【摘 要】
：
主动式相机重定位（Active camera relocalization,ACR）[1]是计算机视觉领域的一个新问题,由于它可以有效避免图像虚拟配准所导致的图像局部细节扭曲失真,近年来被广为应用于微小变化检测（Fine grained change detection,FGCD）[2]和高值目标场景监测任务。目前,尽管ACR问题的研究已经取得了丰硕的成果,但仍然存在两方面挑战从而限制了ACR问题
论文部分内容阅读
主动式相机重定位（Active camera relocalization,ACR）[1]是计算机视觉领域的一个新问题,由于它可以有效避免图像虚拟配准所导致的图像局部细节扭曲失真,近年来被广为应用于微小变化检测（Fine grained change detection,FGCD）[2]和高值目标场景监测任务。目前,尽管ACR问题的研究已经取得了丰硕的成果,但仍然存在两方面挑战从而限制了ACR问题的使用场景和执行效率,进而影响了FGCD任务的广泛和高效应用:1)相机相对位姿估计结果不稳定,特别是对于光照条件不受控制（两次观测的环境光照差异较大）的室外场景。2)单目相机相对位姿估计缺少物理真实尺度,极大增加了当前先进ACR算法的执行时间。为了解决上述问题,本文首先提出了一种具备物理真实尺度且对光照成像条件变化鲁棒的相机位姿估计方法。在光照鲁棒位姿估计（IIPE）部分,我们提出利用平面结构作为位姿估计中特征匹配的中间媒介,通过构建和求解图匹配（Graph matching,GM）问题获取不同观测下的对应平面区域,从而过滤因光照差异而剧烈改变的图像特征,同时限制特征匹配的搜索空间,在保障可靠性的前提下提高了位姿估计对光照变化的鲁棒性。在物理真实尺度估计（ASPE）部分,我们通过最小化图像对齐误差构建高维稀疏矩阵,从而建立物理真实尺度和场景深度之间的比例关系,利用初始化模块进行不同物理关系间的数值传递,最终获取物理真实尺度。基于上述IIPE和ASPE模块,本文提出了一种基于光照鲁棒位姿估计的快速主动式相机精确重定位算法（rf-ACR）,有效缓解了ACR问题面临的两个挑战。本文通过仿真环境定量和定性地改变环境光条件构建了虚拟数据集,从而评估提出的相机位姿估计方法。我们进一步在实验室环境和真实监测任务中评估提出的主动式相机重定位算法,全面验证了提出的位姿估计方法与重定位算法的有效性和鲁棒性。
其他文献
蛋白质组在亚细胞水平上的空间分布为蛋白质功能的分析提供了线索,因此对人类生物学和疾病的治疗很重要。基于图像的方法是预测蛋白质亚细胞定位的最重要的方法之一。尽管深度神经网络（DNN）在许多图像任务中已显示出很好的性能,但尚未充分探索其在蛋白质亚细胞定位中的应用。本研究开发了一种基于深度图像特征的方法来对蛋白质亚细胞进行定位。利用从卷积神经网络（CNN）中提取的深度图像特征,可以准确预测单标签图像和多
对企业犯罪进行以合规为核心的附条件不起诉有望成为未来企业犯罪治理的一种重要模式。恢复性司法理念在“补偿”与“预防”的基础上增加了“恢复”的元素，与企业犯罪治理具有契合性，能够为企业犯罪附条件不起诉的具体制度设计提供理念上的指导。恢复性司法在企业犯罪治理中的侧重点可以归纳为“激励”，在弥补已经造成的损失方面强调企业的补偿责任，在修复原有的社会关系方面鼓励多方共同参与，在降低再犯可能性方面重视企业合规
