排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
在目前的车辆再识别方法中,车辆在拍摄过程中的多视角会导致特征嵌入空间中决策边界附近样本较难区分. 针对该问题,提出通过最大化边界距离提升车辆再识别准确率. 在特征表示阶段,设计了大边界损失度量函数,可以有效处理相似车辆的混淆问题;采用入侵叛逃采样策略,可以在训练样本中找出更容易混淆的难样本以更有针对性地训练网络,并加快网络的训练速度. 在车辆检索阶段,提出基于核函数的重排序方法,可以提高车辆再识别的准确率. 在3个公共数据集上的实验结果显示,车辆再识别的准确率得到提高,同时训练和推理效率得到改善. 理论分析和实验表明,大边距度量学习通过挖掘决策边界的难样本,可以有效解决车辆再识别中的多视角问题. 相似文献
3.
智能家电除了在生产过程中的碳排放外,使用过程中产生的碳排放也不容忽视。在产品全生命周期过程中,涉及原材料采购、生产、运输、销售、使用、回收及报废等各个环节。本文试图以基准线原则、责任原则、利益原则等准则作为分配的理论依据,对智能家电全生命周期的各个环节展开分析,研究、总结、探索基于基准线情景的智能家电碳排放核算方法,使生产者、消费者共同参与减少智能家电的碳排放行动,为家电行业的碳减排提供核算方法、依据,为中国“30·60”双碳战略的顺利实现作出贡献。 相似文献
1