• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    細(xì)粒度

    • 細(xì)粒度云數(shù)據(jù)自適應(yīng)去重方法研究
      有幫助[1]。細(xì)粒度云數(shù)據(jù)指的是各個(gè)方面信息都非常詳細(xì)具體的云數(shù)據(jù),具有多層次化與高效化的特點(diǎn)。與傳統(tǒng)意義上的云數(shù)據(jù)存在一定差異,細(xì)粒度云數(shù)據(jù)獲取的難度較高,需要經(jīng)過大量的訓(xùn)練與學(xué)習(xí)才能獲得。隨著數(shù)據(jù)量的快速增長,細(xì)粒度云數(shù)據(jù)中不可避免會(huì)存在各類重復(fù)數(shù)據(jù)。相似重復(fù)的數(shù)據(jù)一方面消耗了大量不必要的存儲(chǔ)空間與人力開支,另一方面增大了云數(shù)據(jù)的管理難度,降低了云數(shù)據(jù)管理的效率與質(zhì)量[2]。基于此,科學(xué)合理的細(xì)粒度云數(shù)據(jù)去重方法至關(guān)重要。當(dāng)前,傳統(tǒng)的云數(shù)據(jù)去重方法逐步

      電腦與電信 2023年9期2024-01-14

    • 基于代價(jià)敏感的細(xì)粒度服裝圖片檢索
      檢索技術(shù)逐漸向細(xì)粒度方向深入發(fā)展。細(xì)粒度服裝圖片檢索主要通過對(duì)圖像的相似度進(jìn)行比較實(shí)現(xiàn)[1-4],該類方法在服裝圖片像素層面構(gòu)建檢索模型提取全局或局部特征進(jìn)行相似度的排序比較。然而,細(xì)粒度服裝圖片檢索中廣泛存在類別不平衡問題,即當(dāng)部分類別數(shù)量遠(yuǎn)高于其他類別數(shù)量時(shí),在學(xué)習(xí)過程中通常會(huì)導(dǎo)入有利于數(shù)量占比多類別的分布偏差,導(dǎo)致數(shù)量少類別的條件概率被低估,從而影響分類和檢索結(jié)果。由于相同類別服裝圖片之間高度相似,以及部分服裝圖片數(shù)據(jù)集存在類別不平衡現(xiàn)象,面向服裝圖

      軟件導(dǎo)刊 2023年10期2023-10-31

    • 結(jié)合金字塔和長短期記憶網(wǎng)絡(luò)的細(xì)粒度圖像分類
      引 言近年來,細(xì)粒度圖像分類在學(xué)術(shù)界和工業(yè)界都展現(xiàn)出巨大的應(yīng)用前景[1,2].與一般的圖像分類[3]不同,細(xì)粒度圖像分類的目的是在于從一個(gè)大類的各子類中識(shí)別出細(xì)微的視覺差異,比如,鳥的種類[4]、汽車品牌[5]和飛機(jī)型號(hào)[6].由于這種差異通常太小而難以被人類區(qū)分,導(dǎo)致從圖像中挖掘局部細(xì)微差異成為細(xì)粒度圖像分類任務(wù)的關(guān)鍵問題之一.為了解決這個(gè)問題,目前大多數(shù)的方法主要集中在兩個(gè)方面,即定位多樣性的局部和提取鑒別性的特征.最近的研究表明,特征金字塔[7,8]

      小型微型計(jì)算機(jī)系統(tǒng) 2023年8期2023-08-29

    • 基于鑒別注意力融合的儀表細(xì)粒度分類方法
      些研究者們應(yīng)用細(xì)粒度圖像分類算法挖掘儀表的鑒別特征。文獻(xiàn)[1]通過圖像生成器增廣數(shù)據(jù)集,從而為細(xì)粒度分類模型提供更多可鑒別粒度;文獻(xiàn)[2]使用基于注意力機(jī)制的裁剪方式增廣圖像達(dá)到擴(kuò)充訓(xùn)練數(shù)據(jù)集的目的,提高了細(xì)粒度識(shí)別的準(zhǔn)確率。圖1 某變電站儀表數(shù)據(jù)示例圖針對(duì)上述儀表數(shù)據(jù)的特點(diǎn),該文提出了基于鑒別注意力融合的儀表細(xì)粒度圖像分類方法,設(shè)計(jì)的鑒別注意力模塊(Discriminant Attention Model,DAM)是通過雙線性池化進(jìn)行融合的,亮點(diǎn)在于利用