推荐系统因其可以个性化、高效地向用户推荐信息,与人们的生活日益联系紧密。在推荐系统中,用户和项目的特征以及它们自身信息的交互对推荐的效率和准确性具有着至关重要的影响。在考虑用户的历史交互行为对推荐结果的影响时,一般偏重于学习用户自身历史交互的行为数据,往往忽略了项目也会对用户产生一定的影响与吸引力,这就在某种程度上模糊了在项目级别上用户与项目交互信息的作用,无法充分考虑它们之间的潜在联系,降低了推
时间序列预测是从历史数据中提取规律来预测未来的数据。在实际问题中,很多任务都可以表征为时间序列预测,其已经得到了广泛的关注和研究。从历史数据中提取内在信息来估计未来趋势具有重大意义。近年来,概率信息提取在物体识别中被证明是有效的,但在时间序列预测中还没有被引入。长短时记忆神经网络（LSTM）在时间序列预测中表现出优异的性能。然而,众所周知,目前还没有任何工作将高斯分布插入到LSTM中作为端到端的特
细粒度图像分类的目的是找到细粒度图像所属的具体子类。近年来,随着深度学习的发展,强监督细粒度图像分类算法和弱监督细粒度图像分类算法都在细粒度图像分类任务中取得了不错的效果。这些细粒度图像分类算法都依赖于大量的训练样本。然而,在实际的生产和科研过程中,细粒度图像的获取成本高、难度大,因此传统的细粒度图像分类算法并不实用。本篇论文提出的带有注意力机制的全局和局部信息的嵌入网络（GLAE）,通过减少全局
中性肽内切酶（Neutral Endopeptidase,NEP）,属于M13锌金属蛋白酶家族的一种Ⅱ型整合细胞膜糖蛋白,在许多组织中有广泛的表达。同时,NEP作为一种神经肽的降解酶,已经被发现广泛地存在于中枢神经系统以及外周各种组织中。NEP通过水解疏水性氨基酸侧链,使神经肽失活。而这些神经肽参与生命调节的多重代谢活动,对生命系统的正常有序运转有重要的作用。其中P物质为一种神经肽,是造血系统网络
时间序列不确定性预测可以量化时序中的不确定信息,其在决策过程中起到一定的作用,广泛应用于各个领域。不确定性包含数据的不确定性和模型的不确定性。一方面,估计数据不确定性时,通常假设数据的噪声为高斯分布、拉普拉斯分布或其他单一分布。可是这些假设并不能完全适用于所有的应用。另一方面,模型不确定性的估计方法大多都是通过多个模型集成来实现的,依据各模型之间的“不一样”程度来估计模型的方差。然而,该集成的过程
随着计算能力的不断提升,流场数值模拟获取的数据量呈爆炸式增长,但是硬盘等存储介质的I/O速度并没有更进一步的增长,这就导致了大规模模拟数据在后处理和可视化时存在难以避免的滞后性,因此,建立一个能够实时进行流场数值模拟中间过程可视化的系统对模拟过程控制和结果预估有重要的意义。原位可视化是实现这一功能的有效方式,目前已经存在了多种的原位可视化模式,它们的应用场景均有不同,但是都不能很好适合超级计算机上
目的 基于政策工具分析2018—2022年我国老年健康相关政策文件，为完善老年健康相关政策，推进健康老龄化提供参考。方法 以“老年”“老龄化”“老年健康”等关键词在“北大法宝”、国务院政策文件库和相关部委门户网站检索公开发布的老年健康相关政策文件，采用内容分析法对文件进行编码，提取关键词。基于Rothwell和Zegveld的政策工具分类理论和系统论维度理论构建二维分析框架，分析政策工具使用情况。
为了实现大肠杆菌高效生产β-烟酰胺单核苷酸（β-NMN），设计模块化代谢改造策略。首先，对烟酰胺（NAM）和β-NMN支路代谢涉及的8个酶进行失活，减少底盘细胞对前体和产物的额外消耗。其次，通过引入NAM输入蛋白（BcNiaP）、β-NMN输出蛋白（BmPnuC）、PRPP合成酶（Prs）和烟酰胺磷酸核糖转移酶（Nampt），敲除调节蛋白PurR，工程菌N12’摇瓶发酵可积累0.34 g/L的β-