基于多示例学习的图像标注方法

随着数码产品,移动智能设备以及存储设备的普及,大数据时代已经来临,如何对海量数据进行有效的组织、管理、存储成为科研以及商业领域急需解决的问题,在图像数据挖掘当中,图像标注分类是当前比较热门的方向。采用机器学习的方法来找到大规模数据当中的隐含规律,实现样本的视觉内容到概念的映射需要对视觉数据内容进行恰当的描述,如果我们使用整个的图像作为基本单元,存在的问题就是视觉数据往往具有歧义性,难以准确表述包含的语义,多示例学习方法应运而生。图像分类问题本身是一种多标签问题,传统方法将其转化为一系列的单标签问题解决,忽略了标签之间的相关性,我们将标签相关性引入到模型构建当中,实验取得良好效果。     

支持MPLS流量工程的选播路由

对选播服务的网络负载均衡做了研究,提出一种支持多协议标签交换（MPLS）流量工程的选播路由算法（ART）．ART基于最小冲突路由机制,通过MPLS约束路由的标记分发协议（CR LDP）建立1条从选播服务器到客户方向的标记交换路径（LSP）,并预留带宽资源．仿真结果表明,ART能平衡网络的负载,在选播服务中实现网络资源的优化利用,并且在传输服务数据流时,能减少时延及数据包的丢失．     

农业部整顿农药市场重点检查农药标签

农药标签是反映农药产品性能、特点、质量、使用范围和施用技术等重要信息的载体，是判断农药生产经营行为是否合法的重要依据，是指导农药使用者科学安全使用农药的重要途径。为此，农业部确定今年整顿农药市场秩序重点放在检查农药标签上，要求全国农药市场标签抽查合格率要超过60％，产品质量抽检合格率达到75％以上，无公害农产品基地农药残留超标率低于5％。     

米其林推出轮胎防伪标签

为了甄别和打击通过走私和其它非正当渠道流入国内市场的轮胎产品 ,米其林公司于 2 0 0 4年8月在全国范围内的轿车和轻型载重轮胎指定零售店内推出防伪标签。该标签上印有米其林商标以及米其林公司的全国服务热线。借助于该标签 ,消费者可以确认其所购买产品来自正当渠道 ,从而放心地享受优质的产品和完善的售后服务。所有由米其林公司指定零售店销售的轿车及轻型载重轮胎都将贴上该标签。该防伪标签的设计十分独特 ,采用了米其林公司的标识颜色 ,即蓝、黄、白和黑色 ,并印有“指定零售 ,品质保证”的字样 ,非常有效地防止被复制或盗用。同…     

全国农药质量和标签抽查开始

据农业部农药检定所有关负责人介绍，今年农药产品质量和标签抽查的重点是2006年1月1日后生产的农药产品，抽查的产品种类和数量分别是杀虫剂12个、杀菌剂13个、除草剂5个。要求各省抽查的农药产品应不少于30个，农药标签应不少于300个。目前抽查工作已经开始。     

融合视觉风格和标签约束的少数民族服装图像解析

目的 少数民族服装款式结构复杂,视觉风格各异。由于缺少民族服装语义标签、局部特征繁杂以及语义标签之间存在相互干扰等因素导致少数民族服装图像解析准确率和精度较低。因此,本文提出了一种融合视觉风格和标签约束的少数民族服装图像解析方法。方法 首先基于本文构建的包含55个少数民族的服装图像数据集,按照基本款式结构、着装区域、配饰和不同视觉风格自定义少数民族服装的通用语义标签和民族语义标签,同时设置4组标注对,共8个标注点;然后,结合自定义语义标签和带有标注对的训练图像,在深度完全卷积神经网络SegNet中加入视觉风格以融合局部特征和全局特征,并引入属性预测、风格预测和三元组损失函数对输入的待解析图像进行初步解析;最后,通过构建的标签约束网络进一步优化初步解析结果,避免标签相互干扰,得到优化后的最终解析结果。结果 在构建的少数民族服装图像数据集上进行验证,实验结果表明,标注对有效提升了局部特征的检测准确率,构建的视觉风格网络能够有效融合少数民族服装的全局特征和局部特征,标签约束网络解决了标签之间相互干扰的问题,在结合视觉风格网络和标签约束网络后,能够明显提升少数民族服装解析的平均精度,像素准确度达到了90.54%。结论 本文提出的融合视觉风格和标签约束的少数民族服装图像解析方法,能够提高少数民族服装图像解析的准确率和精度,对传承祖国文化、保护非物质文化遗产具有很好的意义。     

