网络监督数据下的细粒度图像识别综述

细粒度图像识别旨在对某一传统语义类别下细粒度级别的不同子类类别进行视觉识别,在智慧新经济和工业物联网等领域（如智慧城市、公共安全、生态保护、农业生产与安全保障）具有重要的科学意义和应用价值。细粒度图像识别在深度学习的助力下取得了长足进步,但其对大规模优质细粒度图像数据的依赖成为制约细粒度图像识别推广和普及的瓶颈。随着互联网和大数据的快速发展,网络监督图像数据作为免费的数据来源成为缓解深度学习对大数据依赖的可行解决方案,如何有效利用网络监督数据成为提升细粒度图像识别推广性和泛化性的热门课题。本文围绕细粒度图像识别主题,以网络监督数据下的细粒度识别为重点,先后对细粒度识别数据集、传统细粒度识别方法、网络监督下细粒度识别特点与方法进行介绍,并回顾了全球首届网络监督下的细粒度图像识别竞赛的相关情况及冠军解决方案。最后,在上述内容基础上总结和讨论了该领域的未来发展趋势。     

基于深度神经网络的弱监督信息细粒度图像识别

强监督识别算法需要大量的人工标注信息,消耗较多的人力物力资源。为了解决上述问题,满足实际需求,提出了两种基于弱监督信息图像识别方法用于细粒度图像分类(FGVC)。一种是联合残差网络和Inception网络,通过优化卷积神经网络的网络结构提高捕捉细粒度特征的能力。另一种是对双线性CNN模型进行改进,特征提取器选取Google提出的Inception-v3模组和Inception-v4模组,最后把不同的局部特征汇集起来进行分类。通过在CUB200-2011鸟类公开数据集和Stanford Cars汽车类型数据集上进行测试,实验结果表明,提出的方法在两种数据集上的分类精度分别到达了88.3%和94.2%的分类精度,实现了较好的分类性能。     

一种面向微电网实时仿真的分块分层并行算法

微电网含有大量的高频功率开关和非线性元件,对电力系统实时仿真技术提出了很高的要求。为减轻逆矩阵法的存储压力,将整个网络分解成多个子网络,仅存储计算子网络状态变量和输出变量的各种参数。为降低子网络间约束方程的计算成本,利用其稀疏性的特点,提出了一种子网络分层合并的多端口等效方法。考虑FPGA硬件资源有限,设计了一种实现细粒度并行的专用运算组件。以2μs仿真步长在5SGSMD5芯片上实时仿真了一个低压微网系统,其仿真结果与商业离线仿真软件PSCAD结果一致,验证了所提方法的可行性和准确性。     

基于语义DCNN特征融合的细粒度车型识别模型

针对深度卷积神经网络模型缺乏对语义信息的表征能力,而细粒度视觉识别中种类间视觉差异微小且多集中在关键的语义部位的问题,提出基于语义信息融合的深度卷积神经网络模型及细粒度车型识别模型.该模型由定位网络和识别网络组成,通过定位网络FasterRCNN获取车辆目标及各语义部件的具体位置;借助识别网络提取目标车辆及各语义部件的特征,再使用小核卷积实现特征拼接和融合;最后经过深层神经网络得到最终识别结果.实验结果表明,文中模型在斯坦福BMW-10数据集的识别准确率为78.74%,高于VGG网络13.39%;在斯坦福cars-197数据集的识别准确率为85.94%,其迁移学习模型在BMVC car-types数据集的识别准确率为98.27%,比该数据集目前最好的识别效果提高3.77%;该模型避免了细粒度车型识别对于车辆目标及语义部件位置的依赖,并具有较高的识别准确率及通用性.     

