深度细粒度图像识别研究综述

细粒度图像分类是计算机视觉中一项基础且重要的工作,其目的在于区分难以辨别的对象类别（例如不同子类的鸟类、花或动物）.不同于传统的图像分类任务可以雇佣大量普通人标注,细粒度数据集通常需要专家级知识进行标注.除了视觉分类中常见的姿态、光照和视角变化因素之外,细粒度数据集具有更大的类间相似性和类内差异性,因此要求模型能够捕捉到细微的类间差异信息和类内公有信息.除此之外,不同类别的样本存在不同程度的获取难度,因此细粒度数据集通常在数据分布中表现出长尾的特性.综上所述,细粒度数据分布具有小型、非均匀和不易察觉的类间差异等特点,对强大的深度学习算法也提出了巨大的挑战.本文首先介绍了细粒度图像分类任务的特点与挑战,随后以局部特征与全局特征两个主要视角整理了目前的主流工作,并讨论了它们的优缺点.最后在常用数据集上比较了相关工作的性能表现,并进行了总结与展望.     

基于深度语义分割的FY-2E遥感影像云检测方法

本文提出了一种基于深度语义分割技术的全自动云检测算法,可提高FY-2E遥感影像的云检测精度。首先,将FY-2EL1数据与精度较高的云检测结果进行匹配,获得用于训练和评估样本的数据集;其次,设计了深度语义分割网络,并针对训练集中正负样本严重失衡的问题,改进了损失函数,可以有效提取云的边界;最后,分别以FY-2E和MODIS数据作为训练和标签样本训练网络,得到了可用于FY-2EL1影像检测的四分类模型。试验结果表明,在四分类检测中,所提方法的准确率达到了75%,Kappa系数为0.53左右。与现有多通道阈值法相比,采用所提方法进行二分类检测可提高约90%样本的准确率,部分样本的准确率提升20%以上。此外,所提方法对云边缘、破碎云等细节识别能力较强,且具有一定的鲁棒性,受训练样本中的误判类别影响较小。未来通过扩充数据集并优化网络,可提高FY-2全圆盘影像的数据质量。     

基于纸质气象档案数字化的图像识别算法研究浅析

随着深度学习技术的不断发展,扫描图像识别技术在提高准确率方面取得了显著进展。本文着重介绍了卷积神经网络和循环神经网络,并比较了它们在图像识别和文字识别任务中的表现。基于卷积神经网络的方法通过构建多层神经网络模型,可以自动学习图像的特征和规律,从而提高识别的准确率,显示出卓越的性能。而循环神经网络在文字识别领域展现了其独特的优势,实验结果表明,循环神经网络能够处理序列数据,并自动学习序列之间的关系。本文的研究结果表明,深度学习算法在扫描图像识别技术中具有广阔的应用前景,卷积神经网络在图像识别任务中表现出色,而循环神经网络在文字识别任务中具有良好的性能。     

基于迁移学习和Xception网络的海雾能见度等级估测研究

采用基于Xception卷积神经网络算法构建了一个海雾能见度识别的框架,通过对海雾能见度探测设备同位置摄像头监控图像的采集,将图像样本结合能见度数据进行标签分类,利用迁移学习结合Xception网络进行训练,提取图像能见度特征,构建能见度等级估测模型,实现能见度等级的估测。通过对浙江省宁波市北仑区三山大闸摄像头监控进行图像的采集,抽取万余有效样本进行训练,进行能见度等级识别结果分析,结果显示模型识别精度可达99.36%,验证集准确率可达99.20%。基于Xception算法的海雾能见度等级估测方法如果在数据集健康准确的情况下,能够满足海雾能见度实时性和识别准确率的要求,可以作为未安装能见度探测设备地区的能见度等级辅助监测方法。     

