检索结果-南通市图书馆

基于多重信息融合与轨迹关联修正的多目标跟踪方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

控制与决策 2024年第6期39卷 1888-1896页

作者：田嘉意李辉李赛宇陈双敏刘云青岛科技大学信息科学技术学院山东青岛266061

一阶段多目标跟踪框架由于可以有效提升算法跟踪效率而备受关注,然而该框架在提升效率的同时忽略了检测与关联任务间信息的交互,且目标遮挡的频发会导致轨迹碎片的增加,从而影响跟踪效果.针对这些问题,提出基于多重信息融合与轨迹关联... 详细信息

一阶段多目标跟踪框架由于可以有效提升算法跟踪效率而备受关注,然而该框架在提升效率的同时忽略了检测与关联任务间信息的交互,且目标遮挡的频发会导致轨迹碎片的增加,从而影响跟踪效果.针对这些问题,提出基于多重信息融合与轨迹关联修正的多目标跟踪方法.通过无锚一阶段主干网络,在检测器上另外建立跟踪分支预测跟踪偏移量和嵌入特征信息;设计中和匹配关联模块优化跨帧特征匹配方式,协调检测与关联任务,提升两任务间信息交互能力;采用多重信息融合模块,对时空多层次特征进行融合以获得更加丰富的特征信息;提出轨迹关联修正网络处理因遮挡造成的轨迹碎片,通过改进数据关联方式评估碎片与检测低分目标关系,尝试找回遮挡目标轨迹;将提出的算法在MOT16和MOT17数据集上进行评估,并与其他优异的算法定量比较.通过分析实验结果可以发现,所提出的方法能有效缓解关键性问题,提升算法整体性能.

关键词：多目标跟踪轨迹碎片嵌入特征中和匹配多重信息融合轨迹关联修正

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的多目标跟踪方法研究

基于深度学习的多目标跟踪方法研究

作者：梁星宇电子科技大学

学位级别：硕士

多目标跟踪是计算机视觉领域重要的研究主题之一,在智能安防、防暴反恐、军事制导、自动驾驶等领域有着非常广泛的应用前景。基于检测的跟踪方法因其简便、性能出众而成为多目标跟踪的主流方法。然而,在深度学习框架下,大部分基于检测... 详细信息

多目标跟踪是计算机视觉领域重要的研究主题之一,在智能安防、防暴反恐、军事制导、自动驾驶等领域有着非常广泛的应用前景。基于检测的跟踪方法因其简便、性能出众而成为多目标跟踪的主流方法。然而,在深度学习框架下,大部分基于检测的跟踪方法均是以双阶段网络为基础,即串联目标检测网络和嵌入特征提取网络,这样就导致了多目标跟踪系统的时间复杂度高而难以实现实时跟踪。为提高跟踪效率,近年来有学者提出了单阶段方法。本文旨在开展单阶段多目标跟踪方法研究,主要研究内容如下:1、搭建了单阶段多目标跟踪网络。在该网络中,以多任务学习方式训练目标检测和嵌入特征提取两个子任务,并设置了合适的嵌入特征提取模块的损失函数以及两个子任务损失的组合方式。同时,利用单阶段模型两个子任务的输出分别设置了合适的运动特征相似性度量和嵌入特征相似性度量方法。最后,在数据关联阶段充分考虑了跟踪场景中出现的跟丢、重新跟踪以及新目标的出现等情况设置了三阶段级联的数据关联方法。2、分析了单阶段模型中两个子任务的冲突问题。目标检测注重目标类别与背景的差异性,而嵌入特征提取关注目标内部不同个体之间的差异性。通过实验验证了两个任务的冲突性会导致各自性能降低并影响跟踪性能。针对任务冲突问题,分别采用了注意力模块和解耦模块两种方式来缓解任务冲突。实验结果表明加入注意力模块和解耦模块都能有效缓解任务冲突,子任务的性能有所提升的同时跟踪效果也得到提升。3、从特征局部相似性、非刚体的姿态变化以及噪声引入三个角度分析了单阶段网络中嵌入特征的局限性。以此为基础,采用了ROIAlign池化提取目标的全局特征,训练时直接通过标签获得目标位置进行池化,测试时通过目标检测分支解码获得目标位置进行池化。通过对比实验设置了合理的宽高比以及具体的尺度信息。改进的单阶段网络结合了目标精确位置的嵌入特征提取模块性能得到了较大提升,多目标跟踪性能也得到了明显提升。

