再监督

摘要： 对权力的监督是一个多面向的过程及行为,既包括对公权力行使者的监督也包括对监督权的再监督.无论是权力监督的理论逻辑还是客观数据都表明,对监督者实施有效监督是防止权力腐败、提升腐败治理水平的内在要求.梳理近年来监督者权力腐败案例发现,直接干预案件、利用影响力谋取私利、为家人谋取利益、因监督权缺失导致的监督不当是监督者权力腐败的4大基本面向.对监督权实施监督难是由多重因素所致:权力具有扩张性的本质特征,使监督者有逃避监督的本能冲动;制度结构的内在阙如,使监督难以有效实施;信息不对称,使外部监督处于困境;监督具有滞后性,严重消解监督效能的发挥.对监督权实施有效再监督是一项复杂的系统工程,当前,亟须从坚持监督与制约同步推进、构建科学合理的监督权问责体系、加强监督制度体系的数量供给和质量提升、培育良好政治文化等方面寻求重点突破.

摘要： 为了确保新的监督职能,能在国有企业纪检监督中有效实施,需要对再监督的内涵有深入的了解,并总结再监督实践与分析,了解现有问题,并发现新的道路,促进再监督职能发挥其适当的作用。

摘要： 监督是纪检监察机关的主要职责,应当从纪检监察工作的主要目标与基本职能定位出发,不断创新纪检监察监督工作方式方法,提高监督的针对性,把纪检监察再监督长效化,切实推动全面从严治党,促进监督工作不断纵深发展,高度重视提高纪检监察再监督的有效性。

摘要： 在全民战"疫"的当下,公共卫生安全和医疗卫生安全备受各界关注,面对卫生监督人力与监管对象数量严重不匹配的情况,基层卫生监督机构探索创新型监管模式势在必行.作为"新冠"疫情防控工作的主力军,苏州市高新区卫生监督所首创"智慧卫监,阳光执法"行动,依托在线监测平台,围绕"再监督"思路,探索"互联网+卫监+纪检"工作模式,拓展"阳光执法"内涵,助力疫情防控,实现了监督更高效、执法更阳光的新模式.

摘要： 十九届中央纪委四次全会明确提出"推进更高水平、更深层次'三转',增强'主动转'的自觉"的要求,高校纪委作为高校党内监督专责机关,在转职能、转方式、转作风等方面作出了积极努力.江西广播电视大学积极探索出了一条再监督——高校纪委"三转"后的职能新定位的新路子,对高校纪委再监督工作进行了有益的探索与实践.

摘要： 为了更好的保证"再监督"职能切实发挥作用,就需要明确再监督的内涵,认真总结再监督的工作实践,明确再监督存在的问题,在此基础上对再监督的途径进行优化,提升国企纪检监督质量.

摘要： 本发明公开了一种基于三数据集交叉迁移学习的无监督行人再识别方法，步骤如下：将三个CNN在用于图像分类的大数据集上进行训练，得到三个预训练模型；并在三个有标签的源行人数据集A、B和C上分别进行微调；利用这三个CNN分别提取目标数据集中无标签行人图片的特征，用K‑近邻聚类算法对提取到的特征分别进行聚类；筛选出三个模型聚类后靠近聚类中心域的图片样本，并打上拟标签；将三个打上拟标签的样本数据进行交叉轮换加入到另一个源行人数据集中，再对模型进行微调；将一张行人测试图片输入到训练好的三个模型得到三个特征矩阵，并进行最大池化操作，得到测试图片的唯一特征；计算唯一特征与数据库中的图片特征的欧氏距离，距离最小的数据库图片的身份即为本张测试图片的身份。

摘要： 本发明涉及一种基于合成数据消除无监督车辆再识别偏差的方法及系统，该方法包括以下步骤：S1、通过保持一致性的生成对抗网络SPGAN将合成数据转化为与目标域具有相似风格的伪目标样本，通过伪目标样本对模型进行预训练；S2、通过预训练好的模型进行无监督域自适应或完全无监督任务；S3、通过预先训练好的方向模型和相机模型计算出图像的方向和相机相似度，进而得到最终的车辆相似度用于测试。该方法及系统有利于提高车辆再识别性能，且适应性强。

摘要： 本发明实施例提供一种基于半监督学习的行人再识别方法及装置，该方法包括：将多个已标注的有标签图像序列，输入预设的行人再识别模型，进行初步训练；从多个无标签的图像序列中，选取置信度满足预设条件的图像序列，对于每一选取的图像序列，将特征空间中最邻近的有标签图像序列的标签作为伪标签，从而得到多个选取图像序列构成的支持集；将支持集中的图像序列，输入预设的行人再识别模型进行再次训练；基于再次训练得到的模型进行行人再识别。该方法有效解决了实际场景下有标签序列不足、标注困难的问题。在仅有少量的标注序列的前提下，通过对易得的无标签序列生成伪标签，从而得到大量准确度高的训练样本。

