移动对等网络关键技术

P2P系统在Internet上的成功使研究者关注于分布式更强、参与性更广、更具有对等自治特征的移动网络环境.智能终端的普及和移动应用环境的逐渐成熟使得移动对等网络拥有广阔的发展前景.但当前对移动对等网络的研究还缺乏统一而明确的定义,还存在很多未能很好地解决的问题.首先,概述了移动对等网络的基本概念,给出了其定义、特征以及与移动AdHoc网络的区别,并指出了移动对等网络的相关关键技术;随后,详细综述了移动对等网络体系结构、资源搜索策略、网络结构一致性、数据分发策略、安全与隐私机制等关键技术的研究现状,对各种关键技术的研究成果给出了深入分析,并指出了各自存在的问题和缺陷.最后,讨论了移动对等网络未来的研究方向和发展趋势.     

基于预训练模型和编码器的图文跨模态检索算法

目前主流的图文跨模态检索模型架构主要包括基于双编码器和基于融合编码器的模型架构。基于双编码器的架构检索效率较高，但精度不足；基于融合编码器的架构检索精度较高，但效率低下。针对上述模型架构存在的问题，提出一种新的图文跨模态检索算法。首先，提出了一种召回排序策略，使用双编码器实现粗略召回，再使用融合编码器实现精准排序；其次，提出了一种基于多路Transformer预训练模型构建双编码器和融合编码器的算法，实现图文之间高质量的语义对齐，提升检索性能。在2个公开数据集MSCOCO和Flickr30k上的实验结果证明了所提算法的有效性。     

深度学习方法在糖尿病视网膜病变诊断中的应用

深度学习可以有效提取图像隐含特征,在医学影像识别方面的应用快速发展. 由于糖尿病视网膜病变(Diabetic retinopathy, DR)诊断标准明确、分类体系成熟,应用深度学习诊断糖尿病视网膜病变近年来成为研究热点. 本文从深度学习方法在DR诊断中的最新研究进展、DR诊断的一般流程、公共数据集、医学影像标注方法、主要实现模型、面临的主要挑战几方面, 对深度学习方法在糖尿病视网膜病变诊断中的应用进行了详细综述, 便于更多机器视觉、尤其是深度学习医学影像的研究者们参照对比,加快该领域研究的成熟度和临床落地应用.     

移动搜索面临的机遇与挑战

人们对信息实时获取的需求使互联网获得快速发展,而互联网迅猛发展所积累的信息足以让人们在查找信息时晕头转向,于是互联网搜索引擎应运而生,并诞生了Google和Baidu的纳斯达克商业神话.Yahoo、Microsoft、腾讯(Tencent)、搜狐(Sohu)和新浪(Sina)等众多企业的积极参与更使得搜索引擎市场硝烟四起.