細粒度
- 細粒度云數據自適應去重方法研究
有幫助[1]。細粒度云數據指的是各個方面信息都非常詳細具體的云數據，具有多層次化與高效化的特點。與傳統意義上的云數據存在一定差異，細粒度云數據獲取的難度較高，需要經過大量的訓練與學習才能獲得。隨著數據量的快速增長，細粒度云數據中不可避免會存在各類重復數據。相似重復的數據一方面消耗了大量不必要的存儲空間與人力開支，另一方面增大了云數據的管理難度，降低了云數據管理的效率與質量[2]?；诖?，科學合理的細粒度云數據去重方法至關重要。當前，傳統的云數據去重方法逐步
電腦與電信 2023年9期2024-01-14
- 基于代價敏感的細粒度服裝圖片檢索
檢索技術逐漸向細粒度方向深入發展。細粒度服裝圖片檢索主要通過對圖像的相似度進行比較實現［1-4］，該類方法在服裝圖片像素層面構建檢索模型提取全局或局部特征進行相似度的排序比較。然而，細粒度服裝圖片檢索中廣泛存在類別不平衡問題，即當部分類別數量遠高于其他類別數量時，在學習過程中通常會導入有利于數量占比多類別的分布偏差，導致數量少類別的條件概率被低估，從而影響分類和檢索結果。由于相同類別服裝圖片之間高度相似，以及部分服裝圖片數據集存在類別不平衡現象，面向服裝圖
軟件導刊 2023年10期2023-10-31
- 結合金字塔和長短期記憶網絡的細粒度圖像分類
引 言近年來,細粒度圖像分類在學術界和工業界都展現出巨大的應用前景[1,2].與一般的圖像分類[3]不同,細粒度圖像分類的目的是在于從一個大類的各子類中識別出細微的視覺差異,比如,鳥的種類[4]、汽車品牌[5]和飛機型號[6].由于這種差異通常太小而難以被人類區分,導致從圖像中挖掘局部細微差異成為細粒度圖像分類任務的關鍵問題之一.為了解決這個問題,目前大多數的方法主要集中在兩個方面,即定位多樣性的局部和提取鑒別性的特征.最近的研究表明,特征金字塔[7,8]
小型微型計算機系統 2023年8期2023-08-29
- 基于鑒別注意力融合的儀表細粒度分類方法
些研究者們應用細粒度圖像分類算法挖掘儀表的鑒別特征。文獻[1]通過圖像生成器增廣數據集,從而為細粒度分類模型提供更多可鑒別粒度;文獻[2]使用基于注意力機制的裁剪方式增廣圖像達到擴充訓練數據集的目的,提高了細粒度識別的準確率。圖1 某變電站儀表數據示例圖針對上述儀表數據的特點,該文提出了基于鑒別注意力融合的儀表細粒度圖像分類方法,設計的鑒別注意力模塊(Discriminant Attention Model,DAM)是通過雙線性池化進行融合的,亮點在于利用
計算機技術與發展 2023年7期2023-07-21
- 基于高低階特征交互學習的點擊率預測模型研究
階特征進行更加細粒度的特征交互，實現深度神經網絡學習更細粒度的高階交互特征，兼顧高低階特征學習，獲取更加全面的潛在特征相關性。在Criteo和Avazu兩個公開的大數據集上實驗發現，與已提出的相關模型相比較，新模型在性能方面均有所提升。關鍵詞：點擊率；高低階特征交互；壓縮交互網絡；細粒度中圖分類號：TP39文獻標志碼：A0 引言2023年1月12日發布的《2022中國互聯網廣告數據報告》顯示，2022年，國內互聯網廣告市場規模已達5 088億元，規模巨大。
無線互聯科技 2023年5期2023-05-24
- 基于細粒度特征與注意力機制的機載圖像匹配
,無法在不破壞細粒度特征的同時獲取全局特征關聯。為此,學者們將具有全局感受野的注意力機制[7]引入機載圖像匹配任務,如文獻[8-9]分別基于空間轉換器[10](Spatial Transformer, ST)和視覺轉換器[11](Vision Transformer, ViT)來處理多視角機載圖像匹配問題。但上述方法在特征提取階段忽略了匹配圖像間的關聯關系。而文獻[12]已證明,進一步學習圖像間的相似性特征能有效提高后續匹配的精度。因此,本文提出了一種基于
航天控制 2023年2期2023-05-12
- 基于視覺一致性增強的細粒度圖像檢索
制化和精細化，細粒度圖像檢索近年來逐漸受到學術界和工業界的廣泛關注。對于給定的屬于同一大類(如，狗)的圖像，細粒度圖像檢索旨在進一步檢索屬于相同子類的圖像(如，沃克獵犬和巴塞特犬)。相較于經典圖像檢索，細粒度圖像檢索的主要難點包括：(1)類間差異小。不同子類的圖像高度相似，區分性的差異信息僅體現細微的局部區域；(2)類內差異大。相同子類的圖像由于姿態、光照、背景和拍攝角度的不同，差異巨大難以區分。因此，將經典圖像檢索算法應用在細粒度圖像數據集[8-11]上
計算機技術與發展 2022年12期2022-12-11
