可迁移测度准则下的协变量偏移修正多源集成方法

迁移学习通过充分利用源域共享知识,实现对目标域的小样本问题求解,然而,对训练和测试样本分布差异测度仍然是该领域的主要挑战。该文针对多源迁移学习算法中,由于源域选择和源域辅助样本选择不当引起的负迁移问题进行研究,提出一种可迁移测度准则下的协变量偏移修正多源集成方法。首先,根据源域和目标域之间的协变量偏移原则,利用联合概率的密度估计,定义辅助样本的可迁移测度,验证目标域和源域在数据空间中标记分布的一致性。其次,在多源域选择阶段,引入非迁移判别过程,提高了源域知识的迁移准确性。最后,在Caltech 256数据集中,验证了Gist特征知识表示和迁移的有效性,分析了多种条件下的辅助样本选择和源域选择的有效性。实验结果表明所提算法可有效降低负迁移现象的发生,获得更好的迁移学习性能     

基于聚类关联网络的群组行为识别

目前群组行为识别方法没有充分利用群组关联信息而导致群组识别精度无法有效提升，针对这个问题，提出了基于近邻传播算法（AP）的层次关联模块的深度神经网络模型，命名为聚类关联网络（CRN）。首先，利用卷积神经网络（CNN）提取场景特征，再利用区域特征聚集提取场景中的人物特征。然后，利用AP的层次关联网络模块提取群组关联信息。最后，利用长短期记忆网络（LSTM）融合个体特征序列与群组关联信息，并得到最终的群组识别结果。与多流卷积神经网络（MSCNN）方法相比，CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了5.39与3.33个百分点。与置信度能量循环网络（CERN）方法相比，CRN方法在Volleyball数据集与Collective Activity数据集上的识别准确率分别提升了8.7与3.14个百分点。实验结果表明，CRN方法在群体行为识别任务中拥有更高的识别准确精度。     

偏振光线跟踪绘制技术研究进展综述

光线跟踪是计算机图形学中一种高真实感绘制方法,传统的绘制算法忽略了光的偏振效应.而研究表明:在光线跟踪中加入光的偏振效应,能对绘制结果产生重要的影响.偏振光线跟踪是预测绘制技术的研究核心,它不仅可以提供高真实感的绘制效果,而且已被应用于偏振场景仿真和导航等领域.目前,偏振光线跟踪在国内尚未有相关工作.在预测绘制的框架下,根据偏振光线跟踪的流程,对偏振光线跟踪绘制技术的要点与关键问题进行了分析、总结与展望.     

珠江重要河流底栖动物水质生物学评价

2011年和2012年调查了珠江流域66个样点的底栖动物和水化学指标,利用2011年北江11个样点和郁江17个样点的底栖动物群落和水化学指标,采用主成分分析法获得综合环境因子(主成分1和主成分2)。分析36个候选底栖动物参数与环境因子间的相关性,结合参数的分布范围,确定适于珠江流域开展河流生态系统生物学质量评价的3个底栖动物参数:双翅目百分比、刮食者百分比和BI指数,进而构建了珠江流域河流生物学质量评价的综合生物指数及评价等级(清洁、轻度污染、中度污染和重度污染)。66个样点的综合生物指数评价结果显示,珠江流域河流生物学质量以轻度至中度污染为主,占80.3%,清洁占13.6%,重度污染占有6%。研究表明,在珠江流域应用底栖动物开展中大型河流水质生物学评价具有良好的应用前景。     

基于时空关注度LSTM的行为识别

针对现有基于视频整体序列结构建模的行为识别方法中,存在着大量时空背景混杂信息,而引起的行为表达的判决能力低和行为类别错误判定的问题,提出一种基于双流特征的时空关注度长短时记忆网络模型.首先,本文定义了一种基于双流的时空关注度模块,其中,空间关注度用于抑制空间背景混杂,时间关注度用于抑制低信息量的视频帧.其次,本文为双流...     