关键词：单阶段多目标跟踪嵌入特征多任务学习实时跟踪

市场导向与新产品开发速度:供应商网络的调节作用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

研究与发展管理 2015年第4期27卷 25-35页

作者：梁杰谢恩唐青青西安交通大学管理学院西安710049

围绕企业市场导向和新产品开发关系的研究,现有文献主要强调市场导向对新产品创新性和绩效的影响,但是对市场导向和新产品开发速度的关系很少关注.研究探讨了企业市场导向对新产品开发速度的作用机制,并在整合市场导向理论和网络理论的... 详细信息

围绕企业市场导向和新产品开发关系的研究,现有文献主要强调市场导向对新产品创新性和绩效的影响,但是对市场导向和新产品开发速度的关系很少关注.研究探讨了企业市场导向对新产品开发速度的作用机制,并在整合市场导向理论和网络理论的基础上,就企业所在供应商网络的嵌入特征和构成特征如何调节市场导向与新产品开发速度的关系进行了深入分析.通过对中国制造行业209家企业的问卷调查数据进行实证分析,结果表明,市场导向促进企业新产品开发的速度;供应商网络的关系嵌入正向调节市场导向与企业新产品开发速度的关系;而供应商网络结构嵌入、技术差异以及地理差异均负向调节市场导向与企业新产品开发速度的关系.

关键词：市场导向新产品开发速度供应商网络嵌入特征构成特征

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于特征信息和用户行为的课程推荐算法研究

基于特征信息和用户行为的课程推荐算法研究

作者：韩利新长安大学

学位级别：硕士

如今,在线教育在互联网产业飞速发展的契机下,正在不断创新、蓬勃发展。同时,在线教育平台推陈出新,用户的学习方式发生转变,用户可以直接在网上学习课程。但是当用户在平台的众多课程中获取信息时,往往不易找到符合用户需求的课程。课... 详细信息

如今,在线教育在互联网产业飞速发展的契机下,正在不断创新、蓬勃发展。同时,在线教育平台推陈出新,用户的学习方式发生转变,用户可以直接在网上学习课程。但是当用户在平台的众多课程中获取信息时,往往不易找到符合用户需求的课程。课程推荐系统的诞生,很好地解决了课程信息大爆炸的难题。随着技术的不断革新,深度学习模型也逐渐应用到课程推荐领域。课程推荐算法可以提供给目标用户满意的推荐结果。随着在线用户和课程数量不断增加,课程推荐系统暴露出用户特征多样化、用户兴趣偏好复杂以及用户行为多变等问题,降低了推荐算法的推荐精度。为解决以上问题,本文在协同过滤推荐算法的基础上进行分析与改进,提出了三种课程推荐算法。本文的研究工作分为以下三部分:1.针对传统协同过滤算法忽略用户特征与用户兴趣偏好难以获取的问题,研究了一种融合用户特征与兴趣聚类的课程推荐算法。该算法根据用户特征的重要性得到课程预测评分以及用户对课程关键词的偏好不同,使用TF-IDF算法构建用户兴趣偏好矩阵,采用Canopy与K-means聚类算法对用户聚类,得到课程预测评分,最后加权两种预测评分,实现课程推荐。在改进过程中,缓解了数据稀疏性问题,提高了推荐算法的性能。2.针对在线学习用户的兴趣偏好处于动态变化过程的问题,提出了一种基于用户兴趣动态变化的课程推荐算法。该算法通过引入了用户兴趣变化曲线和时间衰减因子,进一步控制时间函数的衰减速度。同时利用平均评分方法将用户近期兴趣捕获,从而有效掌握用户的兴趣偏好变化。根据对比实验证明,该改进算法在改善数据稀疏性和时效性的基础上,课程推荐准确性得到提升,推荐内容令用户满意。3.针对个性化课程推荐算法未充分考虑用户与课程的多特征属性,以及用户的历史选课行为的问题,提出了一种基于嵌入特征与用户行为的课程推荐算法。该算法将用户、课程多特征引入,采用LSTM模型处理课程名称特征,建立推荐模型。同时利用用户选课行为构建了课程信息协同模型,联合两个模型实现Top-N推荐。仿真实验结果表明,该课程推荐改进算法在算法性能和推荐准确度上表现良好,也证明了该算法的有效性和可行性。本文提出的推荐算法可以有效用于在线用户的课程推荐,算法推荐精度与用户满意度高,时间复杂度低,可以应用到实际中,进一步提升课程推荐系统的效果。