基于深度学习的天气雷达异常数据识别技术

天气雷达基数据中因观测设备故障或标定问题而产生的异常数据, 直接影响天气雷达数据质量、定量估测降水及天气系统的分析和判断。目前在中国气象局气象探测中心实时业务中, 通过人工勘误环节对异常数据进行处理。针对2020—2022年业务中勘误较多的、大面积故障异常和易与降水数据混合的局部电磁干扰或故障的两类异常数据, 分别构建和训练R-ResNet和R-LinkNet两种模型, 提取雷达硬件故障、电磁干扰等特征, 实现异常数据的识别和处理。评估结果表明:两种模型在提取异常数据特征方面均具有很强的学习能力, R-ResNet在分类判识异常数据与正常数据的准确率超过99%, R-LinkNet在分离电磁干扰杂波和降水回波的准确率超过98%。两种模型可用于实时业务中监控和勘误电磁干扰、故障等异常数据, 实现异常数据的自动勘误处理。     

图像多标签学习的研究概述

随着图像大数据的爆发,特别是用户贡献数据的飞速增长,图像样本的语义内容越来越丰富,标签信息也随之越来越复杂.因此图像多标签学习的研究是近年来学术圈和产业界的研究热点之一,涌现了大量表现优异的方法和技术.基于此,本文将对近年来图像多标签学习上的研究成果进行总结.首先,对多标签学习进行简单介绍,并详述其主流方法的分类;随后,针对目前大数据时代的数据特性,总结了多标签学习面临的新的技术难点及其对应的解决方案;最后,在应用层面上介绍了多标签学习在医学、计算机科学等领域的应用实例.     

基于气象服务大数据洞察平台的用户行为分析

上海市气象服务中心的“气象服务大数据洞察平台”依托“多终端跨屏大数据”优势建立,平台基于囊括PC(常用气象类服务网站)、IPTV(气象类电视栏目)、手机终端(常用气象类手机APP)以下简称PC、IPTV、Mobile多终端数据来源的用户流量数据,主要提供PC、IPTV、Mobile三终端的上海市民每日访问的PV以及UV数据。     

基于深度学习的气象要素预测方法

针对气象预测内容繁多且影响因素多样的问题,提出了一种基于长短时记忆(LSTM)的气象预测方法.方法能够对繁杂的气象数据进行自动预处理,提取相应的特征信息.通过神经网络的前向训练、长短时记忆反馈学习,经过多隐藏层地自主训练,对能见度、温度、露点、风速、风向以及压力气象信息实现准确预测.通过实验以及与经典机器学习预测方法的...     

基于生成对抗网络和卫星数据的云图临近预报北大核心CSCD

利用风云四号气象卫星A星(FY-4A)红外云图,基于生成对抗网络方法,提出了红外云图外推预报模型,实现了华东区域未来3 h的云图预报,预报的时空分辨率分别为1 h和4 km。结果表明:该外推模型预报的云图可较好描述云团移动、发展和减弱趋势,对研究区域内云团的强度、位置和形态得到较为理想的预报效果。为了验证提出的云图外推模型的有效性,将其与光流法和轨迹门控循环单元模型进行比较。对比试验结果表明:该云图外推模型具有最优的预报效果,说明使用生成对抗网络进行云图外推具有较好的可行性,能有效应用于气象业务中监测云团的生消和移动并提前预警灾害性天气的发生,为天气预报提供重要的参考依据。     

防雷管理信息系统中基于RBAC的统一用户管理技术

防雷管理信息系统(Lightning Management Information System,简称LMIS)是一个独立、封闭和高度自动化的综合性信息管理系统,系统在互联网环境中运行,并且数据库记录中包含有部分气象系统内部专用信息,因此,统一用户管理安全机制在本系统中的运用更显合理、高效和灵活,用户由于身份不同,拥有的操作权限也不同,根据实际情况,管理员可为用户动态添加权限。确保没有访问或修改权限的用户无法操作相关信息。     

图像特征检测与匹配方法研究综述

几十年来,图像特征检测与匹配一直是图像处理的最核心领域之一,是计算机视觉的基石.没有特征检测与匹配就没有SLAM、Sfm、AR、通用图像检索、图像配准、全景图像等视觉任务.本文在回顾几十年来的经典检测算法的基础上,阐述了引用最新的以深度学习为首的机器学习算法后,在本领域取得的最新进展,包括特征点、局部特征子、全局特征子、匹配及优化、端到端框架等所有关键点,展示了算法各自的优缺点.总而言之,面对工业界的宽基线、实时、低算力检测的要求,图像特征检测和匹配仍然是一项未能完整攻克的任务,融合特征点、局部特征子、全局特征子、匹配及优化的多任务全局框架成为未来发展的趋势.     

