基于CNN-RNN深度学习的图片描述方法与优化

为了提高模型的泛化能力,将机器翻译的编-解码模型引入图片描述中.首先,提出了CNN-RNN模型:CNN负责编码,RNN负责解码,RNN模型采用LSTM网络.接着,考虑到该模型一定程度上忽略了图片的局部区域特征和图片语义信息,因此又提出改进的CNN-MIL-DRN模型.该模型考虑了属性概率向量,并将多个时刻状态堆叠在一个时刻的计算中,加深了非线性变换的复杂深度.最后,采用MS COCO C5进行模型测试,以AP及5个不用的阈值测试不同指标,同时选取一些目前较新的模型作对比,从而得到CNN-MIL-DRN模型的最优效果.     

自由行台湾,发现“在地文化”

如果你热爱旅行,也喜欢台湾,建议你的＂自由行＂不妨来一趟＂故事旅行＂!其它旅行,或许有很多机会夜宿舒适的五星级饭店,品尝各国美食,在壮阔的世界美景中留影;然而,故事旅行中有丰富但过去未曾用心聆听的在地故事,讲故事的人不是能言善道的导游,而是故事主角本人,带你走入他们在台湾土地上的生命故事。不同于＂阿里山、日月潭＂,     

台湾城市拆迁升级

政府巧立名目与建筑商携手拆楼、炒地台湾土地浮滥征收日渐严重,房屋所有人的财产权被剥夺。2011年2月21日,台北＂三莺部落拆迁事件＂终于有了一个较好的回应。由于原住民屡次走上街头抗争,台＂财政部国有财产局＂同意让出0.7公顷国有土地,用于三莺部落重建,并将以成立社团法人的方式承租自建。     

巴黎艺术影院新难题

同受低票房、房租飞涨之困扰受国际金融危机冲击,法国艺术电影院面临财务的问题越来越严重,尤其是在巴黎。但政府为确保电影文化的多样性与活力,依然在多方面地努力支持艺术院线。     

一种适合于边缘计算框架的改进型动目标跟踪方法

随着5G通信和物联网大数据技术的高速发展,传统的云计算模式已经越来越跟不上数据的增长速度了,边缘计算作为一种新的计算模式,表现出了很强的处理大数据和高速计算的能力.本文在“智能交通仿真系统”课题中,提出了一种适合于视频图像处理的边缘计算框架,并对传统的动目标跟踪算法进行了两点改进：（1） 采用树莓派作为视频前端处理器,具有体积小,成本低,计算能力强的特点,适合边缘计算;（2） 针对跟踪阶段需要采集大量样本,计算量大的缺点,采用了一种较小步长作为滑动窗的分步式图像采样方法对原压缩跟踪算法进行改进,从而减少了计算量.计算机仿真实验的结果证实了该算法在基本不影响跟踪精度的情况下提高了运算速度.     

法国“抗议”的节日

起初,因为对法国新浪潮电影的热爱,我自主学习了法文。后来由于研修与工作,我在法国旅居七年,发现那里真是与自己个性贴合的国度。不过,要是有读者想藉此文了解浪漫花都的时尚生活,可就无法如愿了,因为我行动＂上街＂的时间多过＂逛街＂的时间。     

台湾受困生育率急速下降

2011年4月初，台湾地区领导人马英九宣布将为生育家庭提供财力补贴，此前，他也频频出席各种劝孕公益活动。马英九何以对台湾民众生育一事如此上心？     

基于多特征融合的尺度自适应KCF目标跟踪算法

首先,对核相关滤波(KCF)目标跟踪算法进行了详细推导;然后,针对KCF算法提取单一特征,不能很好地表达目标的外观模型,提出将多种特征融合的方法,增加外观模型的可区分性.同时针对KCF算法不能自适应尺度变化的问题,引入一种尺度自适应变化方法.还对于KCF算法的固定更新率在目标被遮挡的情况下会学习到错误信息的问题,提出一种在线模型更新因子的方法;最后,通过实验对比结果表明,本文提出的算法跟踪精度更高,且对目标尺度发生较大变化和遮挡情况下的跟踪具有较强的鲁棒性.