      計(jì)算機(jī)技術(shù)與發(fā)展 2023年7期2023-07-21

    • 基于高低階特征交互學(xué)習(xí)的點(diǎn)擊率預(yù)測(cè)模型研究
      階特征進(jìn)行更加細(xì)粒度的特征交互,實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)更細(xì)粒度的高階交互特征,兼顧高低階特征學(xué)習(xí),獲取更加全面的潛在特征相關(guān)性。在Criteo和Avazu兩個(gè)公開的大數(shù)據(jù)集上實(shí)驗(yàn)發(fā)現(xiàn),與已提出的相關(guān)模型相比較,新模型在性能方面均有所提升。關(guān)鍵詞:點(diǎn)擊率;高低階特征交互;壓縮交互網(wǎng)絡(luò);細(xì)粒度中圖分類號(hào):TP39文獻(xiàn)標(biāo)志碼:A0 引言2023年1月12日發(fā)布的《2022中國互聯(lián)網(wǎng)廣告數(shù)據(jù)報(bào)告》顯示,2022年,國內(nèi)互聯(lián)網(wǎng)廣告市場(chǎng)規(guī)模已達(dá)5 088億元,規(guī)模巨大。

      無線互聯(lián)科技 2023年5期2023-05-24

    • 基于細(xì)粒度特征與注意力機(jī)制的機(jī)載圖像匹配
      ,無法在不破壞細(xì)粒度特征的同時(shí)獲取全局特征關(guān)聯(lián)。為此,學(xué)者們將具有全局感受野的注意力機(jī)制[7]引入機(jī)載圖像匹配任務(wù),如文獻(xiàn)[8-9]分別基于空間轉(zhuǎn)換器[10](Spatial Transformer, ST)和視覺轉(zhuǎn)換器[11](Vision Transformer, ViT)來處理多視角機(jī)載圖像匹配問題。但上述方法在特征提取階段忽略了匹配圖像間的關(guān)聯(lián)關(guān)系。而文獻(xiàn)[12]已證明,進(jìn)一步學(xué)習(xí)圖像間的相似性特征能有效提高后續(xù)匹配的精度。因此,本文提出了一種基于

      航天控制 2023年2期2023-05-12

    • 基于視覺一致性增強(qiáng)的細(xì)粒度圖像檢索
      制化和精細(xì)化,細(xì)粒度圖像檢索近年來逐漸受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。對(duì)于給定的屬于同一大類(如,狗)的圖像,細(xì)粒度圖像檢索旨在進(jìn)一步檢索屬于相同子類的圖像(如,沃克獵犬和巴塞特犬)。相較于經(jīng)典圖像檢索,細(xì)粒度圖像檢索的主要難點(diǎn)包括:(1)類間差異小。不同子類的圖像高度相似,區(qū)分性的差異信息僅體現(xiàn)細(xì)微的局部區(qū)域;(2)類內(nèi)差異大。相同子類的圖像由于姿態(tài)、光照、背景和拍攝角度的不同,差異巨大難以區(qū)分。因此,將經(jīng)典圖像檢索算法應(yīng)用在細(xì)粒度圖像數(shù)據(jù)集[8-11]上

      計(jì)算機(jī)技術(shù)與發(fā)展 2022年12期2022-12-11

    • 基于混合蟻群優(yōu)化的邊緣計(jì)算細(xì)粒度任務(wù)調(diào)度方法
      ,實(shí)現(xiàn)邊緣計(jì)算細(xì)粒度任務(wù)高效率調(diào)度,以期為邊緣計(jì)算任務(wù)調(diào)度問題提供參考和借鑒。1 邊緣計(jì)算細(xì)粒度任務(wù)調(diào)度的原理邊緣計(jì)算細(xì)粒度任務(wù)調(diào)度屬于一種連續(xù)性問題,使用單一的蟻群算法進(jìn)行調(diào)度,容易產(chǎn)生收斂速度慢,計(jì)算時(shí)間長,易于過早陷入局部最優(yōu)的問題。為此,本文引入遺傳算法,構(gòu)建混合蟻群算法對(duì)細(xì)粒度任務(wù)調(diào)度進(jìn)行優(yōu)化,解決單一蟻群算法易于過早陷入局部最優(yōu)的問題,提高邊緣計(jì)算細(xì)粒度任務(wù)調(diào)度性能,具體描述如下。1.1 問題描述邊緣計(jì)算任務(wù)調(diào)度是指將原本應(yīng)由本地服務(wù)器或中心云

