-
题名注意力机制和多元损失改进的行人重识别模型
- 1
-
-
作者
柯健宇
王晓峰
-
机构
上海海事大学信息工程学院
-
出处
《计算机应用与软件》
北大核心
2024年第3期174-181,共8页
-
基金
国家自然科学基金项目(61872231)。
-
文摘
行人重识别(Pedestrian Re-identification, Re-ID)侧重在跨域摄像机照片中判断特定行人,目前的行人重识别算法大多研究使得特征提取能力增强的方法,出现了各种不同的模型,但其都存在模型复杂度较高或识别能力弱等问题。针对这些问题,将BagTricks这一简洁的Re-ID基准模型与通道注意机制相结合,提高了模型对显著特征的提取能力,同时加入了环形损失Circle loss,改进了损失函数。实验结果表明,在主流图片行人重识别Market1501数据集上,所提模型达到了95.6%的rank-1准确率和88.5%的mAP精度,在DukeMTMC数据集和CUHK03数据集中,rank-1则分别达到了89.1%和76.7%。该方法提高了模型精度,且易于实现,取得了有竞争力的性能,优于大部分现有方法。
-
关键词
行人重识别
深度神经网络
注意力机制
多元损失函数
-
Keywords
Pedestrian re-identification
Deep neural network
Attention mechanism
Multiple loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名多质量特性产品的参数与容差并行设计优化
被引量：2
- 2
-
-
作者
宗志宇
何桢
孔祥芬
-
机构
天津大学管理学院
-
出处
《组合机床与自动化加工技术》
2006年第11期4-7,共4页
-
基金
国家自然科学基金资助项目(70372062
70572044)
天津科委市科技攻关项目(04310881R)
-
文摘
对具有多质量特性的产品(或过程)进行了参数与容差并行设计,通过平衡参数设计阶段所带来的质量损失,和缩小设计参数容差所增加的成本,提出了总成本函数,考虑了设计参数的波动及整个过程的经济性。并通过实例进行了分析,结果表明,与传统的参数设计方法相比,并行设计得到的响应的方差与总成本都显著地降低。
-
关键词
多质量特性
参数设计
容差设计
并行设计
多元损失函数
-
Keywords
multiple responses
parameter design
tolerance design
concurrent design, multivariate loss function
-
分类号
F406.3
[经济管理—产业经济]
-
-
题名基于层次分析法的公差成本优化设计
被引量：1
- 3
-
-
作者
张俊
杨仲春
袁方
陈怡
-
机构
湖南科技大学机电工程学院
湖南华菱湘潭钢铁有限公司高线厂
-
出处
《机床与液压》
北大核心
2013年第5期66-69,61,共5页
-
文摘
针对制造过程中存在众多加工模糊因素影响加工成本的实际情况,提出一种基于层次分析法的公差成本优化模型,采用层次分析法得出加工因素的成本综合影响权系数,将其引入制造成本函数中,并综合考虑多重相关特征的产品质量损失与尺寸公差的函数关系,建立了制造成本与质量损失之和最小的公差成本优化模型。通过实例对该模型进行验证,结果表明该模型有效可行。
-
关键词
层次分析法
加工因素
制造成本
多元质量损失函数
公差优化
-
Keywords
Analytic hierarchy process
Process factors
Manufacturing cost
Multivariable quality loss function
Tolerance optimization
-
分类号
TH122
[机械工程—机械设计及理论]
-
-
题名基于高斯过程模型的多响应稳健参数设计
被引量：6
- 4
-
-
作者
翟翠红
汪建均
冯泽彪
-
机构
南京理工大学经济管理学院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2021年第12期3683-3693,共11页
-
基金
国家自然科学基金面上项目(71771121,71931006)
江苏省研究生科研与实践创新计划项目(KYCX21_0361)资助课题。
-
文摘
针对高维试验数据的稳健参数设计问题,在高斯过程(Gaussian process,GP)的建模框架下,采用部分平行的GP(parallel partial GP,PPGP)模型来构建试验因子与多质量特性之间的响应曲面,在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明,与独立建模的单变量GP模型或Kriging模型比较而言,所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题,而且能够获得更为稳健的优化结果,运行效率更高。
-
关键词
高斯过程
高维数据
多元质量损失函数
稳健参数设计
-
Keywords
Gaussian process(GP)
high-dimensional data
multivariate quality loss function
robust parameter design
-
分类号
F273.2
[经济管理—企业管理]
-
