首页 文章 精选 留言 我的

精选列表

搜索[智能配置],共10000篇文章
优秀的个人博客,低调大师

《数据虚拟化:商务智能系统的数据架构与管理》一 1.14 示例数据库:世界一流电影

1.14 示例数据库:世界一流电影 这本书中的大部分例子都使用相同的示例数据库。它是一家名为世界一流电影(简称WCM)的虚拟公司的产品数据库,该公司是一家提供电影销售和租赁的在线零售公司。这个数据库由一系列的表格组成,表格记录顾客信息和销售与租赁信息。这个数据库是Roland Bouman和Jos van Dongen为他们的书《Pentaho Solutions: Business Intelligence and Data Warehousing with Pentaho and MySQL》所设计的数据库的一个子集(见文献[1])。如果你对于自己装载数据库很感兴趣,可以去这个网站www.r20.nl,找到这本书的封皮,点击它,然后它将带你到一个页面,这个页面向你展示了在哪里和怎样能下载这些数据。并不是这个数据库里的所有表格都在

优秀的个人博客,低调大师

《中国人工智能学会通讯》——10.25 跨姿态和光照变化的低分辨率人脸识别

10.25 跨姿态和光照变化的低分辨率人脸识别 为了解决安全问题,监控的使用逐渐增多,这使得人们对完全自动并具有鲁棒性的人脸识别系统的要求也随之增大。通过监控获得的图片通常分辨率较低且姿态和光照条件不可控,这让这些人脸图片的识别变得极具挑战性。解决一个或多个不同的问题,例如光照差、无正面的姿态和表情等,文献[1-4] 已经给予了足够的关注。而且一起解决这些问题在很多应用中是非常重要的,像识别监控中的人脸图片。最近,一种基于学习的方法被提出,对在不可控光照环境下得到的低分辨率非正面识别图片与高分辨率图片进行匹配[5] 。此方法在带有姿态、光照及分辨率条件下的人脸匹配表现得很好,但是它要求在训练图片和测试图片中有几个重要的位置点(像眼角、鼻子、嘴巴等),这对没有正面姿势的低分辨图片来说是非常困难的。 本文所提出的方法可以看作是对文献 [5] 的完善,因为它并没有要求在测试图片时,对非正面低分辨率图片进行位置标记。只有在训练阶段,我们需要不同的基点位置去得到转换矩阵。还有一个与文献 [5] 所述方法重要的不同点。在本文所提出的方法中,我们需要一个通用的转换矩阵,该矩阵可以将低分辨率测试样本和高分辨率训练样本投影到一个通用空间,它在训练中是使用多尺度分析法得到的。人脸的 SIFT 描述被用作人脸的描述。在测试时,人脸图片基于检测到的眼睛位置进行对齐。通过学习得到的转换矩阵,将低分辨率测试样本和高分辨率训练样本投影到一个通用空间。立体匹配代价用来计算带有姿态变化的两个图片之间的距离。此方法表现出了很好的识别性能,但是它要求大量的计算时间,这主要是由于立体匹配代价不得不计算测试图片与所有训练图片简单距离。 在这篇文献中,我们还开发了一种基于参考的人脸识别系统,在不影响识别性能的情况下可以提高此方法的计算性能。立体匹配算法已经在文献 [6]中被提出用来匹配带有姿态变化的人脸图像,我们把它扩展到一种基于学习的立体匹配算法中,来匹配带有姿态、光照及分辨率变化的人脸。在 Multi-PIE 数据库[7] 、SurveillanceCameras Face数据库[8] 、Multiple Biometric Grand Challenge(MBGC) 数据库 [9] 和 Choke Point 数据库 [10] 上进行了大量的实验。这篇文章的主要贡献(以及和所提到的文献[5-6]的不同之处)可以归纳如下: ● 在训练间,转换矩阵是通过整个脸获得的,这与文献 [5] 选择基点位置相反。● 一种完全自动的基于学习的立体匹配算法,对带有姿态、光照及分辨率变化的人脸进行匹配。● 一种基于参考计算有效性的方法,减少了此方法的计算代价。● 在真实环境下的实验验证了本文方法的有效性。不同之处将体现在本文的各个部分。

优秀的个人博客,低调大师

中国人工智能学会通讯——互联网搜索技术的前沿探索 4 深度学习与信息检索

4 深度学习与信息检索 近年来,深度学习技术在图像、语音、自然语言处理等领域取得了显著的突破,已经开始延伸到信息检索领域。深度学习模型强大的表达能力和学习能力,可以为信息检索中语义信息表征、相关性推理决策,以及复杂交互过程的建模提供良好的支撑。然而,目前已有的结果显示,深度学习应用于检索并不是其他领域深度学习模型的简单移植,而是需要结合信息检索的固有特征、领域知识和独特模式来构建。我们在这个方向上较早地开展了探索,并形成了一些前沿的结果[13-15]。 例如针对信息检索中查询-文档的相关性匹配,我们提出了一个深度相关性匹配模型(Deep Relevance Matching Model)[13](如图6所示)。这个模型的特点包括:①能够从原始的查询与文档词匹配信号,自动学习丰富的相关性特征;②模型结构特别针对检索相关匹配,它与传统语义相似匹配的差别在于,对精确匹配信号、查询词重要度和多样的匹配模式的建模。实验表明,该深度检索模型排序性能在多个公开标准测试集上超越传统检索模型。

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册