基于机器学习的重庆长江航道雾图像特征识别研究

基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明：机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。     

基于Faster R-CNN的食品图像检索和分类

面向食品领域的图像检索和分类等方面的研究成为多媒体分析和应用领域越来越受关注的研究课题之一.当前的主要研究方法基于全图提取视觉特征,但由于食品图像背景噪音的存在使得提取的视觉特征不够鲁棒,进而影响食品图像检索和分类的性能.为此,本文提出了一种基于Faster R-CNN网络的食品图像检索和分类方法.首先通过Faster R-CNN检测图像中的候选食品区域,然后通过卷积神经网络（CNN）方法提取候选区域的视觉特征,避免了噪音的干扰使得提取的视觉特征更具有判别力.此外,选取来自视觉基因库中标注好的食品图像集微调Faster R-CNN网络,以保证Faster R-CNN食品区域检测的准确度.在包括233类菜品和49 168张食品图像的Dish-233数据集上进行实验.全面的实验评估表明：基于Faster R-CNN食品区域检测的视觉特征提取方法可以有效地提高食品图像检索和分类的性能.     

基于镜像图的LRC和CRC偏差结合的人脸识别

为了提高人脸识别率及更好地显示人脸特征,本文提出了一种基于镜像图的LRC和CRC偏差结合的人脸识别方法.该方法首先生成一种镜像人脸,再通过融合原始人脸和镜像人脸形成新的混合训练样本,最后利用LRC和CRC偏差结合进行人脸识别.新方法增加了训练样本的数目,克服了由于光照和姿态等外部因素带来的影响.实验结果表明,镜像图与LRC和CRC偏差结合的人脸识别方法提高了人脸识别的准确性.     

基于多轮交互的人机对话系统综述

近些年来,人机对话系统作为自然语言处理的重要问题之一受到了越来越多的关注.基于大数据的深度学习的方法在对话系统中被广泛应用.本文首先介绍了人机对话系统的研究背景,然后以基于多轮交互的对话系统为例,着重介绍了任务型和非任务型对话系统的主要类型和目前的研究进展,并对评估对话系统的主要方法进行了概述.最后,结合当前研究现状,对多轮交互的人机对话系统的研究方向进行了展望.     

小样本目标检测的研究现状

近年来,随着深度学习技术的进步与推广,目标检测领域得到快速发展.但目前基于深度学习的方法大多对大规模标注数据有着极高的需求,而现实场景中大量标注数据往往不可能.因此,基于少量标注样本的目标检测领域逐渐得到大家关注.本文系统地总结与分析了目前有关小样本目标检测的方法,指出了目前方法的缺陷,并提出了一些可能的发展方向.     

图像艺术风格化的研究现状

图像艺术风格化作为一个正在蓬勃发展的领域被越来越多的人熟知,也引起了众多学者的研究兴趣.本文总结了图片风格化的发展现状,分析了不同风格化方法的特点,指出了目前风格化方法的缺点,总结了图片风格化的发展趋势,为进一步研究图片风格化提供了方向.     

基于图像处理的自动野外救援系统设计

针对野外救援的不及时性,结合人工智能等技术的应用,提出了一种新的自动野外救援系统.人类在野外和海上活动中受困后,除了依靠自身能力和装备进行求生之外,外部的有效及时救援是提高生存几率的关键.自动野外救援系统,由自动报警装置、手动报警装置实现报警,触发整个系统的运行.自动救援装置可以通过定位模块实现定位,通过执行器移动到随身装置附近实现救援,随身装置还可以发出信标导引信号;自动救援装置还可以通过传感器检测信标,通过相位检测技术等计算待救者的坐标并规划路径,实现更精准的定位与救援.