排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
行人重识别是近年来计算机视觉领域的研究热点,已被广泛应用在智能视频监控、安保系统等多个领域。但在实际应用场景中,图像数据会受到摄像机差异、物体遮挡、行人姿态视角改变等因素的影响,因此,克服以上问题成为了当前行人重识别研究所关注的重点问题。对于行人重识别方法在面对遮挡和复杂背景应用场景下的干扰信息影响精度的问题,提出了引入空间注意力机制,对拓扑关系遮挡行人重识别算法的全局特征提取网络进行改进,将基于空间注意力的特征提取网络与拓扑关系遮挡行人重识别算法中的作为Backbone网络的RestNet50进行优化改进。在公开的Occluded-Duke数据集和Market-1501数据集上进行测试,实验结果显示改进算法的评价指标有明显提升。 相似文献
4.
为使云资源数据最大化匹配平台主机的存储条件,保障云服务的质量水平,提出基于混合模型的云平台资源弹性伸缩方法。根据聚类混合系数指标,建立完整的初始定位条件,通过计算云数据优选残差加权量的方式,完成基于混合模型的云数据定位。在此基础上,预测平台主机的需求变化趋势,按照资源数据的采集与融合标准,定义必要的弹性扩容与伸缩扩容条件,实现基于混合模型云平台资源弹性伸缩方法的顺利应用。实验结果表明,与高斯负载型数据伸缩方法相比,在混合模型支持下,云平台主机可将资源数据最小压缩至0.125 bit,最大拉伸至16 bit,能够根据平台主机的实际存储条件,对云资源数据传输体积进行及时调整。 相似文献
5.
1