摘要：由于视角和行人姿态的变化、遮挡以及非手工行人框的误差等因素,同一行人的不同图像差异较大,给行人再识别课题的研究带来了极大挑战.为提高行人姿态变化下的行人再识别性能,提出通道互注意机制下的部位对齐行人再识别网络.首先,行人图像通过2个子网络,分别提取行人的外观特征和部位特征;然后设计一个通道互注意模块,通过挖掘行人部位特征通道间的互相关系,优化部位特征在通道维度上的权重;最后,将优化后的行人部位特征和外观特征通过双线性池化进行特征融合.在3个大规模公开数据集上的实验结果表明,通道互注意机制能有效优化部位特征,所设计的部位对齐网络具有抗姿态变化和背景干扰的能力.在Market-1501,DukeMTMC-reID和CUHK03数据集上Rank-1/mAP分别达到93.9%/90.6%,87.6%/83.3%和70.4%/72.8%,优于其他现有方法.

摘要：特征提取的充分性和分类器设计的合理性是影响玉米种子识别精度的两个关键问题。采集了玉米种子的高光谱图像,并提取每粒玉米种子在不同波段下的图像熵作为分类特征;在此基础上,利用支持向量数据描述方法构建每类玉米的分类器模型,对待识别样本的测试精度达到了94.14%,对新类别样本的识别精度达到92.28%。仿真结果表明:新方法可实现玉米种子的准确识别,同时解决了传统分类器对新类别样本的错误分类问题。

摘要：本文研究网络连接系统在随机Markov跳变拓扑结构,通信时滞,外部干扰等情形下的给定时间一致性协议设计方法.基于有限短时间理论,放宽对系统不一致状态渐近收敛于零的要求,在预先给定的时间区域内,设法使网络中各子系统的不一致状态在期望范围内受限运动,从而提出给定时间一致性定义,并进一步设计给定时间一致性控制算法.不仅从时间角度为降低渐近一致的工程保守性提供了思路,且所提的模型转换新方法使得设计的控制协议更具通用性.仿真结果验证了所提算法的有效性.

摘要：针对无监督单目深度估计生成深度图质量低、边界模糊、伪影过多等问题,该文提出基于密集特征融合的深度网络编解码结构。设计密集特征融合层(DFFL)并将其以密集连接的形式填充U型编解码器,同时精简编码器部分,实现编、解码器的性能均衡。在训练过程中,将校正后的双目图像输入给网络,以重构视图的相似性约束网络生成视差图。测试时,根据已知的相机基线距离与焦距将生成的视差图转换为深度图。在KITTI数据集上的实验结果表明,该方法在预测精度和误差值上优于现有的算法。

摘要：针对深度学习的方法用于微表情识别时微表情识别的实验数据库非常稀缺,导致神经网络在学习的过程中知识获取有限而难以提高精度及泛化能力的问题,提出基于双流网络信息交互的微表情识别方法.通过改进的深度互学习策略引导图像序列不同模态之间的交互训练,提高网络的识别率.方法基于RGB图像序列建立主体网络,基于光流建立辅助网络;在训练阶段,通过设计互学习损失中的有监督学习损失和拟态损失,优化训练过程,使得每一种模态都能学习正确地预测训练样本的真实标识,同时能与其他模态的预测相匹配;在测试阶段,由于互学习机制增强了RGB分支的判别能力,因此可对光流分支进行剪裁,在保证精度的前提下提高识别速度.在CASME,CASMEⅡ和SMIC数据库上的实验结果表明,该方法有效地提高了识别精度,整体性能优于已有方法.

摘要：针对当前人脸超分辨率算法中存在效率不高和重建失真等问题,提出一种基于多尺度残差通道注意机制的人脸超分辨率网络.该网络采用多尺度递进形式的结构,能够同时处理不同的上采样因子.同时,为了解决冗余和无效信息给网络造成的影响,在网络的特征重建模块中引入了通道注意力机制,并融合人脸解析信息提出一种残差通道注意块,不仅提高了网络特征利用率还加强了人脸先验的约束力度.与现有算法在Helen, CelebA和LFW数据集上进行的实验结果表明,该算法无论是主观视觉质量,还是峰值信噪比和结构相似性等客观评价指标,都明显优于现有其他算法.

摘要：分层双线性池化网络考虑了中间卷积层的特征交互,对细粒度图像起到了良好的分类效果,但它对一幅图像包括无关背景在内的所有区域激活都进行了特征交互,会影响分类性能.针对该问题,提出一种显著增强的分层双线性池化方法.该方法在分层双线性池化网络的基础上,结合显著性检测网络生成注意力图,使用注意力图与特征提取网络进行交互实现对显著区域的信息增强,减少了背景等无关信息的影响,提高了分类性能.在3个常用的细粒度图像数据集CUB-200-2011,Stanford Cars和FGVC-Aircraft上均进行了实验,分类准确率分别为86.5%,92.9%和90.8%,与当前其他主流方法相比,取得了良好的分类效果.

摘要：针对加热炉多个支路出口温度的平衡及跟踪控制问题,提出具有分布式特点的支路平衡跟踪控制方案,给出了基于分布式偏差的控制器设计方法.该方法利用相邻支路的温度信息,将各支路与相邻支路的温度偏差作为控制输入,在加热炉所有支路的温度达到一致的同时,也确保其跟踪同一设定值.由于仅利用了相邻支路的温度信息,使得所提分布式偏差控制方案在支路数目较多情形下更显优势.最后仿真实例表明了该分布式控制方案的有效性与可行性.

摘要：针对现有的基于公共子空间的跨模态检索方法对不同检索任务的差异性、检索模态的语义一致性考虑不足的问题,提出一种联合线性判别和图正则的任务导向型跨模态检索方法.该方法在一个联合学习框架中为不同的检索任务构建不同的映射机制,将不同模态的数据映射到公共子空间中以进行相似性度量;学习过程中结合相关性分析和单模态语义回归,保留成对数据间的相关性以及增强查询模态样本的语义准确性,同时利用线性判别分析保证检索模态样本的语义一致性;还为不同模态的数据构建局部近邻图以保留结构信息,从而提升跨模态检索的性能.在Wikipedia和Pascal Sentence这2个跨模态数据集上的实验结果表明,该方法在不同检索任务上的平均mAP值比12种现有方法分别提升了1.0%~16.0%和1.2%~14.0%.

摘要：针对点云空间三维信息非结构化和旋转易变性对预测结果的影响,提出一种带特征监控的三维信息编解码卷积神经网络,该网络可实现三维空间下单目深度图的端对端无标记人体姿态估计.所设计的网络由特征监控编解码组件串联而成,该组件第一部分使用三维卷积模块以类似沙漏结构的形式组合设计,实现对特征图的编码和解码;第二部分以不同参数残差块并联,实现对特征图的监控融合,第一部分与第二部分首尾连接构成组件.特征监控编解码组件能根据数据集大小,通过串联的方式搭建不同深度的网络,同时根据数据分辨率,设置组件参数,实现由粗到精的特征学习,最终获得最佳网络.通过ITOP数据库的实验表明,该网络实现了空间三维信息的端到端深度学习,显著提高了系统性能并具有更高的精度.