- 基于混合蟻群優化的邊緣計算細粒度任務調度方法
，實現邊緣計算細粒度任務高效率調度，以期為邊緣計算任務調度問題提供參考和借鑒。1 邊緣計算細粒度任務調度的原理邊緣計算細粒度任務調度屬于一種連續性問題，使用單一的蟻群算法進行調度，容易產生收斂速度慢，計算時間長，易于過早陷入局部最優的問題。為此，本文引入遺傳算法，構建混合蟻群算法對細粒度任務調度進行優化，解決單一蟻群算法易于過早陷入局部最優的問題，提高邊緣計算細粒度任務調度性能，具體描述如下。1.1 問題描述邊緣計算任務調度是指將原本應由本地服務器或中心云
計算機測量與控制 2022年11期2022-12-01
- 基于貝葉斯算法的弱監督細粒度圖像分類方法
類的視覺判讀。細粒度圖像分類是近年來計算機視覺、模式識別等領域的研究熱點之一，其為一種類似于傳統圖像分類任務的分類方法。由于細粒度圖像的信噪比很小，而具有足夠分辨力的信息通常只存在于很小的局部區域，因此細粒度圖像的分類比一般的圖像分類更具挑戰性。該方法只需對圖像進行分類就可以解決局部區域的定位問題，并在保證分類精度的前提下，可以有效地減少計算量。細粒度圖像的分類是一項具有挑戰性的任務。常用的弱監督細粒度圖像分類方法主要有基于卷積神經網絡的細粒度圖像分類方法
計算機仿真 2022年9期2022-10-25
- CNN和Transformer在細粒度圖像識別中的應用綜述
0022近年，細粒度圖像識別在計算機視覺、模式識別等領域掀起了一陣熱潮，其在學術界和工業界都獲得了極大的關注度，在智能零售系統[1-2]、生物多樣性監測[3]等領域具有廣泛的應用價值。而傳統的計算機視覺研究方法不能夠勝任復雜的細粒度圖像識別任務，因此許多研究將深度學習技術[4]應用于細粒度圖像識別領域，其在定位局部、特征表示，分類等方面都取得了良好的效果。由于人類視覺系統本質上對細粒度圖像[5]具有推理能力，不僅能識別出狗類和鳥類，還能區分出具有細微差異的
計算機工程與應用 2022年19期2022-10-18
- 基于深度聚類的目標細粒度分類方法
0065）引言細粒度目標分類又被稱為子類圖像分類，是近幾年計算機視覺領域熱門且富有挑戰的研究課題之一[1]。與傳統的粗粒度分類問題不同，細粒度分類根據目標關鍵位置或區域的特征屬性實現類內更精細劃分，如圖1 所示。根據毛發、眼睛、體型實現狗的不同品種區分，如數據集Stanford Dogs[2]；根據眼瞼、羽毛、喙、尾巴等特征實現對鳥品種的區分，如數據集CUB200[3]；根據尺寸、外觀、長寬比等特征實現不同飛機類型的區分等，如數據集FGVC。圖 1 細粒度
應用光學 2022年4期2022-09-13
- 添加晶粒長大抑制劑對細粒度金剛石復合片燒結的影響
密度加工領域，細粒度刀具用PCD刀具的優勢更為明顯。目前高質量的細粒度PCD復合片產品主要從國外進口，因為大尺寸細粒度PCD復合片的制造技術難度大。通常在制備過程中合成腔體越大，其溫度、壓力梯度越大，導致大尺寸細粒度PCD復合片容易在合成過程出現金剛石顆粒異常長大的情況，嚴重影響了產品的質量及穩定性[1-8]。本文研究了添加兩種不同的晶粒長大抑制劑TiC和cBN對細粒度PCD復合片晶粒異常生長的影響，嘗試通過添加抑制劑控制金剛石晶粒異常長大，得到具有均勻顯
超硬材料工程 2022年2期2022-08-29
- 基于細粒度實體分類的對比研究
展到更深層次的細粒度實體類型。由于上游分配粗粒度的實體類型，后續選取實體間的候選關系就會復雜，相應的關系抽取任務會變得愈加困難，于是就促進了細粒度實體分類任務的研究。通過細粒度實體分類概念的引入，有效地將粗粒度的實體類型標簽細化、層次化，從而使得下游任務(關系抽取、事件抽取、問答系統、實體推薦等)的工作效率降低，提高工作效率。細粒度實體分類[2](Fine-grained Entity Typing，FET)在給定實體指稱的情況下，依據其上下文給實體指稱賦
重慶工商大學學報（自然科學版） 2022年4期2022-07-19
- 網絡監督數據下的細粒度圖像識別綜述
940 引 言細粒度圖像識別是計算機視覺和模式識別領域的基礎研究課題，旨在對某一傳統語義類別下細粒度級別的不同子類類別進行視覺識別(Wei等，2019b)，如不同子類的狗、不同子類的鳥、不同車型的汽車等。細粒度圖像識別是視覺感知嵌入的基礎性工作(Belongie，2017)，長期受到計算機視覺界的高度關注，美國的斯坦福大學、加州大學伯克利分校、哥倫比亞大學、英國牛津大學等一些計算機學科的頂尖單位都是該領域非?；钴S的研究機構(Berg等，2014；Jader
中國圖象圖形學報 2022年7期2022-07-15
