细粒度

摘要： 提出一种端到端的基于产品方面的神经网络推荐模型.该模型利用产品方面标签注意力机制,建模了用户偏好和项目特性之间的联系,并对用户和项目采用方面级别的表示,模拟用户与项目间的细粒度交互过程,从而获得更精确和更具解释性的推荐结果.在COAE中文汽车领域数据集和Yelp基准数据集上分别进行实验,结果表明,所提模型的性能明显优于ANR和NARRE模型.

摘要： CTPN文本检测模型在细粒度文本检测过程中会出现断连、漏检的情况,尤其是在细粒度的文本场景下。针对以上问题,提出了一种细粒度文本检测算法。该算法基于CTPN模型网络进行改进,重新设计了垂直锚点尺度,以适应细粒度文本的特征;同时调整主干网络的结构适应锚点的尺度。在anchor的连接过程中采用了自适应间隔的连接方式,从而保留水平语义信息的完整性。文本识别阶段采用CRNN方式进行识别。通过PyTorch环境验证细粒度的发票数据集,所提方法相比于原CTPN文本定位方法效果显著提高。

摘要： 针对卷积神经网络(CNN)全连接层得到的是图像类别的全局语义信息,无法有效抑制背景噪声以及表示图像局部的细节信息,导致细粒度图像检索任务中负样本靠前的问题,提出了一种选择性加权来聚合卷积特征并利用k相互最近邻(k-reciprocal nearest neighbor,k-RNN)重排的图像检索方法。该方法主要是通过提取并筛选CNN最后一层特征来聚合形成单维全局特征向量,再引入k相互最近邻算法对检索出的结果进行重排。在细粒度基准数据集CUB-200-2011、室内场景数据集Indoor和普通类别数据集Caltech-101进行验证评估。实验结果表明该方法能够有效改善检索出负样本靠前的问题,相比SCDA方法,该方法检索精度及召回率有显著提升。

摘要： 针对传统视觉定位系统所存在的检测精度低等缺点,提出一种基于改进YOLOv5的自定义靶标视觉定位算法。为进一步增强网络的检测能力,分别融入具有多层感受野与细粒度的模块与改进的特征增强模块,利用Distance-IOU与Focal Loss改进损失函数;使用快速解码算法得到编码信息。实验结果表明,在自制数据集上,改进后的YOLOv5模型获得较好的平均准确精度得分与检测速度,满足实时性与准确性的需求,为视觉定位提供了一种的解决方案。

摘要： 基于已有的区块链和访问控制相结合相关的研究存在难管理访问权限、低效率、难支持轻量级物联网设备的缺点,提出一种基于属性的物联网访问控制模型。通过引入属性的概念,支持细粒度的访问控制;将访问控制策略以智能合约部署在区块链上,降低物联网设备的计算压力,使该策略可以应用于轻量级设备;引入token概念,通过访问主体提前申请访问权限,提高访问效率。搭建原型系统,通过案例分析和安全性分析,验证了该访问控制模型的有效性。

摘要： 针对宫颈细胞图像的相似性极高,其细粒度分类存在准确率低的问题,提出了一种基于双路径网络与局部判别损失函数的DRMNet(dense reset module net)算法。该算法在特征提取阶段以残差结构为主体,加入密集连接路径,结合两者优点,使网络对特征有着高复用率、低特征冗余度的同时,保持探索新特征的能力。在分类阶段,通过改进损失函数来挖掘图像中的细微特征,利用局部判别损失函数使网络寻找具有判别力的局部区域特征。该算法在Herlev数据集上的七分类准确率达到了98.9%,对比其他算法有一定的提升,从而验证了该算法的有效性。

摘要： 为提高机构名识别精度,满足关系抽取等下游任务的需求,提出分阶段细粒度命名实体识别思想。利用Bert-BiLSTM-CRF模型对机构名进行粗粒度识别,将机构名视为短文本,采用Bert-CNN对构建的机构名词典训练细粒度分类模型,获取机构名的细粒度标签。实验结果表明,提出的分阶段方法在细粒度机构名识别上F1值最佳达到了0.8117,远超词典匹配方法。

