基于弱监督多注意融合网络的细粒度图像识别

针对细粒度图像识别任务中常见的判别性区域难以定位的问题,提出了一种弱监督多注意融合网络,该网络通过两种注意力模块的组合实现判别性区域的准确定位。其中,双域自注意力模块将多种注意力结合起来,强化模型对关键特征的提取。混合卷积注意力融合模块分别通过并行和串行架构融合不同尺度的注意力,充分获取特征间的全局及局部联系。实验结果表明,所提出的方法是有效的,与基线模型的结果相比有较大幅度的提升。     

一种目标跟踪中的模糊核直方图

针对目标模型内的背景像素造成目标跟踪定位偏差的问题,提出了一种适合于目标跟踪的模糊核直方图.通过在核直方图中引入模糊隶属度,可降低背景像素对目标特征的影响.另外,研究了模糊隶属度函数,根据中心-周围方法提取背景特征,并给出了确定模糊隶属度函数的两种策略,即比率策略和差分策略.在比率策略中采用对数似然函数技术,而在差分策略中采用目标特征与背景特征的差分技术.实验表明,基于比率策略的目标跟踪更适合于场景简单的情形,而基于差分策略的目标跟踪适合于场景复杂的情形.     

半调图像的分类方法

针对半调模式的特点,提出有监督流形上的半调图像分类方法。该方法采取3个方向像素自相关特征和同或运算来描述纹理特征,利用图像分块的思想获取纹理特征,以利于提高建模效率和纹理特征的有效性。结合有监督学习和噪声样本点对模型、高维样本特征进行线性降维,以改善样本特征的可分性。在实验中分析建模方法的有效性,比较所提出方法与5个同类方法的分类性能并探讨了相关参数对分类性能的影响。实验结果表明,当K=32且L=8时,所提出得方法性能最好,且优于其它5个同类方法。     

无线传感网中一种改进的分布式数据聚集调度算法

针对无线传感器网络中实时数据收集具有较高的延时问题, 提出了一种改进的无通信冲突的分布式数据聚集调度近似算法。该算法首先在最大独立集的基础上建立一棵根在sink的数据聚集树, 然后各个节点按数据聚集树分层进行数据调度。在数据聚集树的构造过程中, 对于两个相距两跳的支配点, 它们共同的、相距两跳的支配点, 通过距sink最近的支配点加入数据聚集树; 而在数据调度过程中, 采用一种新的选择标准从竞争集中选择节点进行数据调度。通过这两方面的改进, 有效地降低了数据的聚集延时。理论分析表明, 该算法的延时上界为14R+Δ; 仿真模拟的结果表明, 该算法产生的数据聚集延时远低于现有算法。     

基于云计算的视频取证监控系统*

在视频取证过程中,面对多摄像头非协作工作方式的视频取证的缺陷以及海量的视频数据和复杂的取证计算问题,提出了一种基于云计算的视频取证监控系统的解决方案。在该方案中,各摄像头采用协作工作方式,监控系统中的视频数据保存在云计算系统中,终端用户需要的视频监控服务由云计算平台来提供,取证过程中的目标识别和跟踪等复杂计算也由云计算平台提供。该系统可以充分利用云计算平台的虚拟存储和虚拟计算能力,解决取证现场的多摄像头的协作工作能力,提高视频取证的处理效率和取证的准确性以及提高各种终端用户的监控灵活性和方便性。     

基于差分进化算法的查找表逆半调模板选择

为提高图像逆半调技术中传统查找表法的模板对逆半调图像的质量和效果,提出了一种基于差分进化算法求取图像逆半调技术中查找表最优模板选择的方法。实验表明本文方法寻得的模板具有全局最优性,求得的最佳模板与其它算法相同,但是在收敛速度方面优于其它全局搜索算法。     

Global path planning approach based on ant colony optimization algorithm

Ant colony optimization （ACO） algorithm was modified to optimize the global path. In order to simulate the real ant colonies, according to the foraging behavior of ant colonies and the characteristic of food, conceptions of neighboring area and smell area were presented. The former can ensure the diversity of paths and the latter ensures that each ant can reach the goal. Then the whole path was divided into three parts and ACO was used to search the second part path. When the three parts pathes were adjusted, the final path was found. The valid path and invalid path were defined to ensure the path valid. Finally, the strategies of the pheromone search were applied to search the optimum path. However, when only the pheromone was used to search the optimum path, ACO converges easily. In order to avoid this premature convergence, combining pheromone search and random search, a hybrid ant colony algorithm（HACO） was used to find the optimum path. The comparison between ACO and HACO shows that HACO can be used to find the shortest path.     

Mean Shift算法的收敛性分析

作为迭代算法,Mean Shift的收敛性研究是应用的基础,而Comaniciu和李乡儒分别证明了Mean Shift的收敛性,但证明过程存在错误.首先指出了Comaniciu和李乡儒的证明过程存在错误;然后,从数学上重新证明了Mean Shift算法的局部收敛性,并指出其收敛到局部极大值的条件;最后,从几何上举反例分析了Mean Shift的收敛性,并进行了深入比较和讨论.这为Mean Shift算法的深入研究及应用奠定了基础.