- 融合弱監督目標定位的細粒度小樣本學習
別。進一步地，細粒度圖像識別旨在對屬于相同類別的不同子類的圖像進行分類，例如各種鳥類、各種狗類和各種汽車的識別。區分一個子類與另一子類的特征通常是細微的和局部的，這使得細粒度圖像分類比常規圖像分類更具挑戰性。因此大多數現有的細粒度分類方法需要大量的訓練數據來學習一個更魯棒性的分類器。但是由于標注細粒度圖像需要專業知識，例如標注各種鳥類可能需要求助鳥類學家等，而且許多細粒度方法還需要有邊界框標注等。這些都給細粒度圖像標注帶來巨大成本。此外，許多瀕臨滅絕和稀有
中國圖象圖形學報 2022年7期2022-07-15
- 基于優化錨點的細粒度文本檢測與識別
文本檢測模型在細粒度文本檢測過程中會出現斷連、漏檢的情況，尤其是在細粒度的文本場景下。針對以上問題，提出了一種細粒度文本檢測算法。該算法基于CTPN模型網絡進行改進，重新設計了垂直錨點尺度，以適應細粒度文本的特征;同時調整主干網絡的結構適應錨點的尺度。在anchor的連接過程中采用了自適應間隔的連接方式，從而保留水平語義信息的完整性。文本識別階段采用CRNN方式進行識別。通過PyTorch環境驗證細粒度的發票數據集，所提方法相比于原CTPN文本定位方法效果
電腦知識與技術 2022年10期2022-05-30
- 基于模板的軟件缺陷修復推薦方法
]第一次提出從細粒度的代碼修改序列中識別未知的頻繁代碼修改模式，并分析修改模式，歸納了10種高級程序轉換模式.Zhao等人[4]開發了一種代碼更改自動分類工具CTforC，它依據代碼更改將其分成5種更改類型和9種更改子類型.雖然這些方法在修復bug方面有一定的幫助，剖析了較常用的修復模式，但是修復模板涉及人工手動分析，模板較單一，能提供的修復信息適合有針對性的代碼修復.目前，深度學習技術廣泛應用于缺陷定位、缺陷預測和缺陷修復等方面[5-7].Tufano等
小型微型計算機系統 2022年5期2022-05-10
- 基于詞典分類器的細粒度機構名識別
針對開放領域的細粒度命名實體識別。如盛劍等[2]采用LSTM-CNN-CRF完成中文細粒度命名實體識別，其F1值為0.8左右；Xu, Liang等[3]采用RoBERTa-wwm-large[4]模型對CLUENER20 20數據集實現細粒度命名實體識別，其F1值為0.8042。在開放領域下人名、機構名、地名的研究十分必要，其中機構名所占比重較高，但由于機構名結構復雜、罕見詞多且存在別名、縮略詞(如“哈佛”與“哈佛大學”)、數據文本中存在英文實體等問題，因
計算機工程與設計 2022年1期2022-02-15
- 基于注意力機制的弱監督細粒度圖像分類①
而更加精細化的細粒度圖像分類更加值得關注,例如在生態保護場景中識別不同種類的珍稀鳥類,水稻種植生產中識別不同種類的蟲害,新零售場景下對同類食品的細分類等等.利用計算機視覺方法識別細粒度類別（如鳥類[1,2]、花卉[3,4]、狗類[5,6]、車型[7]等）的技術已引起研究者們的廣泛關注[8-10].其中能夠準確定位和表示類別中細微視覺差異的細粒度圖像識別技術是非常具有挑戰性的.1.1 細粒度圖像分類的研究歷史與現狀隨著計算機硬件算力的提升,深度學習技術被廣泛
計算機系統應用 2021年10期2022-01-06
- 一種基于注意力機制的細粒度圖像分類方法
650500)細粒度圖像分類(FGVC)作為當前研究的熱點，與常規的粗粒度圖像分類相比，為人們提供了更加詳細的圖像信息，并可以區分圖像中的各基本級別的類別.例如，鳥類和車輛之間存在細微的視覺差異[1-2]，在區分圖像中鳥和車的同時，還能分別出鳥類和車輛的特定種類和類別.由于傳統的圖像分類方法無法產生良好的分類效果，研究人員開始將深度學習技術引入到圖像分類、識別任務中[3].目前關于細粒度圖像分類的研究已取得一些成果.例如，Huang等[4]提出1種基于多視
云南民族大學學報（自然科學版） 2021年6期2021-12-02
- 基于改進膠囊網絡的文本細粒度情感分類方法
2]提出了基于細粒度多通道卷積神經網絡的文本情感分析方法，該方法可深入挖掘文本深層次的語義信息，實現文本情感分析，但是該方法不適用于文本樣本數較多的情況。文獻[3]提出融合注意力機制的多語言文本情感分析方法，該方法的優勢在于可實現多語言文本情感分析，但對具有歧義的文本情感的分類精度有待優化。針對上述問題，以文本細粒度情感分析為主，細粒度情感可以在指定的角度分析文本的情感態度，提出基于改進膠囊網絡的文本細粒度情感分類方法，以期實現文本細粒度情感分類。2 基于
計算機仿真 2021年10期2021-11-19
