自动标注技术概述

图像标签的自动标注技术是当前信息检索领域的热点问题。图像标注本质上是一个机器学习问题,该文对基于超像素的CRF图像分类标注和基于纠错输出编码的图像分类标注两类不同标签标注方法进行对比,阐述其优缺点,指出了实现低复杂度的图像分类标签标注方法的途径。     

车联网新型基础设施跨域协同部署研究

基础设施是实现车联网产业融合创新发展的必要支撑,其可靠通信、精准感知和实时计算等能力可赋能智能网联汽车、智能交通、信息通信发展。在研究车联网新型基础设施的范畴与发展现状的基础上,分析了车联网新型基础设施建设与服务在跨域协同方面的挑战。结合国内外发展趋势,提出了“物理分立、逻辑协同”的车联网基础设施系统架构,并提出了进一步的发展建议。     

纠错输出码综述

将纠错输出码运用到监督分类领域中可以有效的提高分类器的泛化能力,但目前还没有通用的确定性编码方法,该文通过对纠错输出编码框架的理解,介绍几种编码,能使读者掌握纠错输出编码的依据和整体。     

基于超像素的人工神经网络图像分类

基于人工神经网络对图像标签分类,为简化后续数据处理,先用Normalized Cut将图像分割为超像素,提取特征向量,通过输入训练样本集,对网络进行训练,在最小均方误差意义下得到网络参数,最后在Matlab的仿真实验中基于不同隐藏层节点,使用BP神经网络模型对图像超像素进行分类。