【摘 要】
：
细粒度图像分类任务的关键在于获取精细的局部特征,为了充分利用数据价值,提出一种面向视觉注意力的数据增强方法,基于类激活映射图(class activation mapping, CAM)生成具有针对性的扩充图像,进而帮助细粒度分类.根据CAM对输入图像进行注意力区域裁剪和放大;构造一个流场网格对原图进行采样以夸张该区域,裁剪与夸张后的2种扩充数据能够引导模型学习更细微的特征差异;遮挡图像关键区域,
【机 构】
：
北京邮电大学计算机学院(国家示范性软件学院) 北京 100876;新疆工程学院信息工程学院 乌鲁木齐 830023;北京邮电大学计算机学院(国家示范性软件学院) 北京 100876
论文部分内容阅读
细粒度图像分类任务的关键在于获取精细的局部特征,为了充分利用数据价值,提出一种面向视觉注意力的数据增强方法,基于类激活映射图(class activation mapping, CAM)生成具有针对性的扩充图像,进而帮助细粒度分类.根据CAM对输入图像进行注意力区域裁剪和放大;构造一个流场网格对原图进行采样以夸张该区域,裁剪与夸张后的2种扩充数据能够引导模型学习更细微的特征差异;遮挡图像关键区域,从而促使模型学习其他有效特征.该方法只需要图像级标签,无需边界框和部位标注,可以在不引入其他辅助网络的情
其他文献
本文研究工业机器人喷釉工艺过程,从喷釉生产线机械结构系统设计、喷釉生产线电气控制系统设计,到机器人喷釉系统人机交互界面设计,进行成套系统设计.本文使用的埃夫特智能装备股份有限公司自主研发的无动力示教关节臂,可以方便工人记录喷釉轨迹、釉料参数,该数据可在其他工业机器人喷釉单元上再现.本研究电气控制系统和人机交互的工作方式,减轻了喷釉工人的工作量,机器人操作人员只需通过触摸屏,就可以实现全自动机器人喷釉单元的自动化作业,解决了人工施釉方法存在生产效率不够稳定、喷釉质量波动大、不利于集中除尘作业、对工人身体健康
由于磨抛工作环境恶劣(粉尘、噪音污染),同时随着劳动力成本逐渐增高、人口红利的消失,企业都在寻找新的解决磨抛行业困境的方法.已到转型期的磨抛行业提出了新的需求:机器人替代人工打磨、抛光.但是使用机器人进行磨抛工作存在着很多难点.本文研发并设计出一套磨抛机器人系统,通过硬件执行系统和磨抛专家系统很好地解决了机器人磨抛过程中产生的困难问题.其中,硬件执行系统由新松SR10C工业机器人、砂带机、抛光机、物料供给系统、末端执行系统、抛光剂供给系统、除尘工作间、人机交互界面、电气系统组成.磨抛专家系统是将各个控制模
本文介绍一种图像处理领域快速提取激光中心线的方法。首先将二维图像卷积运算转变为向量运算,其次采用SIMD指令加速图像数据的运算处理,最后基于计算机的存储结构进一步改进卷积运算,使得图像边缘检测算法效率提升,加速激光中心线的并行提取。
为了实现遥感图像彩色化,解决目前彩色化模型存在颜色不准确和颜色溢出等问题,提出一种端到端的深度神经网络模型.首先,通过构建多尺度残差感受域块提取丰富的高维特征;其次,利用U-Net、复杂残差结构、注意力机制和子像素向上卷积等结构构建一个彩色信息重建网络输出彩色化结果;最后,使用NWPU-RESISC45遥感图像数据集进行训练和验证.结果表明,与其他自动彩色化方法相比,所提方法的PSNR值平均提高6
GROM ACS是应用广泛的开源分子动力学模拟软件,当前主要通过CUDA使用NVIDIA GPU进行加速计算.ROCm是一个开源的高性能异构计算平台.基于ROCm平台的HIP编程语言,首次实现了GROMACS 2020系列在ROCm平台上的完整移植.在MI50 GPU上,以一个复杂离子液体模拟算例为目标,使用GPU性能分析工具rocprof对移植代码进行了性能分析.针对MI50硬件特性,先后对成键力核函数、静电力的PM E核函数和短程非成键力核函数进行了优化,优化后运行目标算例的性能相比初始版本整体上获得
基于深度图像的手部姿态估计是人机交互和虚拟现实领域的一个重要研究问题.对近些年来该领域的研究工作进行总结和梳理.首先,简述了该问题的定义以及所面临的主要难点,并总结了常用的深度相机、数据集和评价指标;其次,将该领域内的工作分为3个类别并依次进行回顾,其中包括基于模型驱动的方法、从数据集中学习映射函数的基于数据驱动的方法以及同时结合了前两者的混合方法,在叙述过程中,着重介绍了其解决的科学问题以及仍存
针对概念设计阶段现有CAD系统难以通过手绘草图准确匹配对应的零件的问题,提出预训练网络(VGG)与胶囊网络(CapsNet)相结合的零件手绘草图识别模型(VGG-CapsNet).招募了5名设计师绘制零件草图,构建包含标准件和非标件在内的23类零件手绘草图数据集;设计了组间实验与组内实验,分别构建基于VGG-CapsNet的零件手绘草图识别模型,并与rVGG-13模型、rCNN-13模型的识别结果
为解决软件定义物联网中防御DDoS攻击的问题,提出一种攻击溯源与防御方法.该方法部署在软件定义物联网控制器中,当检测到网络中有DDoS攻击发生时,进行节点流量特征提取,利用提出的基于信任模型-自组织映射(trust model-self organizing map,T-SOM)算法的DDoS攻击溯源方法,根据提取到的节点流量特征对网络内节点进行聚类,通过控制器中的网络拓扑找出攻击节点的M ac地址.由防御模块进行端口封禁和packet_in报文过滤实现DDoS攻击防御.实验结果表明,该方法能够对DDoS
针对电缆护套断裂伸长率的人工测量方法精度差、自动程度低的缺陷,提出一种基于双目视觉的自动测量方法.首先采集试样拉伸视频,对首帧图像采用基于信息熵的算法定位2个圆环标记符圆心坐标,若正确识别则使用圆心坐标作为标记点,否则选取立体匹配结果良好的SURF特征点中距离圆心最近的点作为标记点;然后用金字塔L-K光流法追踪隔帧采样后的护套拉伸视频中的标记点,基于计算出的标记点三维坐标和加速度判定试样断裂的粗略