      計(jì)算機(jī)測(cè)量與控制 2022年11期2022-12-01

    • 基于貝葉斯算法的弱監(jiān)督細(xì)粒度圖像分類方法
      類的視覺判讀。細(xì)粒度圖像分類是近年來計(jì)算機(jī)視覺、模式識(shí)別等領(lǐng)域的研究熱點(diǎn)之一,其為一種類似于傳統(tǒng)圖像分類任務(wù)的分類方法。由于細(xì)粒度圖像的信噪比很小,而具有足夠分辨力的信息通常只存在于很小的局部區(qū)域,因此細(xì)粒度圖像的分類比一般的圖像分類更具挑戰(zhàn)性。該方法只需對(duì)圖像進(jìn)行分類就可以解決局部區(qū)域的定位問題,并在保證分類精度的前提下,可以有效地減少計(jì)算量。細(xì)粒度圖像的分類是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。常用的弱監(jiān)督細(xì)粒度圖像分類方法主要有基于卷積神經(jīng)網(wǎng)絡(luò)的細(xì)粒度圖像分類方法

      計(jì)算機(jī)仿真 2022年9期2022-10-25

    • CNN和Transformer在細(xì)粒度圖像識(shí)別中的應(yīng)用綜述
      0022近年,細(xì)粒度圖像識(shí)別在計(jì)算機(jī)視覺、模式識(shí)別等領(lǐng)域掀起了一陣熱潮,其在學(xué)術(shù)界和工業(yè)界都獲得了極大的關(guān)注度,在智能零售系統(tǒng)[1-2]、生物多樣性監(jiān)測(cè)[3]等領(lǐng)域具有廣泛的應(yīng)用價(jià)值。而傳統(tǒng)的計(jì)算機(jī)視覺研究方法不能夠勝任復(fù)雜的細(xì)粒度圖像識(shí)別任務(wù),因此許多研究將深度學(xué)習(xí)技術(shù)[4]應(yīng)用于細(xì)粒度圖像識(shí)別領(lǐng)域,其在定位局部、特征表示,分類等方面都取得了良好的效果。由于人類視覺系統(tǒng)本質(zhì)上對(duì)細(xì)粒度圖像[5]具有推理能力,不僅能識(shí)別出狗類和鳥類,還能區(qū)分出具有細(xì)微差異的

      計(jì)算機(jī)工程與應(yīng)用 2022年19期2022-10-18

    • 基于深度聚類的目標(biāo)細(xì)粒度分類方法
      0065)引言細(xì)粒度目標(biāo)分類又被稱為子類圖像分類,是近幾年計(jì)算機(jī)視覺領(lǐng)域熱門且富有挑戰(zhàn)的研究課題之一[1]。與傳統(tǒng)的粗粒度分類問題不同,細(xì)粒度分類根據(jù)目標(biāo)關(guān)鍵位置或區(qū)域的特征屬性實(shí)現(xiàn)類內(nèi)更精細(xì)劃分,如圖1 所示。根據(jù)毛發(fā)、眼睛、體型實(shí)現(xiàn)狗的不同品種區(qū)分,如數(shù)據(jù)集Stanford Dogs[2];根據(jù)眼瞼、羽毛、喙、尾巴等特征實(shí)現(xiàn)對(duì)鳥品種的區(qū)分,如數(shù)據(jù)集CUB200[3];根據(jù)尺寸、外觀、長寬比等特征實(shí)現(xiàn)不同飛機(jī)類型的區(qū)分等,如數(shù)據(jù)集FGVC。圖 1 細(xì)粒度