摘要： 岩石分类有效提升地质风险评估的效率,为提高岩石粒度特征的识别精度,提出基于多尺度分组卷积ResNet34网络的岩石识别方法,在残差模块中添加多尺度分组卷积和空洞卷积,提升网络的特征表达能力.采用多尺度分组卷积特征提取的方式,将特征图按通道方向分为四部分,分别采用不同大小的卷积核进行并行运算和拼接,在更细粒度上提取岩石特征,同时减少了模型训练参数,进而采取空洞卷积增加感受野大小,提升岩石粒度识别精度.实验表明,该方法不仅有效提升了网络训练的收敛速度,而且在2021年第九届“泰迪杯”数据挖掘挑战赛七类岩石数据集上识别准确率达到97.6%.

摘要： 针对传统的配电网供电可靠性评估中存在的0.4 kV低压配电网分析不足、评估准确度低的问题,提出了一种基于层次分析的配电网供电可靠性评估方法。首先,电力线高速载波识别技术,识别0.4 kV配电网的用户和配电变压器关系,以提升配电网评估细粒度。其次,计及分布式能源,采用熵权法和层次分析法结合的方式建立配电网供电可靠性评估模型,通过评估矩阵综合分析配电网的可靠性。最后,以某地市的配电网为例,建立基于层次分析的配电网供电可靠性评估模型,并比较所建立模型与贝叶斯评估的准确性,其结果分别为99.40%和96.49%。该运行结果验证了基于层次分析的配网供电可靠性评估方法的可行性和有效性。

摘要： 随着移动网络、自媒体平台的迅速发展,大量的视频和文本信息不断涌现,这给视频-文本数据跨模态实体分辨带来了迫切的现实需求。为提高视频-文本跨模态实体分辨的性能,提出了一种基于注意力机制的细粒度语义关联视频-文本跨模态实体分辨模型(Fine-grained Semantic Association Video-Text Cross-Model Entity Resolution Model Based on Attention Mechanism,FSAAM)。对于视频中的每一帧,利用图像特征提取网络特征信息,并将其作为特征表示,然后通过全连接网络进行微调,将每一帧映射到共同空间;同时,利用词嵌入的方法对文本描述中的词进行向量化处理,通过双向递归神经网络将其映射到共同空间。在此基础上,提出了一种自适应细粒度视频-文本语义关联方法,该方法计算文本描述中的每个词与视频帧的相似度,利用注意力机制进行加权求和,得出视频帧与文本的语义相似度,并过滤与文本语义相似度较低的帧,提高了模型性能。FSAAM主要解决了文本描述的词与视频帧关联程度不同而导致视频-文本跨模态数据语义关联难以构建以及视频冗余帧的问题,在MSR-VTT和VATEX数据集上进行了实验,实验结果验证了所提方法的优越性。

摘要： 目的:对微博进行细粒度情感分析,将情感分为8类,并计算其情感强度值,从而尽可能还原微博用户情感. 方法:通过微博语料分析构建疑问词词表,在大连理工大学情感词汇本体DUTIR的7类情感基础上,丰富一类情感“疑”,并利用点互信息法构建表情符号词典,还综合考虑否定词和程度副词对情感表达的影响,利用Python从新浪微博上获取数据,并用R语言的jiebaR包进行分词,对情感进行分类并计算其强度. 结果:得到微博用户对于糖尿病7类常用药物的8类情感占比及情感强度,并通过正确率、召回率、F值对结果进行验证,其中“怒”和“哀”的正确率最高,分别为85.73％和83.05％,而“乐”和“好”的召回率与F值均最高,为81％以上.本文新增情感“疑”的正确率、召回率、F值分别为77.33％、78.58％、77.95％,均值在8类情感中排名前列,说明其情感识别较好. 局限:由于本文依赖于情感词典进行情感分析,因此为了更好的分析结果,情感词典仍需进一步完善. 结论:本方法具有较高的识别率和可靠性,能够更好地对微博上的情感分类进行细粒度分析.

摘要： 大数据技术越来越被重视,应用也越来越广,同刚也引发了大家对大数据安全的关注.在众多安全问题中,本文重点讨论大数据环境下细粒度的访问控制与审计管理的问题,根据大数据的4V和分布式应用的特征,分析了以往访问控制方式无法适应大数据的安全需求,利用4A和安全探针技术,内外相结合的方式,提出了解决方案,实现细粒度的访问控制与审计管理.