关键词：课程推荐协同过滤兴趣聚类嵌入特征行为分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向多信道不均衡数据的声学场景分类方法

面向多信道不均衡数据的声学场景分类方法

作者：吴伯庸哈尔滨工业大学

学位级别：硕士

声音信号在生活中无处不在,人们一直在尝试着合理地将其利用。随着深度学习技术的发展,声音信号处理的能力在不断提高,给人们的生活带来了诸多便利。声学场景分类作为信号处理的新兴研究领域,近年来受到越来越多的关注,其已经被有效应... 详细信息

声音信号在生活中无处不在,人们一直在尝试着合理地将其利用。随着深度学习技术的发展,声音信号处理的能力在不断提高,给人们的生活带来了诸多便利。声学场景分类作为信号处理的新兴研究领域,近年来受到越来越多的关注,其已经被有效应用在情境感知等设备上。在生活中,录音设备的种类多种多样,由于这些设备信道的差异,导致即使在同时同地,它们所录制到的音频数据也可能存在不同。此外,由于多种原因采用不同设备所获得的声音数据量也可能不同,因此存在数据不均衡的问题。信道差异及数据不均衡的影响给声学场景分类任务的研究带来很大的困难。本文重点研究多信道不均衡数据影响下的声学场景分类问题。首先,提出基于FBank特征的卷积网络声学场景分类方法,对所有数据不区分设备地提取FBank声学特征,使用卷积神经网络对特征进行分类,使用交叉熵作为模型的损失函数。该方法作为本文的基线系统。随后,提出基于信道无关嵌入特征的声学场景分类方法。不同设备在同时同地录制所得到的平行数据对包含完全一致的语义信息,而差别仅为信道不同。考虑到从原始音频数据提取的FBank特征中会包含设备的信道信息,其与声学场景无关且会影响模型的分类准确率。因此,在基线系统的模型中,选取最后一层卷积层的输出作为音频数据的嵌入特征,使用均方误差度量平行数据对间嵌入特征的差异,均方误差和交叉熵的加权和作为模型的损失函数。相比于基线系统,该方法的分类准确率在所有设备上均有提高。最后,提出基于迁移学习的多信道声学场景分类方法。对数据量充足的设备信道下的场景进行建模,学习到足够的知识,以得到性能优越的嵌入特征提取网络,以及对嵌入特征的分类网络。将得到的特征提取网络复制后,使用迁移学习方法对数据量少的设备信道下的场景进行训练,以更好地提升模型对数据较少设备信道下的场景分类准确率。训练时并行输入平行数据对,只训练针对少量数据的嵌入特征提取网络,而其他网络参数固定不动,使用均方误差度量平行数据对嵌入特征的差异,使用KL散度度量分类网络对平行数据对嵌入特征预测的概率分布的相似性,均方误差、KL散度、交叉熵三者的加权和作为模型的损失函数。相比于基线系统,该方法明显提升了数据量少的设备信道下的场景分类准确率。

关键词：声学场景分类多信道不均衡数据平行数据对嵌入特征迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合先验分布的多表征眼底稀有病症识别

吉林大学学报（信息科学版） 2022年第3期40卷 444-451页

作者：窦全胜刘欢李丙春刘静姜平喀什大学计算机科学与技术学院新疆维吾尔自治区喀什844008 山东工商学院计算机科学与技术学院山东烟台264005

针对眼底稀有病症图像标注样本少,难以满足深度网络训练需求,提出了融合先验分布的多表征(MFPD:Multi-representation Fused with Prior Distributions)眼底稀有病症识别模型。在预训练模型的基础上进行微调得到嵌入模型,获取特征嵌入... 详细信息

针对眼底稀有病症图像标注样本少,难以满足深度网络训练需求,提出了融合先验分布的多表征(MFPD:Multi-representation Fused with Prior Distributions)眼底稀有病症识别模型。在预训练模型的基础上进行微调得到嵌入模型,获取特征嵌入先验分布。将嵌入特征映射到不同空间,以不同视角提取图像特征,并在交叉熵损失的基础上,加入散度损失,增加不同视角特征的差异性,高效利用稀有病症图像信息,以减小样本量较少对模型的影响。采用OPHDIAT(Ophtalmologie-Diabète-Télémédecine)眼底图像数据集,将该方法与其他方法进行对比,实验结果证明了该方法的有效性。

关键词：先验分布稀有病症嵌入特征多表征散度损失