摘要：针对基于卷积神经网络的红外图像弱小目标检测方法面临卷积神经网络的感受野有限,扩展感受野的下采样操作容易导致特征丢失,以及卷积网络对局部对比特征提取能力有限的问题,提出了一种基于多层多向Transformer的红外图像弱小目标检测算法。首先使用感受野较大、对比特征提取能力较强的Transformer网络作为基本单元,设计U型深度神经网络和多特征层融合网络将局部特征以及全局特征进行融合。同时在解码网络设计双向注意力算子,利用自注意力计算机制分别计算空间方向和特征方向的注意力特征,进一步提高深度网络提取弱小目标和周边区域对比特征的能力。另外在主干网络最后添加数量约束网络,通过统计对比检测结果中目标的数量,减小误检目标的数目,提高目标检测的准确度。最后在多个实验数据集上和已有方法进行了对比实验,在各个评价参数上取得了最多35%的提升,证明所提红外弱小目标检测算法具有较高的准确性。

摘要：顶点着色的贪婪算法中"按给定的顺序、满足一定的条件依次对顶点着色过程"可视为"按给定的顺序、满足一定的条件依次将顶点放入不同(颜色)的盒子中的过程",受此启发,设计相应的排课算法,首先提出"数量约束"的概念,给出该问题的具体需满足数量约束的项;然后将总表中的每条记录看成一个"顶点",将一张课表中每一个具体的表格视为不同(颜色)的"盒子",设计相应的启发式规则;最后把排课的过程巧妙的变成把每个"顶点"按相应的规则、在满足"数量约束"的要求的前提下放入上述"盒子"中的过程。