融合背景减法和帧差法的运动目标检测

针对背景减法前景目标检测前期存在的“鬼影”,通过统计图像序列中各像素点处像素值的频次,高频次的像素值为背景像素,获得了无运动目标的背景,消除了“鬼影”;对于帧差法检测结果内部易产生“空洞”,在前景判断时增加了新的判决条件,改善了“空洞”问题;对于传统背景减法检测结果存在“拖影”问题,通过背景减法和改进帧差法的检测结果进行逻辑与操作,并将“与”结果作为背景图像更新判决条件。实验结果表明,该算法可以获得精确的背景图像,并且解决了“拖影”、“鬼影”及“空洞”问题,满足实时检测的需求。     

道路桥梁设计中存在的隐患与处置探析

随着经济的不断的发展,我们发现道路桥梁的的重要性,经济想要发展就要必须发展交通事业。近年来,交通事故不断地增加,人们对其关注度也在不断地提升,这样就要求我们的道路桥梁设计必须科学合理,在原有的建筑理念上进行改革,不断的满足当前形势下要求,从而保证人们的生命财产安全。本文就道路桥梁设计过程中的长期以来存在的安隐患问题展开了讨论,希望能够带给大家更多的启示。     

极化码的分布式CRC辅助低复杂度逐次抵消翻转译码

为提高极化码的译码效率,文中提出了一种新颖的逐次抵消翻转(SCF)译码。与传统的SCF译码相比,其可以使用分布式CRC比特来降低计算复杂度。该译码通过提前终止对第一次SC译码的失败帧的译码,来减少信息比特的估计数量,同时尝试最小化附加的排序操作。仿真结果表明,与传统的SCF译码相比,该SCF译码将重复SC译码的计算复杂度至少降低了27%。     

原型对齐和域感知的零样本哈希

为了实现对未见类别图像的有效检索,零样本哈希(ZSH)方法通常将类别属性中的监督知识从已见类转移到未见类。然而,获取类别属性需要花费额外的计算资源,并且视觉特征和类别属性之间存在跨模态的异构鸿沟。此外,现有方法忽视了强偏差问题,导致模型错误地将已见类样本识别为未见类,从而降低了检索精度。与此同时,ZSH在保持哈希码和原始数据语义一致性以及实现哈希码的离散优化等方面也面临着挑战。为此,提出一种原型对齐和域感知的ZSH方法,其不依赖类别属性等特殊监督知识,能够节省注释属性的花销同时避免跨模态异构鸿沟的影响。首先计算各类样本在海明空间中的原型,然后通过对齐哈希码和类原型来学习语义一致的哈希码。为了避免松弛策略造成的量化误差,提出一种离散优化算法来求解哈希码的离散约束,并且实现线性的计算复杂度。同时,设计一个域感知策略用于分离源域和目标域样本,以缓解强偏差问题的影响。在a PY、AWA2和Image Net数据集上的实验结果表明,该方法的检索精度相较对比方法中的最优值分别提升了2.6、9.4和14.9个百分点,训练时间也远低于大部分对比方法。