标签扩展的协同过滤推荐算法

大多数利用标签与用户和项目之间关系的推荐算法,都要面临用户个体不同所导致的标签稀疏问题,不同的用户为项目所标注的标签会有所不同.针对由于用户标注标签的随意性而导致的用户标签和项目标签矩阵稀疏问题,提出了一种标签扩展的协同过滤推荐算法.该算法根据用户标注标签的行为计算基于标签的标签相似度,根据用户标注的标签语义计算基于标签语义的标签相似度,从用户行为和标签语义2个方面评估标签的相似度,并利用标签相似度来扩展每个项目标签,降低由项目与标签的关联关系产生的矩阵稀疏度.在M ovieLens数据集上的实验结果表明,所提算法在精度上有所提高.     

棉/涤混纺织物近红外简化分析模型构建方法研究

纺织品成分标签是纺织品技术法规严格控制的内容之一。论文采用近红外光谱分析技术对棉/涤混纺织物中棉含量进行分析。标准正态变量变换（SNV）用于消除由颜色、纹理和厚度等差异引起的纺织品光散射和光谱基线漂移;蒙特卡罗无信息变量消除（MCUVE）、竞争性自适应重加权算法（CARS）和迭代保留信息变量（IRIV）三种特征变量优选方法结合偏最小二乘回归（PLSR）用于棉含量近红外简化模型的构建;实验结果表明,经IRIV变量优选方法处理后,建模变量数减少到6,PLSR模型的RP和RMSEP分别为0.909和9.721。该方法为开发纺织品成分便携式近红外分析仪器的光源和探测器选用提供理论参考。     

基于LDA和Word2vec的微博标签生成算法

针对基于传统LDA主题模型的标签生成算法对用户兴趣主题描述不完整的问题,提出一种基于主题嵌入表示的微博用户标签生成算法TopicERP.该算法在LDA模型的基础上,通过引入Word2vec词嵌入模型,对用户兴趣主题进行全面描述,并对匹配度计算方法进行改进.首先利用LDA主题模型对用户微博进行主题分析,生成用户兴趣主题;然后利用Word2vec词嵌入模型将主题文本转换为主题向量,用于匹配度计算;最后,利用余弦相似度和主题在文档中的条件概率,计算主题向量与候选标签匹配度,选取Top-Q的候选标签作为目标用户标签.本文在公开微博数据集microPCU上进行实验,实验结果表明,该算法在总体性能上高于基于传统LDA主题模型的微博标签生成算法,生成的用户标签能够较为准确地描述用户的兴趣偏好.     

弱监督深度语义分割网络的多源遥感影像水体检测

目的 深度语义分割网络的优良性能高度依赖于大规模和高质量的像素级标签数据。在现实任务中,收集大规模、高质量的像素级水体标签数据将耗费大量人力物力。为了减少标注工作量,本文提出使用已有的公开水体覆盖产品来创建遥感影像对应的水体标签,然而已有的公开水体覆盖产品的空间分辨率低且存在一定错误。对此,提出采用弱监督深度学习方法训练深度语义分割网络。方法 在训练阶段,将原始数据集划分为多个互不重叠的子数据集,分别训练深度语义分割网络,并将训练得到的多个深度语义分割网络协同更新标签,然后利用更新后的标签重复前述过程,重新训练深度语义分割网络,多次迭代后可以获得好的深度语义分割网络。在测试阶段,多源遥感影像经多个代表不同视角的深度语义分割网络分别预测,然后投票产生最后的水体检测结果。结果 为了验证本文方法的有效性,基于原始多源遥感影像数据创建了一个面向水体检测的多源遥感影像数据集,并与基于传统的水体指数阈值分割法和基于低质量水体标签直接学习的深度语义分割网络进行比较,交并比（intersection-over-union,IoU）分别提升了5.5%和7.2%。结论 实验结果表明,本文方法具有收敛性,并且光学影像和合成孔径雷达（synthetic aperture radar,SAR）影像的融合有助于提高水体检测性能。在使用分辨率低、噪声多的水体标签进行训练的情况下,训练所得多视角模型的水体检测精度明显优于基于传统的水体指数阈值分割法和基于低质量水体标签直接学习的深度语义分割网络。