- 基于注意力特征融合的SqueezeNet 細粒度圖像分類模型
650500)細粒度圖像分類問題的目標是對子類進行識別，如區分不同種類的狗、鳥、飛機等，是計算機視覺領域一項具有挑戰性的研究課題. 細粒度圖像分類難點在于子類別間細微的類間差異和較大的內類差異. 傳統的分類算法不得不依賴于大量的人工標注信息，但隨著深度學習的發展，基于深度卷積特征的算法被大量提出，深度卷積神經網絡為細粒度圖像分類帶來了許多新的機遇，促進了該領域的快速發展.文獻[1]提出的姿態規范化細粒度識別框架，首先使用可變形部件模型通過語義部件的特征點計
云南大學學報（自然科學版） 2021年5期2021-10-14
- 細粒度圖像分類的深度學習方法
缺失等問題。而細粒度圖像處于這兩者的中間狀態，兼具了語義級圖像分類特征難以提取和定位以及實例級圖像分類中類間差異小而類內差異大的問題，但同時該領域的研究往往會大量借鑒前兩個領域的研究成果。細粒度圖像分類旨在區分同一類別的子類別，如識別出車的品牌、鳥的種類、貓的品種等，也可叫作子類別分類。相較于對象識別等語義級圖像分類任務，細粒度圖像往往需要借助非常微小的局部差異才能區分出不同的類別。和人臉識別等實例級分類任務相比，細粒度圖像的類內差異更加巨大，并且受到姿勢
計算機與生活 2021年10期2021-10-12
- 深度學習在細粒度圖像識別中的應用綜述
“鳥”.然而，細粒度圖像識別(fine-grained image recognition，FGIR)則是針對同一大類別下的不同子類別給予識別，比如對不同子類別的“狗”的識別.相對圖像識別技術，細粒度識別的準確率還有較大的提升空間，事實上，細粒度識別任務的挑戰性比較大，主要是由于來自不同子類的目標之間的零部件構成普遍相同，相同子類的各個零部件之間卻又有豐富的多樣性，這些因素導致機器很難準確識別這些目標圖像的類別，甚至導致普通人類也很難辨別這些差異和多樣性，
北京工業大學學報 2021年8期2021-08-05
- 選煤廠超細粒度物料高效回收新工藝的探索與應用
此，必須探索超細粒度物料高效回收新方法，進行超細粒度物料的深度回收，才能解決制約選煤廠生產經營中存在的問題。一、現狀分析及存在的問題1.普通分級旋流器分級粒度大、濃度低使用普通分級旋流器進行中矸磁尾和TBS底流中的粗粒物料回收，分級粒度在0.2—0.25mm，底流濃度在300—350g/L，大部分0.2—0.25mm以下的細顆粒會進入溢流中，造成超細粒度物料不能有效回收。2.傳統的中矸磁尾回收篩篩板篩縫大，篩分效率低中矸磁尾回收篩主要用于回收超細粒度物料進
中文信息 2021年5期2021-07-14
- 基于屬性感知輔助學習的細粒度性格推理
中傾向于設定更細粒度且具體的性格特征，在商業場景下可以表現出“理性”或“善于洞察”的性格傾向，在醫療場景下可以表現出“富于同情心”或“慈愛”的性格傾向等。因此，本文提出了一種新的細粒度性格推理任務，致力于從用戶的評論文本中分析用戶實時的性格傾向(如浪漫、害羞等)。首先，僅根據句子級文本來判斷用戶實時的細粒度性格傾向是本文的挑戰之一?，F今，性格推理任務方法主要分為機器學習方法和深度學習方法。機器學習方法中，常用的方法有樸素貝葉斯(NB)、支持向量機(SVM)
鄭州大學學報（理學版） 2021年2期2021-05-24
- 交互式人臉編輯框架：只需說出指令就能美顏
作不同，這里的細粒度編輯實際上是一條細粒度屬性的曲線軌跡。2、每個步驟里面的曲率是基于位置因素的，并且由圖像和用戶的語言請求決定。3、研究體系的系統會根據用戶請求和語義場狀態來生成反饋，這樣有助于用戶體驗操作的對話?？蒲腥藛T還提供了Celeb ADialog，一個可視化語言面部編輯數據集， 以促進大規模研究。具體來說， 每個圖像都有手動注釋的細粒度屬性注釋以及自然語言中基于模板的文本描述。大量的定量和定性實驗證明了此項研究的框架在以下方面的優越性：1、細粒
海外星云 2021年21期2021-01-19
- FACR：一種快速且準確的車輛識別器*
49)近年來，細粒度識別在計算機視覺領域受到廣泛關注，包括識別鳥類[1]、花類[2]、車型[3-4]、犬種[5]等。由于車型具有獨特的分層結構和大量的子類別，細粒度車輛識別成為一個具有挑戰性的課題。不同于其他細粒度類別，車輛具有獨特的分層結構[6]，自頂向下分為4層，即汽車類型、生產商、汽車型號和生產年份，如圖1所示。因此，分層分類對于識別車輛是一個很好的選擇。不同于一般的圖像識別，細粒度車輛識別目的是識別車輛更精細的子類別，由于細粒度類別存在細微的局部類
中國科學院大學學報 2021年1期2021-01-14