结合细粒度特征与深度卷积网络的手绘图检索

目的 传统的手绘图像检索方法主要集中在检索相同类别的图像，忽略了手绘图像的细粒度特征。对此，提出了一种新的结合细粒度特征与深度卷积网络的手绘图像检索方法，既注重通过深度跨域实现整体匹配，也实现细粒度细节匹配。方法 首先构建多通道混合卷积神经网络，对手绘图像和自然图像分别进行不同的处理；其次通过在网络中加入注意力模型来获取细粒度特征；最后将粗细特征融合，进行相似性度量，得到检索结果。结果 在不同的数据库上进行实验，与传统的尺度不变特征（SIFT）、方向梯度直方图（HOG）和深度手绘模型Deep SaN（sketch-a-net）、Deep 3DS（sketch）、Deep TSN（triplet sketch net）等5种基准方法进行比较，选取了Top-1和Top-10，在鞋子数据集上，本文方法Top-1正确率提升了12%，在椅子数据集上，本文方法Top-1正确率提升了11%，Top-10提升了3%，与传统的手绘检索方法相比，本文方法得到了更高的准确率。在实验中，本文方法通过手绘图像能在第1幅检索出绝大多数的目标图像，达到了实例级别手绘检索的目的。结论 提出了一种新的手绘图像检索方法，为手绘图像和自然图像的跨域检索提供了一种新思路，进行实例级别的手绘检索，与原有的方法相比，检索精度得到明显提升，证明了本文方法的可行性。     

基于SOA的属性访问控制模型研究

在面向服务的架构的环境下,由于服务的动态性,常见的自主访问控制（DAC）、强制访问控制（MAC）和基于角色的访问控制（RBAC）等传统访问控制机制,已经不能完全满足面向服务的架构（SOA）环境的要求,导致访问控制策略管理非常复杂。为了简化面向服务的架构下的访问控制策略管理,通过采用将基于属性的访问控制（ABAC,Attribute-Based Access Control）方法,可以简化对于面向服务的架构下的异构属性的授权策略。研究发现,ABAC拥有更高的灵活性和更细的访问控制粒度,能够表现语义更丰富的访问控制策略,更适用于SOA环境。     

基于AOP的细粒度RBAC模型研究

提出一种新的基于AOP技术的RBAC访问控制模型,是对传统RBAC访问控制模型的改进,突破了传统RBAC模型中不具备对细分数据的访问控制的限制。同时,本文根据面向对象技术对不同种类的细粒度进行了有效抽象,采用现有Java Struts2和AOP技术进行了软件架构的设计,这种模型是一种通用的细粒度访问控制模型。本文所得出的细粒度RBAC模型具有较强的通用性,并在实际系统中得到了验证,取得了良好的效果。     

面向云服务平台的产品感性评价及标注模型

为消除产品设计方案评价过程中个体评价标准的差异,同时进一步提升产品设计方案的评价效率和精度,提出一种基于YOLOv3和DFL-CNN的设计方案智能评价模型。该模型面向工业设计云服务平台,通过基于Darknet-53的YOLOv3算法实现对产品类别的自动标注。以吹风机产品为例,构建了感性语义评价数据集,并通过基于VGG-16的DFL-CNN算法对其造型语义进行细粒度分类,实现了产品类别及其造型感性语义的自动标注。该模型将设计评价问题转换为识别及分类问题,能够实现毫秒级的设计方案评价效率及95%以上的评价精度。最后,通过与不经过YOLOv3的DFL-CNN以及DFL-CNN的基础网络VGG-16进行对比实验,证明了所提模型的有效性及优越性。     

AgentX协议及在ACR路由器中的实现方案

在研究基于AgentX协议网管系统的基础上,结合工程实践,提出了该网络管理系统在大规模接入汇聚路由器中的实现方案.该方案采用代理扩展和细粒度划分的思想,提出了面向MIB的分布式管理的体系结构,较好地解决了ACR网络管理系统动态扩展的问题.     

图芯技术GC7000 GPU针对移动设备提供桌面级图形

正图芯技术有限公司(Vivante Corporation)日前宣布对可穿戴产品、移动、汽车以及4KTV产品的片上系统与其GC7000系列GPU IP进行多重硅伙伴集成。GC7000支持新发布的OpenGLES 3.1应用程序接口和对Android系统的硬件TS/GS/CS(曲面细分/几何/计算着色器)延展。集成TS/GS/CS支持为用户手中带来最先进的桌面3D功能,使4K渲染上升到新水平,在游戏中增加了更多出色的细粒度