融合独立组件的ResNet在细粒度车型识别中的应用

针对细粒度车型中子车系间识别率低的问题,同时为了增强卷积神经网络的表征能力,提出融合独立组件的残差网络（IC-ResNet）模型。优化ResNet网络,通过改进下采样层,减少特征信息损失,接着使用中心损失函数和Softmax损失函数联合学习策略,增强模型的类内聚性。在卷积层前引入独立组件（IC）层,获得相对独立的神经元,增强网络独立性,提高模型的特征表示能力,从而对细粒度车型实现更准确的分类。仿真实验表明,该模型在Stanford cars-196数据集上的识别准确率达到94.7%,与其他模型相比,实现了最优效果,从而验证了该车型识别模型的有效性。     

基于原型网络的细粒度实体分类方法

细粒度实体分类任务作为命名实体识别任务的扩展,其目的是根据指称及其上下文,发掘实体更细粒度的类别含义。由于细粒度实体语料的标注代价较大,标注错误率较高,因此该文研究了在少量样本情况下的细粒度实体分类方法。该文首先提出了一种特征提取模型,能够分别从单词层面以及字符层面提取实体信息,随后结合原型网络将多标签分类任务转化为单标签分类任务,通过缩小空间中同类样本与原型的距离实现分类。该文使用少样本学习以及零样本学习两种设置在公开数据集FIGER(GOLD)上进行了实验,在少样本学习的设置下,较基线模型在三个指标中均有提升,其中macro-F₁的提升最大,为2.4%。     

基于WCDPM模型的细粒度物体识别

针对可变形部件模型(deformable parts model,DPM)同等对待各部件,无法体现不同部件对识别过程的贡献度差异的不足,提出一种权重系数可变形模型(weighted coefficient deformable parts model,WCDPM),对DPM中的各部件赋予权重,强调区分度较高的部件在识别过程的作用,弱化区分度低的部件对识别的影响,提高细粒度识别精度.同时给出了模型的训练过程和权重系数的学习方法.在Airplan OID和Oxford-IIIT Pet两个数据集上进行实验,验证了该方法的有效性.     

生长温度稳定性对两面顶细粒度金刚石性能的影响

在两面顶细粒度金刚石合成中采用PtRh30-PtRh6（双铂铑热电偶）测量温度，测得了合成芯块内部温度，得出了加热功率曲线与晶体生长温度的对应关系。根据多次实验结果，建立了生长温度稳定性具有显著差异的四种典型功率曲线；并分析了各曲线对应的温度变化趋势及幅度，四种曲线中温度变化幅度最大超过70％，最小可控制在10℃以内。对各曲线合成的金刚石进行了扫描电镜（SEM）及专门的产品指标对照分析，发现晶体生长温度越稳定晶体质量越好；将晶体生长温度控制在10％以内，能使细粒度晶体质量的综合指标提高5％-10％。     

一种语句级细粒度情感倾向性分析算法研究

针对中文语句的细粒度情感倾向分析问题,构建一个细粒度情感词库。对所含词语进行权重值的计算,并结合中文语句的句式、情感词修饰方法等特点,提出一种基于词库权重、句式权重、修饰权重相结合的语句级细粒度情感倾向性分析算法。实验结果表明,该算法可以准确计算出评论语句的情感倾向值,为进一步研究语句级细粒度情感倾向分类提供了重要的参考依据。     

基于外观的复合属性学习的细粒度识别

由于语义可理解性及共享性,视觉属性作为刻画对象的中间特征表示在众多领域得到了广泛应用。视觉属性学习中,大量的人工成本用于属性定义和标注,因此难以避免地引入了主观偏见,属性表示的类别判别性难以保证,尤其面临对判别性要求较高的细粒度识别任务时更为明显。复合属性符合人类认知规律以及对象复杂多模分布的事实,从刻画对象的分布入手,以较低廉的代价建立兼具一定描述能力及较好判别能力的特征表示,以应对细粒度识别任务对判别特征和判别模型的较高要求。在细粒度识别代表性公开数据集CUB上验证了所提方法的有效性。在细粒度识别任务中,复合属性表现出比人工定义的属性以及类别判别属性更优的性能。     

自上而下注意图分割的细粒度图像分类

目的 针对细粒度图像分类中的背景干扰问题,提出一种利用自上而下注意图分割的分类模型。方法 首先,利用卷积神经网络对细粒度图像库进行初分类,得到基本网络模型。再对网络模型进行可视化分析,发现仅有部分图像区域对目标类别有贡献,利用学习好的基本网络计算图像像素对相关类别的空间支持度,生成自上而下注意图,检测图像中的关键区域。再用注意图初始化GraphCut算法,分割出关键的目标区域,从而提高图像的判别性。最后,对分割图像提取CNN特征实现细粒度分类。结果 该模型仅使用图像的类别标注信息,在公开的细粒度图像库Cars196和Aircrafts100上进行实验验证,最后得到的平均分类正确率分别为86.74%和84.70%。这一结果表明,在GoogLeNet模型基础上引入注意信息能够进一步提高细粒度图像分类的正确率。结论 基于自上而下注意图的语义分割策略,提高了细粒度图像的分类性能。由于不需要目标窗口和部位的标注信息,所以该模型具有通用性和鲁棒性,适用于显著性目标检测、前景分割和细粒度图像分类应用。     

一种基于海量船舶轨迹数据的细粒度网格海上交通密度计算方法

在"一路一带"的战略构想下,对于海上贸易的关注逐渐升温。海上运输是海上贸易的承载,掌握细粒度的海上交通密度,对于提取热点航道热点区域、分析全球贸易走势、推断海上交通连通性及相关的异常检测等具备重要的意义。提出了一种面向海量船舶轨迹数据的细粒度网格海上交通密度计算方法,该方法将全球划分为0.01°*0.01°的标准化细粒度网格,一方面为了适应细粒度网格对全球船舶真实轨迹数据特点设计了针对性的预处理方案,处理了异常点和停泊点;另外一方面设计并实现了一种面向该网格的利用海量轨迹数据对信息发送数目、信息发送间隔、经过船舶数目、经过船舶时间等多维交通密度特征进行量化计算的方法,具备良好的拓展性。最后采用2014年2个月共计8亿余条数据对该方法的性能、准确性进行了评估验证,证明了该方法的切实可行性。     

梭子鱼Web应用防火墙获五星评价成最值得购买产品

在国际知名资讯安全杂志《SC Magazine》的应用安全产品组评测中,梭子鱼Web应用防火墙获得五星级评价并被评为最值得购买的产品。《SC Magazine》赞扬了梭子鱼Web应用防火墙的便于安装、卓越的功能等。该评测报告指出:"梭子鱼Web应用防火墙易于安装配置,在从包装盒取出后,我们可以轻松地利用机架安装工具把它安装到我们的服务器机架中。同时这个设备内置了很多     

B/S应用系统中的细粒度权限管理模型①

针对B/S模式下的油库网络信息系统的实际需求,为提高用户权限管理的动态性和授权访问的安全性,结合基于角色的访问控制原理,提出了一种在B/S应用系统中针对用户人员复杂、职务变动频繁特点的细粒度权限管理模型。该模型把资源的访问权限按细粒度分解,实现了由粗到细,不同级别的权限控制,既可进行角色授权也可直接用户授权,大大改善了用户权限管理的灵活性和可扩展性。