      應(yīng)用光學(xué) 2022年4期2022-09-13

    • 添加晶粒長大抑制劑對(duì)細(xì)粒度金剛石復(fù)合片燒結(jié)的影響
      密度加工領(lǐng)域,細(xì)粒度刀具用PCD刀具的優(yōu)勢(shì)更為明顯。目前高質(zhì)量的細(xì)粒度PCD復(fù)合片產(chǎn)品主要從國外進(jìn)口,因?yàn)榇蟪叽?span id="j5i0abt0b" class="hl">細(xì)粒度PCD復(fù)合片的制造技術(shù)難度大。通常在制備過程中合成腔體越大,其溫度、壓力梯度越大,導(dǎo)致大尺寸細(xì)粒度PCD復(fù)合片容易在合成過程出現(xiàn)金剛石顆粒異常長大的情況,嚴(yán)重影響了產(chǎn)品的質(zhì)量及穩(wěn)定性[1-8]。本文研究了添加兩種不同的晶粒長大抑制劑TiC和cBN對(duì)細(xì)粒度PCD復(fù)合片晶粒異常生長的影響,嘗試通過添加抑制劑控制金剛石晶粒異常長大,得到具有均勻顯

      超硬材料工程 2022年2期2022-08-29

    • 基于細(xì)粒度實(shí)體分類的對(duì)比研究
      展到更深層次的細(xì)粒度實(shí)體類型。由于上游分配粗粒度的實(shí)體類型,后續(xù)選取實(shí)體間的候選關(guān)系就會(huì)復(fù)雜,相應(yīng)的關(guān)系抽取任務(wù)會(huì)變得愈加困難,于是就促進(jìn)了細(xì)粒度實(shí)體分類任務(wù)的研究。通過細(xì)粒度實(shí)體分類概念的引入,有效地將粗粒度的實(shí)體類型標(biāo)簽細(xì)化、層次化,從而使得下游任務(wù)(關(guān)系抽取、事件抽取、問答系統(tǒng)、實(shí)體推薦等)的工作效率降低,提高工作效率。細(xì)粒度實(shí)體分類[2](Fine-grained Entity Typing,F(xiàn)ET)在給定實(shí)體指稱的情況下,依據(jù)其上下文給實(shí)體指稱賦

      重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版) 2022年4期2022-07-19

    • 網(wǎng)絡(luò)監(jiān)督數(shù)據(jù)下的細(xì)粒度圖像識(shí)別綜述
      940 引 言細(xì)粒度圖像識(shí)別是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的基礎(chǔ)研究課題,旨在對(duì)某一傳統(tǒng)語義類別下細(xì)粒度級(jí)別的不同子類類別進(jìn)行視覺識(shí)別(Wei等,2019b),如不同子類的狗、不同子類的鳥、不同車型的汽車等。細(xì)粒度圖像識(shí)別是視覺感知嵌入的基礎(chǔ)性工作(Belongie,2017),長期受到計(jì)算機(jī)視覺界的高度關(guān)注,美國的斯坦福大學(xué)、加州大學(xué)伯克利分校、哥倫比亞大學(xué)、英國牛津大學(xué)等一些計(jì)算機(jī)學(xué)科的頂尖單位都是該領(lǐng)域非?;钴S的研究機(jī)構(gòu)(Berg等,2014;Jader

      中國圖象圖形學(xué)報(bào) 2022年7期2022-07-15

    • 融合弱監(jiān)督目標(biāo)定位的細(xì)粒度小樣本學(xué)習(xí)
      別。進(jìn)一步地,細(xì)粒度圖像識(shí)別旨在對(duì)屬于相同類別的不同子類的圖像進(jìn)行分類,例如各種鳥類、各種狗類和各種汽車的識(shí)別。區(qū)分一個(gè)子類與另一子類的特征通常是細(xì)微的和局部的,這使得細(xì)粒度圖像分類比常規(guī)圖像分類更具挑戰(zhàn)性。因此大多數(shù)現(xiàn)有的細(xì)粒度分類方法需要大量的訓(xùn)練數(shù)據(jù)來學(xué)習(xí)一個(gè)更魯棒性的分類器。但是由于標(biāo)注細(xì)粒度圖像需要專業(yè)知識(shí),例如標(biāo)注各種鳥類可能需要求助鳥類學(xué)家等,而且許多細(xì)粒度方法還需要有邊界框標(biāo)注等。這些都給細(xì)粒度圖像標(biāo)注帶來巨大成本。此外,許多瀕臨滅絕和稀有

