焊缝图像中结构光条纹的检测与分割

为了在复杂噪声环境下从焊缝图像中精确地提取结构光条纹,构建了语义分割与目标检测相结合的深度学习模型用于焊缝图像的检测.为了提高模型的检测速度,在语义分割分支中,通过添加并行下采样模块及缩减卷积核数量的策略对模型进行了优化,并使该分支与目标检测分支的特征提取部分共享权重.针对焊缝图像中结构光条纹与背景像素比例失衡而导致模...     

《电子测试》征稿启事

<正>《电子测试》是北京市科学技术研究院主管,北京自动测试技术研究所主办的国内外公开发行的科技类核心期刊。以介绍最新电子技术和测试测量技术为主,秉承一贯的专业性和权威性的办刊宗旨,坚持前瞻性、技术性和实用性的编辑方针,为测试测量及自动控制业界的工程师和技术研发人员提供了全新可靠的技术与应用和行业资讯。《电子测试》创刊于1987年,见证了中国电子测试测量业的发展历     

图像场景分类技术综述

目前,基于计算机视觉分析的图像场景分类技术已被广泛研究并应用在众多学科领域中.本文从不同角度对近年来典型的场景分类技术进行了深入的探讨与比较.首先介绍了场景分类技术的背景、应用场景以及发展现状;然后基于特征提取、语义分析和机器学习的角度分别对国内外的相关研究进行系统的分析、比较及总结;最后对目前研究所面临的问题和未来技术的发展给出总结与展望.     

面向ScholarSpace知识库的关键词查询方法

知识库中存储着大量关于真实世界中的实体信息及实体之间的关系,随着规模的不断增长,其应用也愈发广泛。另一方面,由于大量互联网用户通过关键词描述问题和查询意图,因此如何让知识库具备更好的关键词查询应答能力,成为了研究的热点。从中文知识库的构建入手,提出了一套完整的面向中文限定领域知识库的关键词检索框架,实现并改进了基于模板的关键词查询转换方法,提出了基于语义的知识库释义和实体索引方法,提高了关键词映射能力。同时在SPARQL转换过程中采用了缺失关系索引,提高了转换成功率,提升了能够处理的查询数量。同时在学术空间ScholarSpace上对该框架进行了系统实现,取得了良好的应用效果。     

基于语义网络分析的微信公众平台转基因议题研究

近年来,食品安全问题成为人们讨论的热点话题,公众关注度日益升温,其中转基因食品问题在世界范围内引起激烈争论。随着网络新媒体的迅猛发展,微博、微信等社交网络新媒体成为人们获取新闻资讯的重要渠道,特别是微信公众平台,作为自媒体热捧的信息发布平台,其关于转基因所涉及到哪些议题成为研究的重心。本研究运用语义网络分析方法对通过微信公众平台采集的824篇有关转基因议题的文章进行分析,探讨其有关转基因食品及作物的内容中所涉及的方面和偏向性,以可视化图像直观呈现其议题内容涉及到的转基因生物安全政策、食品标识政策、转基因食品辨别科普、转基因食品事件披露等多个层面,并针对其若干问题提出了相应的分析建议。     

基于本体和Lucene的语义检索模型设计与实现

基于本体的语义检索利用本体构建概念空间,可以处理概念之间的关系,具有语义处理能力.基于本体的语义检索符合人类的思维习惯,并且克服传统检索方法造成的信息冗余或信息丢失的缺点,其查询效果更为合理.这里结合本体和Lucene,设计并实现一个语义检索模型,与传统的全文检索系统进行比对分析,说明了其有效性和可行性.     

Exploring Semantic Association Rules Between Keyword and Visual Feature Clusters for Web Image Retrieval

The semantic gap is a big challenge in image retrieval area. Previous studies in web image retrieval have mainly focused on Relevance feedback （RF） and Latent semantic indexing （LSI） to alleviate the gap. This paper proposes an approach base on Frequent itemset mining （FIM） and Association rule （AR） techniques, which explores the semantic association rule between the two modalities that are represented by keyword and visual feature clusters. The rules are obtained oftline based on the inverted file, and utilized in query process online to realize the integration of the two modalities of web im- ages. Our approach improves the retrieval performance and is scalable well, as well as satisfies the requirement of the web users with no additional interactions. The exper- iments are carried out in our web image retrieval system named VAST （VisuAl ＆ SemanTic image search）, and the results show the effectiveness of the proposed approach.     

基于生成对抗网络的语义分割方法

在语义分割模型结构不变的前提下,为提升模型对图像分割的精确度,引入生成对抗网络结构用于训练语义分割模型(SS-GAN)。SS-GAN包含3个设计环节：构建全卷积网络(FCN)结构的生成模型,进行初步的图像分割;设计具备像素间高阶关系学习能力的对抗模型,提高生成模型的学习能力;加入对抗损失辅助生成模型学习,进一步促进生成网络自主学习像素间关系。在计算机视觉竞赛数据集(PASCAL VOC)和城市景观数据集(Cityscapes)上的实验结果表明,引入生成对抗网络后取得了更好的效果,2个数据集的交并比(IoU)指标分别提高了1.56%/1.17%和1.93%/1.55%。     

《电子测试》征稿启事

《电子测试》是北京市科学技术研究院主管,北京自动测试技术研究所主办的国内外公开发行的中国统计源期刊。以介绍最新电子技术和测试测量技术为主,秉承一贯的专业性和权威性的办刊宗旨,坚持前瞻性、技术性和实用性的编辑方针,为测试测量及自动控制业界的工程师和技术研发人员提供了全新可靠的技术与应用和行业资讯。《电子测试》创刊于1987年,见证了中国电子测试测量业的发展历程。如何为国际和国内市场提供有竞争力的产品、掌握先进的测试测量技术一直以来深受测试测量领域