企业数字化转型中,应用上云只是手段,如何在满足用户体验情况下,面向不同应用提升算网基础设施的资源效率和运营效率才是目标。随着2C流量见顶,高效算力服务成为基础网络发展的另一个目标。为此,IP网络对业务质量的作用将从保障型向“有效型”转变,从IP路由向“算力路由”转变。围绕企业广域网(Wide Area Network,WAN)场景和多种典型应用,研究新型算力连接和路由技术,提出基于业务优先级调度、接入和服务一体化调度的企业广域网算力连接试点方案。该方案通过控制与转发部分的创新,探索算力连接的服务化和差异化,技术赋能“算力网络化”,并在运营商和企业合作项目开展试点验证,验证结果表明,从改善企业应用体验和算力资源效率的角度,显著提升了IP网络的传输有效性。
近年来,全卷积神经网络有效提升了语义分割任务的准确率.然而,由于室内环境的复杂性,室内场景语义分割仍然是一个具有挑战性的问题.随着深度传感器的出现,人们开始考虑利用深度信息提升语义分割效果.以往的研究大多简单地使用等权值的拼接或求和操作来融合RGB特征和深度特征,未能充分利用RGB特征与深度特征之间的互补信息.本文提出一种基于注意力感知和语义感知的网络模型ASNet(Attention-aware and Semantic-aware Network).通过引入注意力感知多模态融合模块和语义感知多模态融合模块,有效地融合多层次的RGB特征和深度特征.其中,在注意力感知多模态融合模块中,本文设计了一种跨模态注意力机制,RGB特征和深度特征利用互补信息相互指导和优化,从而提取富含空间位置信息的特征表示.另外,语义感知多模态融合模块通过整合语义相关的RGB特征通道和深度特征通道,建模多模态特征之间的语义依赖关系,提取更精确的语义特征表示.本文将这两个多模态融合模块整合到一个带有跳跃连接的双分支编码-解码网络模型中.同时,网络在训练时采用深层监督策略,在多个解码层上进行监督学习.在公开数据集上的实验结果表明,本文算法优于现有的RGB-D图像语义分割算法,在平均精度和平均交并比上分别比近期算法提高了1.9%和1.2%.
暂无评论