基于电矢量描述的大气偏振建模

现有理想情况下大气偏振建模回避了对散射过程的描述,无法扩展到实际模型.本文采用电场强度矢量描述光波,建立天球坐标系与东北天坐标系研究光的多点单次散射过程.利用两坐标系之间的转换关系计算参数,将单次瑞利散射分析方法应用于全天域.计算散射光电场强度矢量并处理,得到偏振度和偏振方向矢量来表征大气偏振信息.仿真实验表明该方法能够准确描述理想情况下大气偏振模式,且所得电矢量可以作为实际建模的参考数据,方法具有一定的扩展性和应用价值.     

单对立色流运动下的抠图跟踪

当目标与周围背景相似性较高,且目标运动形式复杂时,很难精确跟踪目标。针对传统目标跟踪方法因目标外观的不精确建模致使模型退化而产生漂移的问题,提出了一种单对立色流特征下的抠图跟踪方法。首先,根据彩色视频帧包含的丰富颜色信息,将单对立色颜色编码方式与Lo G兴趣点检测器结合,获取颜色兴趣点作为目标表示集合;其次,在目标运动预测阶段,通过估计相邻帧兴趣点的流匹配关系,获得预测帧的前景目标兴趣点估计;最后,利用获得的前景兴趣点估计进行抠图,重新划分当前帧的前背景标记,并对模型进行更新。该算法在Segtrack视频跟踪数据集上进行验证,定性定量分析了跟踪目标快速运动,目标形变和光照干扰下的跟踪效果。实验结果表明该算法可有效提高形变目标跟踪的准确性,优于当前目标跟踪的先进算法。     

一种新的小世界体系联想记忆模型

提出一种新的基于小世界体系的结构自适应联想记忆模型.原始小世界网络捷径生成具有随机性,缺乏面向任务的确定性操作.针对此不足,借鉴复杂动态网络中和谐统一的混合择优模型构建思想,考虑有限代谢能量资源限制条件下网络连接结构最优修剪原则,给出相应的理论推导.在此理论基础上,新模型打破了已有小世界体系联想记忆网络捷径随机生成的定式,可根据学习样本实际需求,有目的地选择捷径生成,构建样本自适应的网络结构.所构造出的新网络模型既具有一定的生物学基础,维持了网络结构的小世界体系,又能在网络资源受限条件下达到最优的联想记忆性能.实验结果证明了该模型用于联想记忆实现时的有效性及合理性.     

随机场中运动一致性的多线索目标跟踪

目的 通过建立各线索间的关联,提高多线索目标跟踪方法的鲁棒性,利用简单而有效的模型使多线索目标跟踪方法的表达和实现变得容易.方法 在不同线索描述下的目标对象间引入运动一致性约束,利用链状结构随机场模型表达不同线索描述下的目标对象及其约束关系,将多线索目标跟踪问题转化为随机场目标函数的简单优化求解.实验中结合亮度直方图、方向梯度直方图和局部二进制模式描述目标对象.结果 15组公测视频序列上的实验结果表明,所提方法相对于多种优秀的目标跟踪方法,在目标受到遮挡、运动模糊、光照变化、背景杂乱等因素干扰时,获得了较低中心位置误差和较高的精度值,反映了所提方法的有效性.结论 运动一致性约束能够较好地增强各线索间的关联,通过链状结构的随机场模型表达该约束关系和各线索描述下的目标对象,在提高跟踪鲁棒性的同时,使跟踪方法的实现变得简单.     

局部Gist特征匹配核的场景分类

针对场景分类任务中全局Gist特征粒度较为粗糙的问题,提出一种基于稠密网格的局部Gist特征描述,利用空间金字塔结构加入空间信息,通过引入RGB颜色空间加入颜色信息,并基于词汇包(BOW)模型设计一种高效匹配核来度量局部特征间的相似性,核化特征匹配过程,使用线性SVM完成场景分类.实验考察了不同尺度、方向、粒度和不同匹配核的局部Gist特征以及训练样本集的大小对分类结果的影响,并通过在OT场景图像集上与全局Gist特征和稠密SIFT特征的场景分类结果进行比较,充分说明了本文特征构造方法和分类模型的有效性.