排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
如何在视角对齐关系错位时有效进行非对齐多视角学习是一类新的挑战性问题。针对这一问题,提出面向视角非对齐数据的多视角聚类方法。一方面,为了捕获多视角异构特征的跨视角相似度信息,基于多视角非负矩阵分解进行表示学习,将原始特征嵌入一个可度量的低维同构空间。另一方面,在低维同构空间中,以二部图最优匹配模型建模视角对齐关系,并提出参考视角概念将模型推广至多视角情形。将表示学习和视角对齐关系学习整合到统一的Bi-level优化框架,使其在迭代中相互促进,进一步提高模型对视角非对齐数据的学习能力。在视角非对齐数据聚类应用上的大量实验结果表明,相比于8种先进的多视角聚类方法,所提方法在3个数据集上的多项性能指标均取得了较优的性能。 相似文献
2.
设计一种直接作用式波纹管减压阀,介绍其工作原理,基于计算流体动力学方法对其内部流场进行分析;运用力学方程、流量方程和连续性方程建立其数学模型,利用AMESim仿真软件对其静态特性进行分析,并通过试验验证仿真模型准确性;分析主要结构参数如主弹簧刚度、弹簧腔及反馈腔阻尼孔直径、阀芯直径以及阀芯及波纹管组件质量对其动态特性的影响。结果表明:增大主弹簧刚度、弹簧腔及反馈腔阻尼孔直径,均能改善减压阀的动态特性;增大或减小阀芯直径和阀芯及波纹管组件质量,对其动态特性影响较小,但阀芯直径的增大,会使得出口稳定压力也相应增大。 相似文献
3.
4.
在信息产业急剧膨胀的时代背景下,主流数字媒体产生了由文字到图片再到视频的演化,如何快速有效地获取视频中人物的关键信息,成为各大互联网娱乐和大数据分析领域争相研究的话题。然而,现有的人物信息获取方法还有极大的局限性,无法在视频界面直接获取信息。为了解决这一问题,该文提出了一种新的“由粗到细”的基于特征混合聚类和关键点检测的智能人脸搜索框架,实现了对互联网视频数据的实时检测与高鲁棒的视频人脸数据智能搜索。该文将大数据下人脸数据实时搜索工作细分,首先,通过基于多尺度深度特征混合聚类的人脸检测算法,使用 Softmax 函数实现数据分类,并运用中心损失函数 center loss 形成聚类中心,随后通过对中心点的回归矫正,达成人脸的粗筛选;然后,通过基于脸部关键点检测算法,提取 68 个人脸关键特征点,生成易于计算处理的标准化
特征码。此外,该文还构造了两个影视类人脸数据集,为后续相关互联网行业、娱乐多媒体提供大数据分析。基于该文章整体实验结果表明,在人脸快速检测方面,与现有的主流方法相比,该文方法在
识别精度和效率上,都具有一定的提升,其中,基于多尺度深度特征混合聚类算法实验的识别效率提升 31.2%,假阳性样本辨别力提升 3 倍,整体运行效率达标,具有一定的实用价值。 相似文献
5.
高清中国古画包含纹路纵横的画布和线条交错的画作内容,画面结构复杂.为了实现自然的古画修复效果,提出一种交互式引导的分解式修复方法.首先分离画作内容和画布.之后,结合张量投票算法和用户交互线索对画作线条分解并逐条修复.同时采用基于样例的修复方法填补画布.最后整合修复后的画作内容和画布.以多幅中国古画高清图像为实验数据验证该方法,并与Laplacian修复等方法进行修复效果的主观和量化比较.实验结果表明,该方法修复的区域与周边衔接更加自然. 相似文献
6.
为了有效地模拟小水团受重力和人为外力的影响而散开为动态水滴的现象,提出一种水滴效果的交互式模拟方法.首先采用精确SPH模型模拟小比例的水滴现象,通过精确地计算压强力及人工速度场校正来保证流体方程求解的精确性、稳定性及收敛性;然后根据流体密度场提出一种基于平均曲率的表面张力模型,能够有效地模拟水滴的表面张力现象;最后基于新一代着色器模型提出一种适用于水滴渲染的光线追踪方法,包括简化的流体密度分布、基于二分法的流体等值表面判断和基于菲涅尔定律的光学特性计算,克服了传统流体渲染独立于摄像机、计算量大等缺点.实验结果表明,文中方法是有效及高效的,可以同时适用于水体现象及小比例水滴现象的模拟. 相似文献
7.
8.
随着深度学习的快速发展,人体姿态估计技术近年来取得显著进步,但是现有方法仍难以较好地处理普遍存在的遮挡问题.针对此问题,提出一种部位级遮挡感知的人体姿态估计方法.首先,采用基准人体姿态估计网络从含遮挡噪声的图像中获得各人体部位的带噪声特征表达.然后,通过遮挡部位预测模块估计人体被遮挡部位,从而获得可见性向量.遮挡部位预测模块由遮挡部位分类网络和可见性编码器组成,前者预测关节点的遮挡状态,后者利用注意力机制将遮挡状态转换为一组权重.最后,通过通道重加权方式融合可见性向量和带噪声特征,获得部位级遮挡感知的人体部位相关特征,用于计算关节点热图.在MPII和LSP(leeds sports pose)数据集上的实验结果表明,相比基准姿态估计网络,该方法能够在较小的额外计算代价下更好地应对遮挡问题,并且取得了比目前先进方法更佳的结果. 相似文献
9.
针对现有方法所得物体轮廓位置欠准确、线条粗、乱等问题,提出自顶向下导引式逐层融合的物体轮廓检测网络.首先采用常用卷积神经网络作为主干网络提取不同尺度特征;鉴于低层特征中边缘位置准确但包含较多非轮廓噪声,而高层特征更有助于区分轮廓和非轮廓,自顶向下逐渐融合相邻尺度特征,借助高层特征强化轮廓边缘并抑制非轮廓噪声;最后提出改进的2分类交叉熵损失函数,训练网络生成物体轮廓.在PyTorch环境下,用公开数据集SBD测试所提出网络.量化和可视化实验结果表明,相比现有方法,该网络所得物体轮廓位置更准确、线条更细、更干净. 相似文献
1