排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
在基于深度学习的行人重识别算法中,通道特征易被忽视而导致模型表达能力降低。为此,以ResNeSt50为骨干网络,借鉴SENet通道注意力特点在残差块末尾接入SE block,增强网络对通道特征的提取能力;针对ReLU函数因缺少控制因子而限制不同通道特征图对激活值的准确响应问题,引入一个动态学习因子来丰富通道特征权重信息,以形成新的加权激活函数Weighted ReLU(WReLU);基于分组卷积特征图局部而设计新的激活函数Leaky Weighted ReLU(LWReLU),有效提高不同位置的深度特征表达能力;在Split-Attention和SE block中应用LWReLU,改善Split-Attention对各组特征图的权重学习能力;利用circle loss改进损失函数,优化目标收敛过程,从而提高模型精度。实验结果表明:在CUHK03-NP、Market1501和DukeMTMC-ReID数据集上,所提方法的Rank-1比原骨干网络分别提高了19.08%、0.98%、2.02%,且其m AP比原骨干网络分别提高了17.13%、2.11%、2.56%。 相似文献
3.
国各高校师生已经认识到大学英语后续教学的重要性和必要性,但因还处于初始阶段,目前后续教学不可避免地还存在一些问题。本文根据调查结果分析了目前大学英语后续教学中存在的问题,探究影响大学英语后续教学的主要因素,并提出了一些建设性的建议。 相似文献
4.
全国各高校师生已经认识到大学英语后续教学的重要性和必要性,但因还处于初始阶段,目前后续教学不可避免地还存在一些问题.本文根据调查结果分析了目前大学英语后续教学中存在的问题,探究影响大学英语后续教学的主要因素,并提出了一些建设性的建议. 相似文献
5.
基于肤色模型和背景差分的手指区域分割方法 总被引:1,自引:0,他引:1
为了提高基于计算机视觉的人机交互系统中触控手指区域分割的性能和精度,提出了一种基于肤色模型和背景差分的手指区域分割方法。首先,根据肤色的聚类特征,在 YCbCr色彩空间上建立肤色模型,对手指区域进行肤色分割;随后加入自适应更新的背景差分法摒除图像中光照度和背景颜色的干扰。实验结果证明:该算法在复杂背景下分割手指区域具有较高的准确性和实时性,能应用在嵌入式环境中。 相似文献
1