基于邻域信息的红外与可见光图像互信息配准

基于互信息的配准方法以其自动化程度高和配准精度高的优点被广泛应用在图像配准中.文中针对红外与可见光图像配准中采用传统的互信息,仅考虑图像像素的灰度信息,而没有考虑图像像素之间空间信息的情况,提出了一种基于邻域信息的互信息配准算法.该算法充分利用图像像素之间的空间信息,在互信息计算中图像中每个像素的灰度值由其邻域像素的灰度值按照距离分配不同的权值共同得到.实验表明该算法使配准曲线更加光滑,配准过程中极值更易找出,提高了配准精度和抗噪能力.     

基于传递式领域自适应的异构样本增强方法

小样本问题广泛存在于数据驱动建模。领域自适应方法通过将源域中的样本知识迁移到目标域,从而实现目标域中的小样本增强,然而此类方法在实际应用中受限,原因在于难以应对领域分布差异较大的样本增强场景。针对上述问题,该文提出基于传递式领域自适应的异构样本增强方法。首先,提出传递式探索策略,通过私有特征和共享特征设计了面向异构域的领域分布探索策略,有效地缓解了负迁移,并为后续分布匹配提供支撑;然后,提出分布联合匹配机制,通过联合匹配异构领域的边缘分布和条件分布,并嵌入自适应机制,从而保证了异构域分布的匹配精度。该方法在业界公认的田纳西-伊斯曼数据集进行验证,实验结果表明该方法在异构域中的建模表现优于其他方法。     

基于联合域适应的异构样本增强网络

域适应网络在样本增强领域应用受限,其根源在于领域的不同会加剧样本空间分布的差异。针对上述问题,提出基于联合域适应的异构样本增强网络。具体而言,异构域维度对齐子网中的支持域样本,在实现异构领域中样本维度对齐的同时,还嵌入了领域的分布知识,提高了后续异构域分布匹配的表现。此外,异构域分布匹配子网联合匹配了异构领域的边缘分布和条件分布,并嵌入了自适应机制,从而保证了联合域适应网络的匹配精度。由此,其他领域的样本通过上述设计的基于联合域适应的异构样本增强网络,能够被可靠地用于增强当前领域中的小样本。该网络在业界公认的田纳西-伊斯曼数据集上进行验证,实验结果表明了该网络的有效性。     

基于复合语义特征的事件图谱构建技术研究进展

世界是由无数相互关联的事件组成的，人们的社会活动也往往是由不同的事件来触发和驱动的。针对事件与事件之间关系的演化规律进行研究，不仅有助于人们认识和了解社会事件的演化规律与模式，同时也为基于人工智能的机器推理与思考提供了重要的决策支撑，并且已成为目前人们关注的研究前沿和新焦点。与传统的知识图谱不同，事件图谱是以现实世界中的抽象事件为节点，以不同事件之间的状态变化或动作序列等形成的逻辑关系来构建复合语义特征的知识网络，并在更高层语义条件下，通过抽象复杂的事件与事件间隐含的逻辑关系，刻画出事物发展演化的行为规律。在事件图谱构建方法的基础上，围绕开放域事件抽取、建立通用的事件标准、事件间关系抽取、事件图谱的融合与加工，以及事件图谱的表示学习等关键技术问题展开深入分析，并对目前相关领域中存在的核心技术、常见的评测数据集以及相关指标进行综述与总结，并对未来发展的新方向进行了展望。