摘要：行人重识别旨在从不同的摄像头中识别目标行人的图像.由于不同场景之间存在域偏差,在一个场景中训练好的重识别模型无法直接应用在另一个场景中.为克服该问题,现有的无监督行人重识别方法倾向通过使用聚类算法获得伪标签,再利用伪标签训练重识别模型.但是,由于聚类结果是不准确的,这类方法会引入大量噪声标签,从而限制了模型的泛化能力.因此,为减轻噪声伪标签的影响,本文提出了一种基于异构卷积神经网络集成的无监督行人重识别方法.该框架不使用任何人工标记信息,自动推测目标域中行人图像之间的关系,并构建协作可信实例选择机制,选择可信度高的伪标签用于模型的训练.通过设计双分支异构卷积神经网络学习判别能力强的多种行人特征,并利用记忆单元存储训练过程中的全局特征,减少因噪声标签在训练过程中产生的波动,提高模型的鲁棒性.本文方法在多个公开行人数据集上进行了验证并得到了良好的实验结果.在Market1501和DukeMTMC-reID数据集上,mAP分别达到了85.4%和74.8%.

摘要：针对车辆重识别技术中难以通过全局外观特征准确识别不同车辆之间细微差异性的问题,提出一种基于局部感知的车辆重识别算法(local-aware based vehicle re-identification,LVR)。获取全局宏观特征以保留图像的上下文信息;利用空间变换网络的对齐模块对车辆图像进行分块,获取车辆局部细节信息;采用由粗到细的关键点检测方法获取局部关键点特征。在两个大型车辆数据集(即VeRi和VehicleID)上的评估结果表明,该算法具有较好的重识别效果。

摘要：初中班级德育实施精细化管理,符合现代班级管理发展大势,注重常规细节管理、重视学生自我约束管理、启动感恩教育,都可以有效培养学生良好的行为习惯,塑造学生的社会责任心。精细化管理是一种理念,更是一种文化,是现代学校德育管理理念的具体体现。建立健全一套完整的精细化德育管理制度,已经成为学校德育教学管理的重要共识。

摘要：本试验研究了在饲料中添加活性酵母及培养物对不同泌乳期荷斯坦奶牛泌乳性能、采食量、血液生化指标及免疫力的影响。试验采用两因素完全随机区组试验设计,根据体重、胎次相近原则,将48头体重为(534±20)kg的泌乳期奶牛分为4组,每组12头,其中泌乳前期6头,泌乳中期6头。对照组(CG组)饲喂基础日粮,另外3个试验组分别在对照组的基础上添加0.075%乐斯福酵母(LY组)、0.100%富硒酵母(SY组)以及0.075%乐斯福酵母和0.100%富硒酵母的混合物(LY+SY组)。试验总周期为45 d,其中包括10 d预饲期和35 d正式期。试验结果表明:1)相比于对照组和其他2个试验组,SY组均显著提高了产奶量(P0.05),SY组泌乳初期的饲料利用率显著低于LY组和LY+SY组,而在泌乳中期,不同处理对饲料利用率无显著性影响(P>0.05);3)泌乳前期,奶牛血液中的淀粉酶(AMY)以CG组中的含量最高,但差异并不显著(P>0.05),而在泌乳中期,LY+SY组奶牛血液中AMY和乳酸脱氢酶(LDH)的含量显著高于其他3个试验组(P0.05),而在泌乳中期,LY+SY组的IgG含量显著高于CG组和SY组(P<0.05)。综上可知,饲料中添加活性酵母和培养物对提高奶牛的免疫力有积极作用。本研究为养殖业中奶牛的饲料配方提供了一定的理论支撑和指导意义。