一种结合全局和局部相似性的小样本分割方法

针对小样本分割中如何提取支持图像和查询图像共性信息的问题,提出一种新的小样本分割模型,同时结合了全局相似性和局部相似性,实现了更具泛化能力的小样本分割。具体地,根据支持图像和查询图像全局特征和局部特征之间的相似性,提出了一种新型注意力谱生成器,进而实现查询图像的注意力谱生成和区域分割。所提注意力谱生成器包含2个级联模块:全局引导器和局部引导器。在全局引导器中,提出了一种新的基于指数函数的全局相似性度量,对查询图像特征和支持图像的全局特征进行关系建模,输出前景增强的查询图像特征。在局部引导器中,通过引入局部关系矩阵对支持图像特征和查询图像特征之间的局部相似性进行建模,得到与类别无关的注意力谱。在Pascal-5i数据集上做了大量的实验,在1-shot设定下mIoU达到了59.9%,5-shot设定下mIoU达到了61.9%,均优于现有方法。      

工程知识管理系统模型研究

针对工程知识管理系统模型多样化的现状,从需求、功能和应用三个方面论述了对工程知识管理系统模型的理解和认识以及需求、功能及应用模型的含义和组成。提出工程知识管理系统模型由知识需求、系统功能和知识应用构成。在工程知识管理系统模型的基础上,成功设计开发出工程知识管理系统实例,并在航天企业中形成了一定规模的应用。     

含有文字序逻辑程序的一种辩论语义

有序逻辑程序的语义研究是常识推理的重要研究内容。文中对Dung的辩论框架进行了扩充,针对含有文字序的逻辑程序提出了一种优先辩论框架,加入了对文字之间优先序的处理,进而定义了相应的优先回答集语义和优先扩充语义。证明了文中的优先回答集是Sakama回答集的特例,而优先扩充语义可以处理没有回答集的优先逻辑程序。     

篇章语言学视角下的英语“P”范畴的语义语用考察

P现象从句法上看,是导向篇章功能下系连和定位分工的结果。P范畴的多义性仍然可以从功能主义篇章语言学的视角下获得解释:陆标不是语篇参与者,而是语篇支撑点,具有不同于A、S、O角色的信息、语义和编码特征。陆标隐现受语篇—语用动因制约,陆标的隐现与否是由说话人决定的,言者的主观性决定了介词宾语是否值得注意,从而决定了词汇化与否。     

面向旅游领域的语义查询扩展

针对目前查询扩展的不足,以旅游领域为背景,提出利用本体推理以及本体中的实体相关度综合考虑来获得查询扩展词,并对扩展词进行权重调整,提高了检索结果的准确率和召回率。     

面向自然语言处理的隐喻知识库的构建

汉语隐喻处理的研究作为自然语言处理的一个重要的问题已引起人们的广泛关注,隐喻作为一种认知方式已广泛为人们所接受,关于隐喻知识库的建设国外学者做出了一些努力和尝试,而汉语隐喻知识库的建设研究才刚刚起步。文章设计了一个汉语隐喻语义词典,并采用隐喻语义网络的形式在数据库中得以实现,这对语言本体研究有着重要的意义。     

基于WordNet本体和PLSA的语义Web服务发现

提出了一种基于WordNet本体标注和概率潜在语义分析(PLSA,Probabilistic Latent Semantic Analysis)的语义Web服务发现方法OntoPLSA.首先使用WordNet本体标注Web服务的操作名、参数以及用户请求,以经过标注后的输出参数集合为词汇集,服务描述文档集合为文档集,组成词汇-文档矩阵,以该矩阵为输入,使用PLSA方法对服务集进行分类,并将用户请求带入PLSA模型,确定其所属的类;然后在类中以标注后的输出参数为键,含有这个输出的服务的列表为键值,建立一个映射表,查找与用户请求的输出相似的映射表键,进而找出对应的键值,即服务列表;最后根据QoS(Quality of Service)和用户请求中的输入参数确定满足条件的服务结果集合.在415个Web服务组成的数据集上的测试结果表明,性能较其他方法有优势,召回率和R准确率也得到了改善.     

无人机航拍影像目标检测与语义分割的深度学习方法研究进展

无人机（UAV）因其小型轻便、操作简单等优点获得了广泛的应用。将深度学习方法与无人机系统相结合,有助于在清晰度高、视野范围广的无人机航拍影像上快速准确地检测出所需目标,相关课题已成为当前的研究热点之一。对近十年来无人机航拍影像目标检测与语义分割的深度学习方法研究进展进行了综述。首先概述了无人机及其航拍影像的特点和广泛的应用场景,简述了无人机航拍影像目标检测与语义分割方法的发展历程。然后对基于深度学习的无人机航拍影像目标检测与语义分割方法按照不同的网络模型进行分类,分别总结了它们的改进策略、应用场景、贡献和局限性。随后收集梳理了近些年无人机航拍影像的数据集,归纳了常用的卷积神经网络模型的评价指标。最后指出了本领域目前存在的相关问题,并对未来的研究趋势进行了展望。     

基于平面靶标的多视点云对齐方法

在大型物体三维视觉测量中,多视点云的对齐是其关键技术之一.设计了一种带有多个间距已知的角点作为特征点的平面靶标.靶标置于视觉传感器在2个不同位置测量的公共区域,2次测得特征点三维坐标.用靶标上任意3个非共线特征点的三维坐标建立单位正交基,从而求得多视点云坐标系初始变换矩阵.以初始对齐后的对应特征点之间距离平方和建立目标函数,并引入距离控制来增加约束条件,以3点求得的坐标变换矩阵为初值,采用Levenberg-Marquardt优化方法解出最优的坐标变换矩阵.采用双目视觉传感器对一石膏像在2个位置进行了测量,实验结果表明该对齐方法简单可靠,优化后的对齐精度比优化前提高了约31%.      

基于测量点云的涡轮叶片配准定位算法应用研究

涡轮叶片是航空发动机的核心零件,其精铸后进行数控机加需要先实现叶片测量点云与CAD模型的快速、准确配准定位。为此,针对测量点云初始位姿不佳的问题,实现了基于主成分分析的预对齐和手工关联预对齐两种预对齐算法;针对匹配点计算效率较低的问题,实现了网格法、赋范空间投影法和基于kd–tree快速搜索法3种搜索算法,通过对比分析发现,基于kd–tree搜索算法计算效率较好。在此基础上,确定了手工关联预对齐、基于kd–tree快速搜索匹配点集和ICP方法的配准方案,示例测量点云配准定位后与CAD模型差异区间为[–0.06 mm,+0.1 mm],符合涡轮叶片铸造精度情况。