针对复杂街景中行人及车辆频繁遮挡导致目标跟踪难的问题,文章提出一种融合YOLOv8检测与ByteTrack跟踪的多目标跟踪算法。首先,该算法利用YOLOv8目标检测网络作为检测器,借助卷积神经网络架构、特征提取技术、多尺度检测和有效的损失函...针对复杂街景中行人及车辆频繁遮挡导致目标跟踪难的问题,文章提出一种融合YOLOv8检测与ByteTrack跟踪的多目标跟踪算法。首先,该算法利用YOLOv8目标检测网络作为检测器,借助卷积神经网络架构、特征提取技术、多尺度检测和有效的损失函数,实现了快速而准确的目标检测;然后,通过引入ByteTrack算法关联每个检测框实现跟踪,有效利用被遮挡物体的碎片信息,解决低置信度的检测框漏检问题。实验结果表明,在公共数据集MOT16、MOT20中,所提算法能够实现98.0%的检测准确率、94.0%的平均精度均值(Mean Average Precision,mAP)以及同等的召回率,相较于以往YOLOv7、YOLOv7-ConvNeXt BLOCK等方法,其检测效率得到了显著提升。展开更多
针对突发水污染事件呈现的大数据特征,以及应急管理对应急高效率的需求,基于Hadoop平台按照CBR(Case Based Reasoning CBR)推理过程设计了突发水污染事件应急预案的并行化处置方案,利用MapReduce框架实现了预案特征数据入库和预案特征...针对突发水污染事件呈现的大数据特征,以及应急管理对应急高效率的需求,基于Hadoop平台按照CBR(Case Based Reasoning CBR)推理过程设计了突发水污染事件应急预案的并行化处置方案,利用MapReduce框架实现了预案特征数据入库和预案特征匹配检索的功能,并通过建立一级特征索引加快应急预案的检索速度,最终将应急预案特征数据及原始数据存储在HDFS(Hadoop Distributed File System,HDFS)分布式文件系统中.通过对陕西省渭河突发水污染事件应急管理过程进行模拟应用,结果表明,该方案可有效提升突发事件应急预案的生成效率,便于管理者和决策者快速应对突发事件,降低了突发事件的危害程度.展开更多
针对传统引入注意力机制的Encoder-Decoder模型在摘要生成任务上存在文字冗余、表述不一致、非登录词(out of vocabulary,OOV)等问题,而导致生成摘要准确性较差,对可嵌入文本位置信息的Transformer模型进行了改进。提出引入指针网络帮...针对传统引入注意力机制的Encoder-Decoder模型在摘要生成任务上存在文字冗余、表述不一致、非登录词(out of vocabulary,OOV)等问题,而导致生成摘要准确性较差,对可嵌入文本位置信息的Transformer模型进行了改进。提出引入指针网络帮助解码,利用指针网络生成文本的优势生成摘要,并在LCSTS中文短文本摘要数据集上验证了该模型的有效性。结果表明:改进后的Transformer模型在ROUGE评分上比基准模型平均高出2分,在保证摘要与输入文本一致性的同时,其生成内容的显著性和语言的流畅性提升明显。展开更多
文摘针对复杂街景中行人及车辆频繁遮挡导致目标跟踪难的问题,文章提出一种融合YOLOv8检测与ByteTrack跟踪的多目标跟踪算法。首先,该算法利用YOLOv8目标检测网络作为检测器,借助卷积神经网络架构、特征提取技术、多尺度检测和有效的损失函数,实现了快速而准确的目标检测;然后,通过引入ByteTrack算法关联每个检测框实现跟踪,有效利用被遮挡物体的碎片信息,解决低置信度的检测框漏检问题。实验结果表明,在公共数据集MOT16、MOT20中,所提算法能够实现98.0%的检测准确率、94.0%的平均精度均值(Mean Average Precision,mAP)以及同等的召回率,相较于以往YOLOv7、YOLOv7-ConvNeXt BLOCK等方法,其检测效率得到了显著提升。
文摘针对传统引入注意力机制的Encoder-Decoder模型在摘要生成任务上存在文字冗余、表述不一致、非登录词(out of vocabulary,OOV)等问题,而导致生成摘要准确性较差,对可嵌入文本位置信息的Transformer模型进行了改进。提出引入指针网络帮助解码,利用指针网络生成文本的优势生成摘要,并在LCSTS中文短文本摘要数据集上验证了该模型的有效性。结果表明:改进后的Transformer模型在ROUGE评分上比基准模型平均高出2分,在保证摘要与输入文本一致性的同时,其生成内容的显著性和语言的流畅性提升明显。
