跨模态图像-文本检索是一项在给定一种模态(如文本)的查询条件下检索另一种模态(如图像)的任务.该任务的关键问题在于如何准确地测量图文两种模态之间的相似性,在减少视觉和语言这两种异构模态之间的视觉语义差异中起着至关重要的作用.传统的检索范式依靠深度学习提取图像和文本的特征表示,并将其映射到一个公共表示空间中进行匹配.然而,这种方法更多地依赖数据表面的相关关系,无法挖掘数据背后真实的因果关系,在高层语义信息的表示和可解释性方面面临着挑战.为此,在深度学习的基础上引入因果推断和嵌入共识知识,提出嵌入共识知识的因果图文检索方法.具体而言,将因果干预引入视觉特征提取模块,通过因果关系替换相关关系学习常识因果视觉特征,并与原始视觉特征进行连接得到最终的视觉特征表示.为解决本方法文本特征表示不足的问题,采用更强大的文本特征提取模型BERT(Bidirectional encoder representations from transformers,双向编码器表示),并且嵌入两种模态数据之间共享的共识知识对图文特征进行共识级的表示学习.在MS-COCO数据集以及MS-COCO到Flickr30k上的跨数据集实验,证明了本文方法可以在双向图文检索任务上实现召回率和平均召回率的一致性改进.
在室内TOA(time of arrival)定位中,严重的多径和非视距现象造成测距误差较大。如何降低测距误差对定位精度的影响是室内精确定位系统的重要挑战。首先介绍了基于RSSI的室内TOA测距误差分级模型(RSSI based indoor TOA ranging errormod...
详细信息
在室内TOA(time of arrival)定位中,严重的多径和非视距现象造成测距误差较大。如何降低测距误差对定位精度的影响是室内精确定位系统的重要挑战。首先介绍了基于RSSI的室内TOA测距误差分级模型(RSSI based indoor TOA ranging errormodel,RITEM),该模型根据测距过程的RSSI值大小,将测距误差划分为4个等级,且各个等级的误差区间和对应的RSSI值区间可以通过现场测试获得。将RITEM应用到定位算法中,提出一种基于误差分级的室内TOA定位算法(ranging error classi-fication based indoor TOA localization algorithm,REC)。算法根据TOA测距过程中的RSSI值和RITEM实时估计测距误差级别和误差范围,利用极大似然法求得定位区域中标签最大概率位置作为定位结果。仿真和实际测试结果显示,在实际室内环境中,REC定位算法具有较高的定位精度,且平均定位误差、定位误差均方差和90%定位误差、最大定位误差等性能明显好于LS、CN-TOAG、Nano算法。
在无线传感器网络的应用中,对无线链路质量进行有效地评估和预测是网络协议设计中的一个基础性问题,特别是对于提高数据的传输可靠性.从刻画无线链路质量的多维角度出发,基于模糊逻辑设计了一个综合性链路质量指标(fuzzy-logic based li...
详细信息
在无线传感器网络的应用中,对无线链路质量进行有效地评估和预测是网络协议设计中的一个基础性问题,特别是对于提高数据的传输可靠性.从刻画无线链路质量的多维角度出发,基于模糊逻辑设计了一个综合性链路质量指标(fuzzy-logic based link quality index,FLI),体现了无线链路的可靠性、波动性和丢包突发性对于链路数据传输可靠性的影响.然后基于FLI准则,利用贝叶斯网络设计了一种对无线链路质量进行分类预测的机制.通过3个实际无线传感器网络研究平台的链路数据集进行实验分析和对比,该机制中的分类预测器的平均预测精度约为85%.相比于4C预测器,在保证平均预测精度的同时,克服了其预测精度在分类界限处的畸变下滑现象,使预测精度的分布均匀化.
暂无评论