摘要： 在对标准潜在狄利克雷分布(LDA)模型进行改进的基础上,提出了一个主题情感混合最大熵LDA模型对在线评论进行细粒度观点挖掘.首先,在传统LDA模型中加入最大熵组件来区分背景词、特征词和观点词,并对特征词和观点词进行局部和全局的划分;然后,在主题层和单词层之间加入情感层,将传统的LDA三层模型扩展成四层;最后,进行情感极性分析,同时获取整篇评论和每个主题的情感极性,生成细粒度的主题情感摘要.实验验证了所提模型和理论的有效性.

摘要： 大数据应用对信息系统的底层存储提出了极大挑战,其首选方案为元数据服务器(metadata server,MDS)集群架构.MDS集群系统为了实现负载均衡,采用的基本机制为元数据服务的负载迁移.当前主流方案存在迁移时间长,迁移中写相关元数据访问需要阻塞的问题.提出细粒度的元数据服务负载迁移方案,由迁出端恢复迁移机制和细粒度控制迁移机制2部分组成.在迁移过程中,以文件为粒度在迁入端重建迁出端的元数据相关状态结构,并根据被访问状态的类型选择在迁出端或迁入端进行立即响应,而非阻塞操作直到迁移完成.在蓝鲸MDS集群系统上实现了此方案,测试和分析表明,在10 000规模的迁移场景中,迁移时间控制在800 ms以下,元数据或状态写入延迟最高为215ms.与系统原方案中90 s的固有延时相比,此方案有效解决了MDS集群中负载迁移时间过长的问题,并且极大地降低了迁移过程对正常元数据访问的影响.

摘要： 针对核心RBAC模型实现B/S企业应用时,没有根据操作特征细化权限控制粒度,缺乏针对细分数据的访问控制问题,提出了一种在操作维度上进行了扩充的细粒度RBAC模型,给出了模型的形式化描述;针对传统企业应用中权限认证逻辑横切业务逻辑的问题,阐述了基于AOP与注解的细粒度RBAC模型实现,模块化了权限认证逻辑,解除了业务逻辑与权限通用服务的耦合,提高了权限管理模块的复用性、可维护性与可扩展性.

摘要： 移动互联网的快速发展带来巨大的机遇,同时也对互联网业务感知技术提出新的挑战.给出移动互联网中大数据感知技术的特点、存在的挑战以及现有的解决方案,并指出其存在的问题与未来发展趋势.随着网络安全问题日趋严峻，移动互联网的业务感知技术需要处理两方面的隐私问题。首先，越来越多的应用为了保证用户的隐私不受侵害，使用加密的传输协议，如HTTP，来保证传输过程的安全，业务感知技术无法解析这种加密传输过程，也就无法对业务进行细粒度的感知；另一方面，业务感知技术本身会影响到用户的隐私安全，由于细粒度的业务感知技术需要分析应用层的负载，这就意味着用户的所有信息都暴露在业务感知系统之下。虽然业务感知系统被设计为仅关注用户的行为，而不关注行为的内容(如只关心用户是否在收发邮件，而不窥探或保存邮件的内容)，但必须要承认，不合理的使用业务感知技术确实会给用户隐私带来风险，就对业务感知技术的隐私问题提出新的挑战。

摘要： 综述了国内外从改善CL-20晶形品质、制备细粒度CL-20及采用高分子包覆等方面对CL-20进行降感的研究进展,并对今后研究工作的重点进行展望.

摘要： 结合分层思想给出了信任在网格环境下的部署方案，降低了系统的管理成本。基于交互能力和诚实能力提出了细粒度描述的信任模型，增强了模型的合理性，同时探讨了影响信任传播的4种因素，包括循环路径、路径长度限值、节点诚实限值以及进一步信任信息，并在此基础上设计了基于深度遍历的网格信任传播算法。实例和仿真结果表明了模型和算法的可行性和正确性。

