基于多任务学习的立体匹配算法

引入辅助任务信息有助于立体匹配模型理解相关知识,但也会增加模型训练的复杂度。为解决模型训练对额外标签数据的依赖问题,提出了一种利用双目图像的自相关性进行多任务学习的立体匹配算法。该算法在多层级渐进细化过程中引入了边缘和特征一致性信息,并采用循环迭代的方式更新视差图。根据双目图像中视差的局部平滑性和左右特征一致性构建了损失函数,在不依赖额外标签数据的情况下就可以引导模型学习边缘和特征一致性信息。提出了一种尺度注意的空间金字塔池化,使模型能够根据局部图像特征来确定不同区域中不同尺度特征的重要性。实验结果表明:辅助任务的引入提高了视差图精度,为视差图的可信区域提供了重要依据,在无监督学习中可用于确定单视角可见区域;在KITTI2015测试集上,所提算法的精度和运行效率均具有一定的竞争力。     

基于预留缓存的并发访问及多任务并行支撑技术研究

在航天装备在役考核试验执行中,对于存在时空重叠的多个任务以及子任务,需要应用并行执行支撑技术。本文以典型航天装备在役考核综合评估任务为对象,从任务流层面和数据流层面,采用基于预留缓存的多线程并行并发技术,对多任务进行并行处理和执行。依托自主研发的航天装备在役考核综合评估系统,对本文方法进行了验证。系统运行结果表明,采用本文的多任务并行执行支撑技术可以高效快速地对大纲设计、数据采集等多个过程进行并发执行控制,对多源数据进行并行处理计算,有效提高了在役考核试验执行和综合评估的效率。     

基于嵌入式注意机制的目标语音提取算法

摘要:针对说话人语音提取问题,提出了一种基于深度神经网络多任务学习的嵌入式注意机制单声道说话人语音提取方法。该算法将语音分离和语音提取统一到单个框架中,向频谱映射分离模型中嵌入说话人注意机制,并在引入说话人辅助信息的注意机制中得到时变注意权重,利用时变注意权重分离出目标说话人的内部嵌入向量,随后采用提取模型对目标说话人的嵌入向量进行非线性处理运算,估计出目标说话人对应的掩蔽,进而提取出目标说话人语音。同时借助TIMIT数据集,进行了语音提取实验。实验结果验证了所提算法的可行性和有效性,并在说话人语音提取的性能上有明显的优越性。