简介:摘要:Transformer是一种基于自注意力机制(self-attention mechanism)的深度神经网络,这一机制原先用于自然语言处理领域。受Transformer强大的表示能力的启发,研究人员提出将Transformer扩展到细粒度图像分类任务中。与卷积网络和循环网络等其他网络类型相比,基于Transformer的模型在各种视觉领域上能获得更好的性能,因此非常具有竞争力。本文首先将简要介绍Transformer的原理与其各个组成部分;其次,文章从细粒度图像分类的角度介绍相应Transformer的应用;最后本文将介绍Transformer在应用到CV领域时依然存在的不足以及未来可能的研究方向。
简介:摘要:对细粒度图像检测和分类研究进行介绍,包括可区分的细粒度图像特征检测、基于区域建议框的深度学习特征检测、基于回归的深度学习特征检测以及细粒度图像分类。最后总结存在的问题。
简介:摘要:针对以往传统项目式教学所存在的问题,如何将OBE理念与传统项目教学模式进行融合,在计算机网络技术课程进行实施。以项目式教学模式为主体框架,如何通过OBE成果导向为内核将项目切分为若干细粒度内容,这些内核细粒度项目如何采用反向设计,以工作岗位所需的各项目标为基础反推教学设计,使教学设计更加精确,解决项目教学存在的一些问题,对OBE细粒度项目教学模式进行研究。
简介:为了获得水泥中不同粒度区间组分力学强度的变化规律,以充分发挥每个粒度组分在提高水泥胶凝活性方面的作用,研究通过气流分级机对硅酸盐水泥进行分级,获得不同粒度区间的六个组分,分别测定其粒度分布特征,并对其胶凝活性进行了评价。实验结果表明:通过分级获得的水泥粉体基本符合Rosin-Rammler-Bennet方程分布模型。水泥各粒度区间组分的胶砂流动度随组分细度的改变而变化不明显;不同粒度区间组分细度越大,胶砂试验早期强度越高,但是随着养护龄期的增长,强度增幅并不明显;由三个较细粒度区间组分混合而得的试样,其早期胶砂抗压强度最高,后期强度增长平稳。
简介:为了满足面向服务的空间数据框架对空间访问控制的需求,提出多粒度的时空相关访问控制模型MSTAC。此模型在基于角色的访问控制模型基础上,进行属性约束扩展。属性约束包括上下文时间属性、用户的位置属性、角色的时间属性约束、地图类的图层向量约束、图层的尺度及制图时间约束、地物要素间的拓扑约束、地物要素的语义属性约束以及要素视图的字段约束。通过此模型,授权用户将受控访问不同粒度的空间数据集。这些粒度包括地图粒度、图层粒度、要素对象粒度和要素视图粒度。最后,将MSTAC模型在webGIS中实施。该实例显示了在不同的数据粒度上和不同的时间段内,系统可以对不同粒度服务进行肯定和否定授权。