摘要： 针对基于IRBAC2000模型的跨域访问过程中所面临的动态性和细粒度问题,文章提出了一个基于属性同步的跨域访问控制框架,在此框架下,研究了一种基于属性同步的跨域访问控制方法,该方法将主体属性分成动态属性和静态属性,采用三种信令对跨域过程中的动态属性进行同步更新,从而更动态,更细粒度的对跨域的用户进行实时授权,并在跨域访问过程中采用推拉方法实现请求域和资源域属性的同步,将请求域主体的属性变化及时、主动地在资源域反应,实现了授权规则的快速匹配。该方法改进了IRBAC2000跨域访问的不足。

摘要： 橡胶沥青混合料具有突出的抗反射裂缝、耐高温、吸收噪音、环保等性能,在美国亚利桑那州和加利福尼亚州及国内广东、沈阳和四川等地高速公路中得到成功应用,并取得良好的效果.本文以广东韶关国道为依托工程,主要通过室内车辙试验对橡胶沥青混合料高温稳定性能进行研究,并全面分析了橡胶粉目数、橡胶粉掺量对橡胶沥青混合料高温稳定性的影响.研究表明，轮胎橡胶粉可以改善沥青的高温性能，提高软化点和黏度。橡胶粉细度为20目时，橡胶沥青混合料具有较好的高温稳定性与储存性能。橡胶沥青混合料油石比不变的条件下，随着橡胶粉掺量的增加橡胶沥青混合料的软化点、黏度得到提高，动稳定度值也逐渐增大，掺加量超过19％后其增长趋势趋于平缓。为了保证橡胶沥青具有很好高湿稳定性，同时考虑经济性，建议工程中采用橡胶沥青掺加量最好在19％左右。

摘要： 提供了当AR－FGS技术和FGS运动细化技术被应用到可伸缩视频编码时、用于改善编码效率的替换方案。当不执行FGS层的残差信号的预测时，按照与用于预测基本质量层的预测信号的方式相同的方式来预测与FGS层相关的块的预测信号。如果需要，则允许伸缩因子具有非零值，并且FGS层的残差信号用于确定较高FGS层的伸缩因子。限制将AR－FGS和FGS运动细化技术同时用于关键图像。

摘要： 本发明属于图像处理技术领域，公开了基于多粒度注意力的多尺度细粒度图像识别方法及系统，该方法构建基于注意力的多粒度结构，将特征提取网络划分为若干个阶段，向特征提取网络的不同阶段输入不同粒度大小的图像，并对其进行特征提取，得到原始特征图；通过多粒度注意力模块对每个阶段的特征图分别从通道域和空间域获得注意力权重并融合，然后与特征图进行加权融合，获得不同阶段不同粒度的关键区域；构建并行多尺度卷积模块，给特征图分组，对每组特征图独立地应用不同类型的卷积核，对不同阶段不同尺度和粒度的特征图进行特征提取；最后对所得到的特征图进行特征融合。本发明能充分挖掘不同区域之间的关系，融合低维空间信息和高维语义信息。

摘要： 本发明公开了一种多粒度信息融合细粒度图像分类方法及系统，通过输入图像构成图像数据集；通过全局干扰模块构建三元组；通过渐进式多粒度信息融合训练策略将三元组输入到CNNs骨干网络中进行训练获得优化的分类模型；通过优化的分类模型对输入的图像进行分类从而得到最终的分类结果，该方法不需要使用任何手工标注，通过两个相互协作的过程：全局干扰和渐进式多粒度信息融合，使网络能够融合不同粒度的信息，从而找出更具判别性的局部特征，基准网络加上该方法在所有数据集上都能大大提高识别精度。

摘要： 本发明属于图像处理技术领域，公开了基于多粒度注意力的多尺度细粒度图像识别方法及系统，该方法构建基于注意力的多粒度结构，将特征提取网络划分为若干个阶段，向特征提取网络的不同阶段输入不同粒度大小的图像，并对其进行特征提取，得到原始特征图；通过多粒度注意力模块对每个阶段的特征图分别从通道域和空间域获得注意力权重并融合，然后与特征图进行加权融合，获得不同阶段不同粒度的关键区域；构建并行多尺度卷积模块，给特征图分组，对每组特征图独立地应用不同类型的卷积核，对不同阶段不同尺度和粒度的特征图进行特征提取；最后对所得到的特征图进行特征融合。本发明能充分挖掘不同区域之间的关系，融合低维空间信息和高维语义信息。

