RGB-D Hand-Held Ob ject Recognition Based on Heterogeneous Feature Fusion

Ob ject recognition has many applications in human-machine interaction and multimedia retrieval. However, due to large intra-class variability and inter-class similarity, accurate recognition relying o...     

标识部分集合二结构（LPS2S）的深重命名及其应用

文[4]对LPS2S与Petri网(EN系统或C/E)之间的联系做了深入分析。LPS2S与并发系统的联系,对于Petri网理论与变迁系统来说更是如此;此外二结构本身也有丰富的理论。我们知道,LPS2S是在标识部分二结构(LP2S)的基础上构造出来的,我们感兴趣的是lp2s经过域映射与重命名作用所得到的lps2s,即BREGV与REGV中的元素。本文提出的DLP2S与深重命名的概念能使我们更加深入地认识LPS2S。     

多尺度拼图重构网络的食品图像识别

近年来,食品图像识别由于在健康饮食管理、无人餐厅等领域的广泛应用而受到了越来越多的关注.不同于其他物体识别任务,食品图像属于细粒度图像,具有较高的类内差异性和类间相似性,而且食品图像没有固定的语义模式和空间布局,这些特点使得食品图像识别更具挑战性.为此,提出了一种用于食品图像识别的多尺度拼图重构网络（multi-scale jigsaw and reconstruction network,MJR-Net）.MJR-Net由拼图重构模块、特征金字塔模块和通道注意力模块这3部分组成.拼图重构模块使用破坏重构学习方法将原始图像进行破坏和重构,以提取局部的判别性细节特征;特征金字塔模块可以融合不同尺寸的中层特征,以捕获多尺度的局部判别性特征;通道注意力模块对不同特征通道的重要程度进行建模,以增强判别性的视觉模式,减弱噪声干扰.此外,还使用A-softmax和Focal损失,分别从增大类间差异和修正分类样本的角度优化网络.MJR-Net在ETH Food-101,Vireo Food-172和ISIA Food-500这3个食品数据集上进行实验,分别取得了90.82%,91.37%和64.95%的识别准确率.实验结果表明,与其他食品图像识别方法相比,MJR-Net表现出较大的竞争力,并在Vireo Food-172和ISIA Food-500上取得了最优识别性能.全面的消融实验和可视化分析证明了该方法的有效性.     

双线性函数性质研究

定义了双线性函数的秩和零度、拟正定双线性函数、正定双线性函数和拟正定矩阵，并详细讨论了它们的性质及相互之间的联系。     

基于“bag of words”的视频匹配方法

提出了一种利用“bag of words”模型对视频内容进行建模和匹配的方法。通过量化视频帧的局部特征构建视觉关键词（visual words）辞典，将视频的子镜头表示成若干视觉关键词的集合。在此基础上构建基于子镜头的视觉关键词词组的倒排索引，用于视频片段的匹配和检索。这种方法保留了局部特征的显著性及其相对位置关系，而且有效地压缩了视频的表达，加速的视频的匹配和检索过程。实验结果表明，和已有方法相比，基于“bag of words”的视频匹配方法在大视频样本库上获得了更高的检索精度和检索速度。     

多媒体内容的多维度相似性计算与搜索专题前言

<正>图像、视音频等多媒体数据包含的信息量非常丰富.近年来,随着研究的不断深入,根据不同应用需求,多媒体搜索可以从不同维度展开,包括从底层特征到高层语义的表示维度、从实例到类别的物体维度、从单个概念到多个概念直至语言的描述维度、从全局内容到局部区域的尺度维度等,并且这些维度之间也相互关联与交叉.多维度的多媒体相似性计算与搜索研究可以深入挖掘多媒体内容的相似性,建立更加全面的多媒体内容搜索方案.本专题公开征文,共收到投稿13篇,都通过了形式审查,内容涉及目标重识别、图像检索、语义哈希计算、     

基于用户关注空间与注意力分析的视频精彩摘要与排序

文中提出一种基于用户关注空间与注意力分析的视频内容理解方法,该方法可以有效地获得多通道的视频关注信息,并可使用户根据个性化需求定制视频关注内容,实现视频的高效浏览与访问.首先采用基于二叉层次型结构与分类器选择的音频分类算法将视频中的主要声音类型分类,然后将视频中影响用户注意力的视觉、听觉、时序因素定义为用户关注空间,分别使用相应的中层特征在这三个方面对用户注意力进行表示并计算其关注度,从而在音视频底层特征与高层认知之间建立有机过渡.作者设计了顺序决策融合算法来融合视觉与听觉关注度,生成关注度时序变化曲线并获得精彩摘要.最后使用支持向量回归模型并引入相关反馈机制来实现用户个性化的精彩片段排序.该项工作的特点是通过建立符合人类认知规律的关注度模型并结合相关反馈技术,对视频内容进行类人理解.实验证明,该方法对提取与生成符合用户个性化要求的视频摘要及排序结果具有良好的效果.     

食品图像识别方法综述

食品与人类的行为、健康和文化等密切相关.社交网络、移动网络和物联网等泛在网络产生了食品大数据,这些大数据与人工智能,尤其是快速发展的深度学习催生了新的交叉研究领域食品计算.作为食品计算的核心任务之一,食品图像识别同时是计算机视觉领域中细粒度视觉识别的重要分支,因而具有重要的理论研究意义,并在智慧健康、食品智能装备、智慧...     

多模态协同感知与融合技术专题前言

<正>与人类利用视觉、听觉、触觉等多种感官信息来感知世界相似,计算机智能系统也可通过不同的传感器,如摄像头、雷达、麦克风、触觉传感器等,来获取人类和物理世界中的数据与信息.随着智能终端和多模态传感设备的普及,可用于感知世界的数据来源、维度和数据量都在快速增长,单独模态数据所提供的信息已经不能满足智能系统感知与理解世界的需求.因此智能系统在感知世界时,需要从更多模态数据的差异化获取、动态适配、     

Petri网中的广义公平关系

在吴折辉等提出的公平性和王培良等提出的弱公平性概念的基础上,提出了Ｐｅｔｒｉ网中的广义公平关系,同公平关系和弱公平关系比起来,广泛公平关系的概念更符合计算科学对公平性的传统理解,文中讨论了存在准公平关系的可重复网结构,并在此基础上给出了菊花链式握手协议的一个Ｐｅｔｒｉ网模型。