消息首页搜索举报

科技情报与危机管理/科技情报系列丛书

正版保障假一赔十可开发票

34.75 6.0折 58 全新

仅1件

上海黄浦

认证卖家担保交易快速发货售后保障

作者张士运

出版社北京交通大学出版社有限责任公司

ISBN9787512145863

出版时间2020-01

装帧平装

开本16开

定价58元

货号11360342

上书时间2023-09-08

灵感书店

三年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 10小时
好评率暂无

最新上架

建筑设计与施工组织管理 ¥10.59

实用医学美容诊治重点 ¥38.13

泰州先生 ¥23.54

颂歌(精)/巴别塔诗典 ¥41.34

明清时代的盆景艺术图谱(精)/99博物艺术志 ¥80.46

伪物语(下) ¥20.97

成语接龙 ¥18.74

梦魇之书(精)/巴别塔诗典 ¥25.25

童话大王 ¥18.74

商品详情

品相描述：全新

商品描述: 作者简介

目录
情报类
场景与目标关系约束的域自适应无监督目标检测徐传胜，郝一擎，安高云 /
科技情报创新与自有信息资源体系建设——信息服务平台实践代云红，刘行，郑瑞 /
中药经典名方研究现状、热点及趋势分析——基于文献计量和知识图谱分析王彦峰，张素娟，叶浅草 /
基于政策文本的我国科技“三评”政策分析凡庆涛，杨萍，刘洋，杜赟 /
新冠肺炎疫情对我国铁路运输业的影响陈佳宇，张素娟，郭建伟，燕娜 /
基于大数据交互的安全研究——举例“船只” 郭建伟,燕娜,陈佳宇 /
“一带一路”科技创新行动计划下的我国电力行业发展战略研究薛菲，翟杨 /
基于专利视角的我国抗呼吸道病毒行业PEST分析张素娟，王彦峰，董洁,陈佳宇 /
疫情常态化下应急情报体系框架理论探析马燃 /

数据·资源类
京津冀区域协同发展信息安全标准研究燕娜，郭建伟，张云倩，陈佳宇 /
新冠肺炎疫情期间科研院所数据资源的网络服务研究——以北京市科学技术研究院为例陈佳宇，郭建伟，燕娜，张素娟 /
基于物联网信息安全的应用研究郭建伟，陈佳宇，燕娜 /
社会医疗保障系统网络安全解决方案郭建伟，燕娜，陈佳宇 /
创新共同体视角下我国科技情报机构发展对策研究燕娜，张云倩，郭建伟，陈佳宇 /
全媒体时代科学普及和科学传播的提升路径张素娟，陈佳宇，扆铁梅 /
基于自组织理论的中关村科学城创新集聚发展研究李梦茹，孟潇，孙若丹，金学慧 /
基于链环模型的北京新型研发机构创新模式研究孟潇，李梦茹，孙若丹 /
基于科研工作流程的科研数据共享意愿因素再挖掘——以德国UNEKE调研数据为例周雷，杨萍 /

综合类
国家人工智能治理体系建设研究——以中国与美国为例许玥姮 /
重大赛事食品安全保障政策研究及启示燕娜，陈佳宇，郭建伟，翟杨 /
科技信息时代下的人力资源管理数字化转型张晓静 /
HACCP控制体系在体育赛事食品安全中的应用研究陈佳宇，燕娜，张素娟，郭建伟 /
北京市科技工作者状况调查站点经验做法与功能作用邵颖，张惠娜，付宏 /
公立基础教育中应重视科技教育——日本科技教育政策演变及应对“宽松教育”措施的启示赵芳，刘彦君 /
英国公共卫生体系建设特点及科技社团在突发公共事件中的作用王晓迪，筱雪，张炜 /
北京市科技工作者状况调查站点功能发挥问题及对策建议张惠娜，邵颖，付宏 /
基于突发公共卫生事件下中国各省市出台交通利民措施的思考张媛 /
科技声像情报实践应用研究赵宏伟 /
B市科技项目组织方式变化和预算方向变革分析刘平平，邵颖，杨新生 /
国外科技经费管理比较与分析刘平平，杨新生，邵颖 /
重大突发事件的科学传播体系问题研究及建议——以新冠肺炎疫情为例叶浅草，王彦峰 /

