稀疏差分网络和多监督哈希用于高效图像检索

针对基于深度哈希的图像检索中卷积神经网络（CNN）特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH（sparse difference networks and multi-supervised hashing）,并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入,通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,为了更加充分地利用语义信息和特征的成对相关性,以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索,采用一种多监督哈希（MSH）函数,并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验,实验结果表明,与其他先进的深度哈希方法相比,SDNMSH取得了较好的检索性能。     

Influential facilities placement over moving objects

Distributed and Parallel Databases - In this paper we propose and study the problem of k-Collective influential facility placement over moving object. Specifically, given a set of candidate...     

Spatial division networks for weakly supervised detection

Neural Computing and Applications - With only global image-level annotations, weakly supervised learning of deep convolutional neural networks has shown enough capacity in classification and...     

From text to graph: a general transition-based AMR parsing using neural network

Neural Computing and Applications - Semantic understanding is an essential research issue for many applications, such as social network analysis, collective intelligence and content computing,...     

基于LabVIEW的虚拟车身CAN总线节点设计

为研究汽车车载CAN总线节点网络控制功能,通过对大众PASSAT1.8车身CAN总线系统的数据测试得该系统网络控制是以控制数据帧和状态数据帧的传输实现;选用通用CAN总线接口卡,上位机采用LabVIEW编程,设计虚拟左前门控单元节点模型样机;经实验表明,基于PC平台的虚拟车身CAN总线节点可替代实体车身CAN总线节点来实现原车网络控制功能,具有较强的开放性与灵活性,并可为车载CAN总线系统网络设计、测试与教学提供支撑.     

可视化车辆倒行危险状况报警系统的设计

针对倒车过程中视野受限而无法有效观察车后部障碍物危险的问题,设计的一种基于嵌入式处理器的可视化车辆倒行危险状况报警系统;设计通过压电式超声波发生系统发送超声波信号,传感器接收到从障碍物反射回来的电信号并送入处理器,通过计算信号的传播速度从而得出雷达探头到车后部障碍物之间的距离,并通过车内的TFT彩色液晶屏显示出实测距离,同时根据距离的远近发出节奏不同的报警声音;通过实验测试,系统在常温状态下,测量误差小于0.05m.     

基于ENC424J600的以太网与串行接口转换技术

论述了在STM32系列的MCU上移植TCP/IP协议栈LwIP,并利用新型以太网控制器ENC424J600实现网络数据传输功能。该系统主要完成的功能是接收上位机发送的数据,并将这些数据转换成通用串行接口输出。ENC424J600是Microchip新推出的一款以太网控制器,其速度优于ENC28J60,同时为用户提供两种接口模式。本文介绍了其基于SPI接口模式下的实现过程,详细描述了该网卡驱动的硬件电路和软件流程。     

基于相位谱和调谐幅度谱的显著性检测方法

针对目前视觉注意选择领域中的谱残余方法(SR)显著图对比度较差、细节显著性检测效果不理想的问题,通过分析图像频谱特性与显著性的关系,提出了一种基于频谱分析的显著性区域检测方法。该方法通过保留傅里叶相位谱并对幅度谱进行分段非线性调谐,达到抑制图像冗余信息、增强图像显著性信息的效果。实验结果表明,本文基于相位谱和幅度谱调谐(PTA)的显著性检测方法得到的显著图较SR方法对比度更高,对显著细节的检测效果也更明显。