- 一種基于特征點的卷煙商標紙配準方法
卷煙商標紙圖像細粒度配準，細粒度配準的含義是基于開源的圖像配準框架BIRL（Benchmark on Image Registration methods with Landmark validations）提供的彈性配準方法實現圖像的精細配準。本文的目的是提升卷煙商標紙配準的精度，并能夠對真偽卷煙實現有效區分。1 相關技術1.1 SIFT 算法SIFT 算法主要分為四步[9]：（1）尺度空間的建立SIFT 算法用DOG 尺度空間代替LOG 尺度函數，是為
數據與計算發展前沿 2020年4期2020-12-02
- 基于多尺度特征融合與反復注意力機制的細粒度圖像分類算法
復注意力機制的細粒度圖像分類算法何?凱，馮?旭，高圣楠，馬希濤(天津大學電氣自動化與信息工程學院，天津 300072)細粒度圖像分類是對某一類別下的圖像子類進行精確劃分．細粒度圖像分類以其特征相似、姿態各異、背景干擾等特點，一直是計算機視覺和模式識別領域的研究熱點和難點，具有重要的研究價值．細粒度圖像分類的關鍵在于如何實現對圖像判別性區域的精確提取，已有的基于神經網絡算法在精細特征提取方面仍有不足．為解決這一問題，本文提出了一種多尺度反復注意力機制下的細粒
天津大學學報(自然科學與工程技術版) 2020年10期2020-09-03
- 基于SVM多分類的超分辨圖像細粒度分類方法
進行超分辨圖像細粒度分類優化處理，構建超分辨圖像細粒度融合模型，結合人工智能方法進行圖像的優化分類，提高超分辨圖像細粒度的檢索和信息提取能力。研究超分辨圖像細粒度分類方法，在圖像數據庫構建和優化檢索中具有很好的應用價值[1]。超分辨圖像細粒度分類建立在圖像的特征提取基礎上，通過提取超分辨圖像細粒度特征量，根據超分辨圖像細粒度特征量的分布屬性作圖像分類處理。傳統方法中，超分辨圖像細粒度分類方法主要有小波檢測方法、BP神經網絡分類方法[2-3]，以及Harri
安陽工學院學報 2020年2期2020-06-05
- 基于細粒度聚合單元元數據的書目資源聚合研究
關鍵問題在于從細粒度層面深入挖掘信息資源之間的關聯及特征，現有的細粒度網絡學術資源研究主要集中在關聯數據[11-13]、知識元[14,15]、粒度劃分[16,17]等層面，這些研究為細粒度網絡學術資源的抽取、識別與關聯分析奠定了理論基礎。但關于細粒度網絡學術資源的劃分研究側重于從形式結構的角度出發來構建元數據框架[18]，基于邏輯結構劃分細粒度網絡學術資源的研究較少，同時也缺乏相應的元數據描述標準。在專題數據庫開發中，書目的著錄會以資源類別(比如圖書以種類
國家圖書館學刊 2020年6期2020-03-10
- 基于改進的Mask RCNN的行人細粒度檢測算法
寸;然后，結合細粒度圖像識別技術，實現行人的高定位精度;其次，采用全卷積網絡（FCN）分割前景對象，并進行像素預測獲得行人的局部掩碼（上半身、下半身），實現對行人的細粒度檢測; 最后，通過學習行人的局部特征獲得行人的整體掩碼。為了驗證改進算法的有效性，將其與當前具有代表性的目標檢測方法（如更快速的區域卷積神經網絡（Faster RCNN）、YOLOv2、RFCN）在同數據集上進行對比。實驗結果表明，改進的算法提高了行人檢測的速度和精度，并且降低了誤檢率。關
計算機應用 2019年11期2019-12-23
- 基于聯合優化多任務學習的細粒度圖像識別
物種類或食物等細粒度類別仍然是一項具有挑戰性的任務。原因是細粒度類別的外觀可能非常相似，如何識別它們在關鍵部分上的微妙差異至關重要[2]。在深度神經網絡發展之前，研究人員使用一些比較強大的特征，如Kernel descriptors[3]、Poof[4]和SIFT等，然后使用定位精度比較高的算法，在CUB200-2011[5]鳥類數據集上達到了50%～60%的分類精度[6]。隨著深度學習的發展，在細粒度圖像識別方向也取得了突破性進展。如Zhang等[7]提
陜西理工大學學報(自然科學版) 2019年6期2019-12-11
- 一種靈活的小顆粒權限管理方法及其實踐
“權限矩陣”的細粒度權限管理的方法（Flex?RBAC），實現了相應的權限分配算法，減小了權限分配的粒度，增加了權限管理的靈活性。提出的細粒度、配置靈活的權限管理方法及設計的原型系統，為應用軟件的細粒度權限管理提出一種切實可行的方法。Flex?RBAC方法的創新點在于權限管理的粒度細小、配置靈活、算法實現簡單，具有較高的通用性。關鍵詞： Flex?RBAC; 細粒度; 權限管理; 角色; 位示權限; 權限矩陣中圖分類號： TN911?34 ? ? ? ?