摘要： 本发明公开了一种基于自适应多粒度时空建模的细粒度视频识别方法，所述方法基于深度神经网络、细粒度CPTM模块和粗粒度CSTP模块；包括如下步骤：所述细粒度CPTM模块并入深度神经网络提取细粒度的时间线索；所述细粒度CPTM模块是以渐进时间卷积和竞争式融合机制进行构建；提高视频动作识别的性能，具备捕获视频中复杂尺度变化的时空线索的能力。

摘要： 本发明公开了一种GPU多粒度访存请求访问细粒度cache方法及装置，包括：当有访存请求访问cache时，且访存请求为128字节，将当前访存请求拆分成四个连续的32字节的子访存请求进行并行处理；判断四个子访存请求是否全部命中，如果是，访问数据存储器并将命中数据返回，流程结束；如果否，则128字节访存请求发生数据缺失，只将发生命中的子访存请求的数据返回，并把四个子访存请求合并成一新的访存请求发送到下一级存储器；当新的访存请求携带缺失数据从下一级存储器返回时，将该新的访存请求再次拆成四个32字节的子访存请求，然后再将之前发生缺失的子访存请求所需的缺失数据保存到cache中，流程结束。本发明减少了由于访存请求过多所引起的拥堵。

摘要： 本发明公开了基于多粒度融合的陆军装甲细粒度识别方法及系统，能够从原图、目标对象以及目标对象的判别性部位的三个角度出发，综合各角度模型检测的结果，综合整体、局部及细微的差异来区分子类别，从而得到更加精确的分类结果。首先获取陆军装甲目标图像数据集，并进行预处理。构建多粒度融合分类模型，包括粗粒度分类模型、中粒度分类模型以及细粒度分类模型。粗粒度分类模型用于对图像数据集中原图进行分类。中粒度分类模型用于提取图像中目标对象进行分类。细粒度分类模型用于提取图像中的判别性部位进行分类。加权三者的预测得分，最终得出图像的检测得分，进一步识别图像子类别。利用训练好的多粒度融合的识别模型对图像进行分类。

摘要： 本发明提供一种融合多粒度特征的细粒度图像分类方法，属于图像处理领域。本发明首先通过一个局部错位模块选择细粒度图像中的不同粒度，然后引入注意力机制定位它们并提取其多粒度特征，并且通过迭代学习的方式提取多粒度间的互补信息，最后采用可变形卷积融合这些多粒度特征，从而实现细粒度图像分类。本文所提出的方法在CUB‑200‑2011、FGVC‑Aircraft和Stanford Cars三个数据集上准确率分别达到88.6％、93.6％和94.8％，这表明我们的方法能够获得优秀的分类性能。

摘要： 本发明涉及一种基于多粒度对抗损失的细粒度图像识别方法，包括以下步骤：使用区域混淆机制破坏图像全局信息，并进行图像增强，迫使网络更加关注图像区域信息；使用渐进式学习策略在深度神经网络的不同层提取特征，联合不同粒度的图像特征，对每一个特征和原图特征联合进行分类；获取多粒度对抗损失函数，来降低因破坏图像的全局结构而引起的噪声。本发明将数据的不同粒度区域混淆，实现了数据增强，迫使网络关注到不同粒度图像的局部信息，采用渐进式学习策略，对每个阶段的特征进行学习且连接最后S个阶段的特征从而实现多粒度信息互补，构建多粒度对抗损失降低因破坏图像的全局结构而引入的噪声，因此可以更准确和高效的识别子类图像。

摘要： 包括细粒度和粗粒度延迟元件的数字可控延迟线，以及以细粒度增量校准延迟线的系统。校准可以包括校准细粒度元件的数量，以使得针对该细粒度元件的数量，组合延迟基本上等于粗粒度元件的延迟；以及校准细粒度和粗粒度元件的数量，以使得针对该细粒度和粗粒度元件的数量，组合延迟对应于参考时钟的周期。数字控制延迟线可以被实现为数字延迟锁定环（DLL）的一部分，并且可以将校准参数提供至具有相似实现的延迟线的从DLL。数字可控DLL可以针对工艺、电压和温度变化的范围提供相对低的功率和高的分辨率，并且可以实现在先前针对模拟DLL保留的相对高速的应用中。