配算法。采用倒Sigmod函数调整粒子群迭代的惯性权值；分别构建个体和群体的自适应学习因子模型；提出粒子是否陷入局部解的自适应判据并对其采用随机动量因子进行调整，从而提出一种新的粒子群算法。分别对待匹配图像和模板图像
无轨爬行式焊接机器人运动方式自由灵活，导致存在超前监测误差的主动视觉传感方法焊缝跟踪精度不高。被动视觉传感方法无超前监测误差，但需采用昂贵的熔池相机，导致设备成本增加。针对该问题，设计一种由双摄像机组成的视觉采集系统，并提出一种熔滴-焊缝同步采集焊接偏差测定方法。首先，通过标定分别校正熔滴和焊缝图像，之后将熔滴、焊缝图像信息融合到同一图像坐标系中。然后，采用凹点区域检测方法定位熔滴图像中的焊丝尖端
现有多源数据融合可视化方法对数据精度要求高，匹配过程复杂，且传统点云的组织索引方式冗余，面对复杂数据的动态性较差，索引效率较低，难以支撑在网络环境下进行多源数据高效可视化交互。针对上述问题，提出面向网络轻量化应用的全景图与点云数据快速融合可视化方法。探讨了二维影像与三维点云的快速映射匹配机制、非规则性八叉树点云优化组织与多细节层（levels of detail，LOD）次动态调度等关键技术；并设
在施工人员复杂姿态下，现有安全帽佩戴检测方法存在检测难度大，精度不高的问题，提出一种基于头部识别的安全帽佩戴检测方法。通过肤色特征识别和头部检测获取头部区域，并进行交叉验证确定头部区域，使用YOLO v4目标检测网络识别安全帽，通过安全帽区域与头部区域的位置关系判断安全帽佩戴情况。最后通过实验对比分析其他安全帽佩戴检测方法的性能，对安全帽佩戴检测方法进行总结并提出展望。
基于成渝地区土地质量地球化学调查资料，研究了四川南部县土壤54种元素（指标）分布特征及其地球化学基准值和背景值。结果表明，与全国土壤相比，该区重金属元素As、Cu、Hg、Pb、Zn基准值较低，Cd、Cr较高，Ni相当；多数重金属元素和植物营养元素背景值低于全国A层土壤背景值，仅CaO、Cd、MgO、Cr、F等元素背景值高于全国水平。多数元素（指标）背景值与基准值相当，说明表生作用和人为活动对表层土
为给定图像自动生成符合人类感知的描述语句是人工智能的重要任务之一.大多数现有的基于注意的方法探究语句中单词和图像中区域的映射关系,而这种难以预测的匹配方式有时会造成两种模态间不协调的对应,从而降低生成描述语句的质量.针对此问题,本文提出一种文本相关的单词注意来提高视觉注意的正确性.这种特殊的单词注意在模型序列地生成描述语句过程中强调不同单词的重要性,并充分利用训练数据中的内部标注知识来帮助计算视觉
根压是植物根部产生的一种静水压力，广泛存在于多种植物中。在蒸腾作用很弱的情况下，根压不仅驱动水分从根部流向冠层叶片，缓解因白天强烈蒸腾而导致的水分亏缺，而且在木质部导管栓塞修复方面发挥重要作用。虽然国内外学者对根压的产生已有一些解释，普遍接受的观点有渗透理论、代谢理论和水分向上共同运输假说等，但根压产生的机制至今仍是科学家争议的焦点之一。根压的测定方法虽有直接和间接测定、有损伤和无损伤测定之分，但
目的测定青海青南地区鼠疫自然疫源地鼠疫高发区和静息区土壤金属元素含量，对比分析两地区土壤金属元素含量的差异。方法对鼠疫高发地和静息地土壤进行采样，检测土壤样品中铁、钙、镁、铜、钴等12种金属元素的含量，应用SPSS20.0统计软件进行描述、T检验、秩和检验、相关分析等统计分析。结果各金属元素在疫源地鼠疫高发区和静息区土壤含量存在差异，高发区土壤金属元素含量均高于静息区(p＜0.05)；高发区各采样
准确的交通流预测能够为管理部门提供合理的决策依据，为驾驶员提供实时的道路状况预警，是交通领域至关重要的问题。近年来，相关研究利用图卷积神经网络（GCN）处理非欧式空间结构的特点，对来自复杂路网的交通流数据进行空间相关性建模。然而，现有基于图卷积的交通流预测方法未能充分考虑空间相关性的有向性和动态性这两个重要特点。考虑到动态交通流呈现出由固定道路结构约束的稳定空间相关性和受交通环境变化影响的动态空间
乳腺癌是女性中最常见的癌症，乳腺肿块识别模型能有效地辅助医生的临床诊断工作。然而，医学图像样本稀缺使识别模型易过拟合。提出基于深层病理信息挖掘的乳腺肿块识别模型：构建样本精选策略，跨越不同乳腺造影图像数据集筛选优质样本，从数据增强（Data Augmentation）角度应对医学图像样本稀缺；由浅入深挖掘有限标注样本中蕴含的病理信息，从特征优选（Feature Selection）角度应对医学图像