检索结果

Select

1. 基于孪生网络和Transformer的红外弱小目标跟踪方法

崔晨辉, 蔺素珍, 李大威, 禄晓飞, 武杰

《计算机应用》唯一官方网站 2024, 44 (2): 563-571. DOI: 10.11772/j.issn.1001-9081.2023020167

摘要（93）

HTML （2）

PDF （3513KB）（58）

针对红外弱小目标跟踪准确性较低这一问题，提出一种基于孪生网络和Transformer的红外弱小目标跟踪方法。首先，构建多特征提取级联模块分别提取红外弱小目标模板帧和搜索帧的深度特征，并将二者分别与其对应的HOG特征进行维度层面的串联；其次，引入多头注意力机制Transformer进行模板特征图和搜索特征图的互相关操作，生成响应图；最后，通过响应图上采样网络和边界框预测网络，获得目标在图像的中心位置和回归边界框，完成对红外弱小目标的跟踪。在包含13 655张红外图像数据集上的测试结果表明：与KeepTrack跟踪方法相比，成功率提高5.9个百分点，精确率提高1.8个百分点；与TransT（Transformer Tracking）方法相比，成功率提高14.2个百分点，精确率提高14.6个百分点，证明所提方法对复杂背景下的红外弱小目标跟踪准确性更高。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于内存的HBase二级索引设计

崔晨, 郑林江, 韩凤萍, 何牧君

计算机应用 2018, 38 (6): 1584-1590. DOI: 10.11772/j.issn.1001-9081.2017112777

摘要（529）

PDF （1073KB）（348）

在大数据时代，具有海量数据存储能力的HBase已被广泛应用。HBase只对行键进行了索引优化，对非行键的列未建立索引，这严重影响了复杂条件查询的效率。针对此问题，提出了基于内存的HBase二级索引方案。该方案对需要查询的列建立了映射到行键的索引，并将索引存储在Spark搭建的内存环境中，在查询时先通过索引获取行键，然后利用行键在HBase中快速查找对应的记录。由于列的基数大小和是否涉及范围查询决定了建立索引的类型，故针对三种不同情况构建了不同类型的索引，并利用Spark内存计算、并行化的特点来提高索引的查询效率。实验结果表明，该二级索引具有较好的查询性能，查询时间小于基于Solr的二级索引，可以解决HBase中因非行键的列缺乏索引导致查询效率较低的问题，提高基于HBase存储的大数据分析的查询效率。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于孪生网络和 Transformer 的红外弱小目标跟踪方法

崔晨辉蔺素珍李大威禄晓飞武杰

《计算机应用》唯一官方网站
录用日期: 2023-09-21