現代電子技術 2019年11期2019-06-19
- 基于RPN與B-CNN的細粒度圖像分類算法研究
行分類。還包括細粒度分類[2]，如對狗的不同品種進行分類。由于細微的類內差異，往往只能借助微小的局部差異才能分出不同的子類別，使得細粒度分類十分具有挑戰性。細粒度分類的方法主要包括兩種：一種是基于強監督的分類模型，如Part-based R-CNN[3]不僅需要物體級標注，還需要局部區域的標注，這大大限制了在實際場景的應用；另一種是基于弱監督的分類模型，如B-CNN[4]僅僅需要圖像級別的標注，不需要局部信息的標注。因此，基于弱監督的分類模型在識別精度上要
計算機應用與軟件 2019年3期2019-04-01
- 面向細粒度隱式篇章關系識別的遠距離監督特征學習算法
, 尚未見有關細粒度隱式篇章關系識別的研究報道。然而, 明確定位每個文本單元的篇章語義角色會更有意義。例如, 在具有“因果關系”的文本單元中, 識別出哪一個文本單元表示原因, 哪一個文本單元表示結果, 更有利于問答系統、文本蘊含等任務的研究。本文將這種能表示文本單元的邏輯語義角色的篇章關系稱為細粒度篇章關系。相比粗粒度篇章關系, 細粒度篇章關系具有方向性, 屬于同種粗粒度關系下的不同細粒度關系具有語義差異(如“原因在前”和“證據在前”, 二者都屬于因果關系
北京大學學報（自然科學版） 2019年1期2019-01-29
- 基于多特征組合的細粒度圖像分類方法
引言一直以來，細粒度圖像分類都是計算機視覺和模式識別等領域的許多研究人員感興趣的課題，但由于細粒度圖像往往擁有較大的類內差異和細微的類間差異，其分類難度遠遠高于普通的圖像分類[1]。細粒度圖像的樣本通常屬于同一大類，不同子類間擁有較高的相似性，相互的區別往往體現在難以察覺的局部細節之上，而同一子類下的樣本又會由于拍攝距離、目標姿勢、復雜背景和遮擋物等因素的干擾產生極大的差異，彼此的共性可能存在旋轉、縮放、變形和缺失的情況，因此細粒度圖像分類問題成為了機器視
計算機應用 2018年7期2018-08-27
- 基于深度卷積神經網絡的多任務細粒度車型識別
經網絡的多任務細粒度車型識別王?，?，唐 娟2，沈振輝1(1. 福建江夏學院工程學院，福建 福州 350108；2. 安徽工程大學管理工程學院，安徽 蕪湖 241000；)車型識別，尤其是細粒度車型識別是現代智能交通系統的重要組成部分。針對傳統車型識別方法難以進行有效的細粒度車型識別的問題，以AlexNet、GoogleNet及ResNet等3種經典深度卷積神經網絡架構作為基礎網絡，引入了車輛的類型分類作為輔助任務，從而與細粒度車型識別任務一起構成了一個多
圖學學報 2018年3期2018-07-12
- 在線評論情感分析研究綜述
感極性從粒度即細粒度和粗粒度兩方面進行情感分類。對在線評論情感進行分析，有利于消費者的購買決策，也有利于商家制定營銷戰略。討論了情感分析的現有不足以及面臨的挑戰。關鍵詞：情感分析；情感強度；細粒度；粗粒度；情感極性DOIDOI：10.11907/rjdk.173102中圖分類號：TP3-05文獻標識碼：A 文章編號文章編號：1672-7800（2018）002-0001-041 在線文本情感分析概述文本情感分析又稱觀點挖掘，它是依據計算機等先進技術對有關新
軟件導刊 2018年2期2018-03-10
- 基于飛行軌跡的飛機飛行異常檢測算法
法：由粗粒度到細粒度。1 算法描述如圖1所示，在5條軌跡中，明顯可以看出軌跡3屬于異常軌跡。在航空飛行中，這樣偏離正常的軌道說明飛機在這個時間段遇到了異常狀況，有可能是內部因素（航空器異常），也有可能是外部因素（天氣因素）?？傊?，在這個時間段內有危險征候，需要加強防范。當軌跡出現異常的時候，軌跡點之間的夾角也隨之發生較大的偏差。因此，方向信息也可以反映出異常情況。在這種情況下，再對異常軌跡進行細粒度劃分，如圖1中的p0p1、p1p2和p2p3三個子軌跡，以
現代計算機 2018年1期2018-02-09
- 基于學習資源的細粒度教學評價模式研究
詞：學習資源 細粒度 教學評價模式 關鍵成功因素法教學評價作為一個完整教學過程的收尾環節，其設置的合理與否很大程度上決定著整個教學過程的成功與否。目前流行的評價模式多種多樣，一般均與教學模式有著較大的關聯，合理的教學評價模式既能夠服務于教師的教學，又能夠充分激勵學生的學習。我們在越來越豐富的學習資源基礎上，建立了一種基于學習資源的細粒度教學評價模式。一、目前流行教學評價模式的缺點。1.絕大多數教學評價模式將完成教學目標或學習目標作為教學的唯一目的目前絕大多