摘要： 本发明属于模式识别技术领域，具体涉及一种基于像素转移和特征转移相融合的无监督行人再识别方法、系统、装置，旨在解决现有的跨数据集无监督行人再识别方法检索精度低、识别准确度差的问题。本系统方法包括获取待识别的行人图像，作为输入图像；基于输入图像，通过预训练的行人再识别模型得到行人再识别结果；所述行人再识别模型基于残差网络构建。本发明提高了现有跨数据集的无监督行人再识别方法的检索精度以及识别准确度。

摘要： 本发明提出一种无源域无监督域自适应车辆再识别方法，在车辆再识别过程中，通过源域模型和目标域数据，利用关系保持一致损失和知识蒸馏损失训练一个生成器，目的是生成具有源域风格的伪目标样本，然后利用伪目标样本对模型进行微调，从而提升模型性能。其不再使用源域数据，而是利用隐含在源域模型中学习到的源域知识来作为指导，从而促进目标域数据的风格向源域数据的风格进行迁移。

摘要： 本发明公开了一种基于集成聚类的无监督视频行人再识别方法及系统，该方法包括：S1、获取行人数据集并提取得到行人数据；S2、基于特征提取器对行人数据进行特征提取，得到数据特征；S3、基于集成聚类方法对数据特征进行聚类；S4、根据聚类结果构建伪标签并更新特征提取器参数；S5、返回步骤S2直至特征提取器收敛；S6、基于收敛的特征提取器提取特征，通过距离度量并排序，完成行人再识别。该系统包括：获取模块、提取模块、聚类模块、更新模块、循环模块和识别模块。通过使用本发明，能够使得聚类的结果更加具有鲁棒性和稳定性，有助于提高识别精度。本发明作为一种基于集成聚类的无监督视频行人再识别方法及系统质，可广泛应用于行人识别领域。

摘要： 本发明涉及道路监控视频车辆检测领域，具体涉及一种基于时空对比无监督学习的车辆再识别方法。通过利用视觉时孔特征提取模型，融合了摄像机编号、时间戳记等时空信息和图片本身的视觉信息，构造出了更具代表性的融合特征，实现了对摄像机身份编号以及时间戳记的有效利用，通过时空信息对无监督车辆再识别模型加以约束，提升了模型的精度。

摘要： 本发明给出了一种联合全局和局部信息的层次监督行人再识别方法和系统，包括将输入图像切成多个图像小块，将图像小块作为Transformers分支网络的输入；将部分Transformers分支网络的网络快的特征信息通过expand层后引入ResNet50分支网络中对应的残差卷积块，expand层将2D张量拓展为4D张量；将拓展后的4D张量特征信息和对应的残差卷积块进行通道级联；将Transformers分支通过expand层转换后的特征和对应的ResNet50特征经过双线性池化层，进行特征融合交互，并通过损失函数进行约束。本发明提出的方法和系统执行一个单向聚合操作来推动CNN学习全局特征信息的同时，为了能充分利用全局特征信息和局部信息，结合双线性池化来执行层次监督，在跨长时间段的行人重识别数据集上有很显著的性能提升。

摘要： 本发明提供一种无监督行人再识别方法、装置、设备及可读存储介质。该方法包括：对行人图像样本进行聚类，基于聚类结果分别为每张行人图像样本分配一个假标签；构建类别特征存储器和特征存储器；根据假标签获取K*P张行人图像样本；将预处理后的K*P张行人图像样本输入深度学习模型，得到第二行人特征；基于类别特征存储器、特征存储器以及第二行人特征优化深度学习模型；当优化次数达到预设次数时，以最终得到的深度学习模型得到目标行人图像对应的行人特征，将目标行人图像对应的行人特征与数据库中的行人特征进行匹配，得到行人识别结果。通过本发明，解决了现有技术中行人再识别的识别结果准确率较低的技术问题。

摘要： 本发明属于船舶再识别技术领域，尤其涉及一种基于多级对比学习的无监督船舶再识别方法及系统。该方法包括，获取训练船舶图像，生成训练船舶图像的伪标签，并对训练船舶图像进行增强，得到增强图像；采用特征提取网络提取增强图像的增强图像特征，基于增强图像特征及伪标签，对特征提取网络进行训练；获取查询船舶图像，利用训练好的特征提取网络提取查询船舶图像特征，基于查询船舶图像特征，检索得到备选船舶图像集中与所述查询船舶图像属于同一船舶的图像。本发明通过结合实例级对比学习和聚类级对比学习，在无需任何记忆块的情况下以无监督的方式学习具有辨识性的船舶特征，进而提升船舶再识别任务准确率。