内容摘要
计算机视觉任务包括低层图像处理和高层图像认知两部分。目标检测、分割和图像分类为高层图像认知的核心任务。目标检测算法性能的提高，不但可以为其他视觉任务提供精准的基础信息，还可推动与之相关的技术的发展。
目标检测方法主要分为两类：基于候选框的两阶段法，该方法首先使用某种策略选出候选区域（region of interest，ROI），然后对每个候选区域的特征进行分类和回归；基于回归的一阶段法，该方法直接使用卷积神经网络预测目标类别与位置。这两类方法虽然流程不同，但有一个共同点，即只关注图像ROI内的局部信息。此类方法通过不完整的目标特征来推断目标的完整状态，当被应用于目标模糊、目标被遮挡等复杂场景时，性能会下降，即准确率受环境光照、相机位置、相机性能等外部条件及物体自身形变等因素影响。
基于CNN网络的检测算法[1]验证了充分提取上下文信息对目标检测有很大意义，可辅助克服以上干扰。基于此，本文提出了一种用于无监督目标检测的域自适应关系网络（rela-tion network for domain adaptation,RNDA）。该网络能将目标域图像的分布与源域图像的分布在全局特征上选择性对齐，在局部特征上严格对齐，以此获取更高的检测精度。
1相关方法
针对物体形变、视角变化、遮挡、背光等复杂情况，若仅分析物体本身的视觉信息，会因信息量太少导致检测精度下降。上下文信息可以认为是语境信息，指所有影响场景及其中物体被感知的信息[2]。有研究表明，在检测模型中引入上下文信息，能丰富特征信息，改善目标检测算法的性能[2-4]。图像上下文信息可分为三类：局部上下文、全局上下文和目标关系上下文。也有研究者使用了其他分类法：A.Torralba等人将其划分为空间上下文、语义上下文和尺度上下文[4]；Chen等人将其简化为场景级上下文和目标关系上下文[1]。
在深度学习算法出现之前，物体关系被用于检验检测结果的正确性。DPM算法使用共生模式调整预测框的置信度[5]，M.J.Choi等人则考虑了空间位置和尺寸的约束[6]近来，基于深度学习的目标检测算法也开始使用上下文来提升模型性能。S.Bell等人提出了ION网络，外部使用循环神经网络整合ROI周围的上下文信息，内部融合不同E的ROI特征[7]。A.Shrivastava等人提出CPF网络，提供自上而下的上下文分割，通过分割迭代反馈[3]。Li等人提出AC-CNN网络，将多尺度CNN特征作为局部上下文特征，利用LSTM聚集全局上下文特征，然后结合两种特征进行目标检测[9]。Ouyang等人提出Deep-ID网络，将图像的全局上下文信息融入目标检测，同时构造了一个形变层，可解决姿态变化、目标形变和遮挡等问题[10]。C.Farabet等人则在一个大窗口预测每个像素的位置标签，以达到融合目标周围上下文的目的[1]。此外，融合上下文的网络结构亦有很多，这些网络结构已成为目标检测的常用工具。K.Kuan等人提出了一种候选区域平均池化的方法，利用场景中其他候选区域的上下文特征来增强待预测候选区域的特征表达“Wang等人提出PCN模型用于行人检测，其上下文分支引入了局部竞争机制以自适应地选择上下文尺度[13]
域自适应的无监督模型[14-15）]认为场景上下文中的整体布局信息和类别信息是实现跨领域检测的关键因素，即上下文在无监督模型中非常必要。相比于分类问题，域自适应目标检测还需预测目标位置。Chen等人认为数据集的偏移通常发生在整体布局、场景明亮度等场景级别及目标的外观、类别等目标级别，基于此，他们提出 DA Faster R-CNN网络，在场景和目标两方面缩小不同域间的差别[14]。
2域自适应关系网络
对于目标检测，图像中的每个物体都需要被标注精确的边界框，这需要消耗大量的人力、物力。将在有标签域上训练的模型迁移到无标签域，是一个有效的替代办法，但不同数据集的差异性使得模型效果差异较大。
近来无监督的域自适应方法被提出用以改善数据集的差异，传统做法是完全对齐不同域之间的整体分布来减少差异[1+-15]。对齐整体分布意味着对齐不同域之间的类别数目、物体之间的组合方式和场景分布，而严格地对齐不同分布只在非常相似的问题中才有效。如果两张图像整体差异非常大，那么严格对齐是不可行的，例如源域有多类物体，而目标域只有单类物体，严格对齐会丢弃一些固有属性信息。对齐纹理、颜色等局部特征，会提高精度，因为它能减小域之间的差异且不改变任何全局特征的关键性语义信息。
目标间的关系含有丰富的上下文信息，引入目标关系可以为无监督学习提供更多任务导向信息，减少模型中无关特征的表达。基于以上思考，本文提出了一种域自适应关系网络用于无监督目标检测。
2.1网络结构
本文提出的域自适应关系网络旨在将目标域图像的分布与源域图像的分布在全局特征上选择性对齐，在局部特征上严格对齐。全局特征对齐网络可忽视整体不相同、易于区分源域和目标域的图像，重视整体相似、难以区分源域和目标域的图像。局部特征对齐网络严格对……

精彩内容
本论文集是以“百年变局形势下的科技情报创新与发展”为主题，其中的论文是从北京科学技术情报学会2020年学术年会论文征文中挑选出来的。入选的论文主要包括以下几个方面：面向中国特色新型智库建设的科技情报创新、面向科技安全的情报价值实现与功能拓展、科技情报创新与自有信息资源体系建设、智库化功能拓展的科技情报服务创新、新冠肺炎疫情对科技情报行业创新发展的影响及应对措施、新形势下的情报学科发展及科技情报工作变革研究等。这些都基本反映了一年来北京科技情报学界专家、学者对科技情报工作的理论探讨，科技情报科研人员在实际工作中的实践创新，运用技术的研发，公共服务平台的构建，产业创新体系的强化，科技情报工作理论的探索和经验总结。

— 没有更多了 —