新教育時代·教師版 2018年48期2018-01-24
- 基于型號裝備?角色的IETM訪問控制研究
備結構為基礎的細粒度數據訪問控制以及以角色、裝備用戶為基礎的功能操作訪問控制定義和管理，給出了權限定義和權限計算方法。根據IETM的功能及數據訪問控制需求，對交互式電子技術手冊訪問控制進行軟件功能、控制流程及數據模型設計。采用J2EE及Web Service技術開發模塊組件，實現交互式電子技術手冊層級式、細粒度訪問控制。關鍵詞： 交互式電子技術手冊； 訪問控制； 型號裝備； 基于型號裝備?角色的訪問控制模型； 權限； 細粒度中圖分類號： TN99?34；
現代電子技術 2018年1期2018-01-20
- 基于細粒度權限質檢管理系統的研究與設計
0222）基于細粒度權限質檢管理系統的研究與設計涂小琴，吳 晟（1. 云南師范大學文理學院，云南 昆明 650222；2. 昆明理工大學，云南 昆明 650222）本文首先針對現行RBAC模型的角色管理權限粒度不夠細化的特點，提出了一種改進的細粒度權限模型，并詳細描述了該改進模型的特點和身份驗證的具體過程。并結合實際的質量檢測管理系統，從數據庫設計和角色管理兩個方面，闡述了改進的細粒度權限控制在.NET中的設計與實現的具體過程。權限粒度；細粒度；身份驗證；
軟件 2017年12期2018-01-02
- 基于web粒度可配的編輯鎖設計
還可以通過配置細粒度來鎖定更少的資源，使沒必要被鎖的資源處于可被編輯狀態，提高系統被編輯的效率和縮短了其他用戶的等待時間。關鍵詞：web；多人協作；版本沖突；編輯鎖；粒度可配；細粒度中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2017）26-0059-02隨著大規模協作時代的到來，發動社區內成員共同編輯協作，集眾人之力，發揮每個人的特長，高質量地完成某項任務是一件非常有意義的事情?；凇岸嗳藚f作”的主要工具為wiki[1]，比較有
電腦知識與技術 2017年26期2017-11-20
- 論子話題粒度對搜索結果多樣化算法的影響
多樣化算法使用細粒度的子話題時表現更好。搜索結果多樣化；查詢意圖；子話題Abstract: The search result diversification re-ranks search results to cover as many user intents as possible in the top ranks. Most intent-aware diversification algorithms use subtopics to dive
中文信息學報 2017年4期2017-10-11
- 基于文本挖掘的微博文本情緒分析技術研究
針對中文微博的細粒度情緒識別技術中的關鍵技術展開研究，分析了中文微博的研究難點和微博情感表達特征，提出了一種微博文本情緒顯性特征的多策略集成分析法。最后實驗組以新浪微博中某一主題為實驗數據，對“喬任梁去世”事件這一熱點話題的評論文本數據集進行分析，驗證了該文的微博情感分析能力，同時還將情感分析結果進行了可視化展示。關鍵詞：微博 情緒 細粒度 分析中圖分類號：F83 文獻標識碼：A 文章編號：1672-3791（2017）03（a）-0209-04近幾年隨著
科技資訊 2017年7期2017-05-06
- 多層次細粒度并行HEVC幀內模式選擇算法
.cn)多層次細粒度并行HEVC幀內模式選擇算法張峻1,2代鋒1馬宜科1張勇東11(中國科學院智能信息處理重點實驗室 (中國科學院計算技術研究所)北京100190)2(中國科學院大學北京100049) (zhangjun01@ict.ac.cn)摘要在眾核平臺上并行加速是解決高效視頻編碼(high efficiency video coding, HEVC)標準編碼復雜度高的有效方法.傳統的粗粒度并行方案如Tiles和WPP未能在并行度和編碼質量之間取得較
計算機研究與發展 2016年4期2016-06-30
- 數字圖書館細粒度知識體系標準研究*
6）數字圖書館細粒度知識體系標準研究*盧艷蘭（河池學院圖書館，廣西 宜州 5463006）［摘要］數字圖書館知識體系已經從傳統知識體系中脫離出來，進化為當今的立體空間網狀結構?？臻g中每個知識節點關聯一系列其他知識和信息。知識體系空間的節點細分程度越高，越是能夠滿足用戶多角度、全方位的知識需求。因此，研究數字圖書館細粒度知識體系，有助于構建數字圖書館知識體系的發展標準。從當前數字圖書館知識體系分類研究入手，引入細粒度知識體系的概念；以細粒度知識體系的原理和重
圖書館學刊 2016年7期2016-02-13
- 一種基于海量船舶軌跡數據的細粒度網格海上交通密度計算方法*
船舶軌跡數據的細粒度網格海上交通密度計算方法*修回日期：2015-10-23通信地址：100029 北京市朝陽區北三環東路15號北京化工大學信息科學與技術學院Address:College of Information Science & Technology,15 Bei Sanhuan Rd East,Chaoyang District,Beijing,100029,P.R.China寧建強，黃濤，刁博宇，趙瑞蓮，畢經平(1.北京化工大學信息科學與技術
計算機工程與科學 2015年12期2016-01-26
- 引入缺陷的細粒度軟件變更識別方法
踐的成本因素，細粒度的識別和預測將成為未來軟件工程預測方法關注的重點.盡管文獻［2］的方法將識別粒度降低到了文件級別變更，但是文件級變更常涉及多處語句修改.尤其在文件規模較大，內部結構較復雜時，這種文件內多處修改的現象更為常見.這種情況下，即使識別出了引入缺陷的文件變更，仍然需要軟件人員逐一審查所有發生修改的文件語句，才能找到引入缺陷的位置.為進一步降低人力成本，本文提出更細粒度(語句層級)的引入缺陷變更識別方法.該方法從細粒度變更發生的場景(時間、地點、
北京航空航天大學學報 2014年9期2014-12-02
- 具有權重因子的細粒度情感詞庫構建方法
具有權重因子的細粒度情感詞庫構建方法黃高峰1a,周學廣1a,李 娟1b,劉 華2(1.海軍工程大學a.信息安全系;b.計算機工程系,武漢430033;2.75753部隊,廣州510600)情感詞庫在文本情感分析中發揮重要作用,但在分析細粒度情感如人類情緒狀態時卻無法正確區分。針對該問題,提出一種基于義原相似度計算的細粒度情感詞庫構建方法。對詞語之間的義原相似度進行計算分析,構建7類細粒度情感詞庫,并在此基礎上給出細粒度情感詞在詞庫中的權重計算方法,最終得到
計算機工程 2014年11期2014-06-07
- 粒度配比對WC基金剛石鉆頭的性能影響研究①
磨損較小,所以細粒度的金剛石在鉆進過程中表現出低效率,長壽命的特性。中粒度則介于兩者之間,起著一個過渡替換的作用。本實驗在WC-預合金粉配方體系基礎上,通過調整6種不同的金剛石粒度配比,來確定適合本配方體系的最佳的粒度參數。1 實驗1.1 金剛石粒度配比設計本實驗以WC為骨架相,以某公司生產的Fe-CoCu預合金粉為中間相,并加入一些微量的Ni、Sn、Mn等改性元素形成胎體的配方體系(表1)。采用6種不同粒度的金剛石,共設計了9組不同金剛石粒度配比的組合,
超硬材料工程 2014年5期2014-03-24
- 存儲系統細粒度加密安全設計
入了存儲系統的細粒度加密安全的概念。由于存儲系統的最小單位不再是文件而是大量細粒度的數據塊，故我們可以將發掘這個優勢，將加密的安全操作從文件級延伸至細粒度的數據塊級，對具有某些特殊需要的大文件在安全上實現細粒度的加密存儲。用戶可以根據文件的特征指定只對文件中的部分敏感數據進行加密，根據敏感程度不同每個區域還可以指定一個加密算法。這些數據的加密信息存儲在元數據服務器中被安全的保護，如果非法用戶不能得到相關的加密信息，直接從存儲設備中取得的數據將由于關鍵區域被
網絡安全技術與應用 2012年8期2012-08-07
- 基于細粒度任務分配的空時自適應并行處理算法研究
0081)基于細粒度任務分配的空時自適應并行處理算法研究王 超 劉 偉*袁培苑(北京理工大學信息與電子學院 北京 100081)對于空時自適應信號處理(Space-Time Adaptive Processing, STAP)算法的并行處理問題，傳統方法以粗粒度的劃分方式將 STAP算法分配到特定硬件系統中的不同處理器中，利用處理器間的流水計算來提高系統計算吞吐量。該文分析了傳統并行處理方法的缺陷：粗粒度的任務劃分方式犧牲了 STAP算法的并行度；傳統處理
電子與信息學報 2012年6期2012-01-27