      中國圖象圖形學(xué)報(bào) 2022年7期2022-07-15

    • 基于優(yōu)化錨點(diǎn)的細(xì)粒度文本檢測(cè)與識(shí)別
      文本檢測(cè)模型在細(xì)粒度文本檢測(cè)過程中會(huì)出現(xiàn)斷連、漏檢的情況,尤其是在細(xì)粒度的文本場(chǎng)景下。針對(duì)以上問題,提出了一種細(xì)粒度文本檢測(cè)算法。該算法基于CTPN模型網(wǎng)絡(luò)進(jìn)行改進(jìn),重新設(shè)計(jì)了垂直錨點(diǎn)尺度,以適應(yīng)細(xì)粒度文本的特征;同時(shí)調(diào)整主干網(wǎng)絡(luò)的結(jié)構(gòu)適應(yīng)錨點(diǎn)的尺度。在anchor的連接過程中采用了自適應(yīng)間隔的連接方式,從而保留水平語義信息的完整性。文本識(shí)別階段采用CRNN方式進(jìn)行識(shí)別。通過PyTorch環(huán)境驗(yàn)證細(xì)粒度的發(fā)票數(shù)據(jù)集,所提方法相比于原CTPN文本定位方法效果

      電腦知識(shí)與技術(shù) 2022年10期2022-05-30

    • 基于模板的軟件缺陷修復(fù)推薦方法
      ]第一次提出從細(xì)粒度的代碼修改序列中識(shí)別未知的頻繁代碼修改模式,并分析修改模式,歸納了10種高級(jí)程序轉(zhuǎn)換模式.Zhao等人[4]開發(fā)了一種代碼更改自動(dòng)分類工具CTforC,它依據(jù)代碼更改將其分成5種更改類型和9種更改子類型.雖然這些方法在修復(fù)bug方面有一定的幫助,剖析了較常用的修復(fù)模式,但是修復(fù)模板涉及人工手動(dòng)分析,模板較單一,能提供的修復(fù)信息適合有針對(duì)性的代碼修復(fù).目前,深度學(xué)習(xí)技術(shù)廣泛應(yīng)用于缺陷定位、缺陷預(yù)測(cè)和缺陷修復(fù)等方面[5-7].Tufano等

      小型微型計(jì)算機(jī)系統(tǒng) 2022年5期2022-05-10

    • 基于詞典分類器的細(xì)粒度機(jī)構(gòu)名識(shí)別
      針對(duì)開放領(lǐng)域的細(xì)粒度命名實(shí)體識(shí)別。如盛劍等[2]采用LSTM-CNN-CRF完成中文細(xì)粒度命名實(shí)體識(shí)別,其F1值為0.8左右;Xu, Liang等[3]采用RoBERTa-wwm-large[4]模型對(duì)CLUENER20 20數(shù)據(jù)集實(shí)現(xiàn)細(xì)粒度命名實(shí)體識(shí)別,其F1值為0.8042。在開放領(lǐng)域下人名、機(jī)構(gòu)名、地名的研究十分必要,其中機(jī)構(gòu)名所占比重較高,但由于機(jī)構(gòu)名結(jié)構(gòu)復(fù)雜、罕見詞多且存在別名、縮略詞(如“哈佛”與“哈佛大學(xué)”)、數(shù)據(jù)文本中存在英文實(shí)體等問題,因

      計(jì)算機(jī)工程與設(shè)計(jì) 2022年1期2022-02-15

    • 基于注意力機(jī)制的弱監(jiān)督細(xì)粒度圖像分類①
      而更加精細(xì)化的細(xì)粒度圖像分類更加值得關(guān)注,例如在生態(tài)保護(hù)場(chǎng)景中識(shí)別不同種類的珍稀鳥類,水稻種植生產(chǎn)中識(shí)別不同種類的蟲害,新零售場(chǎng)景下對(duì)同類食品的細(xì)分類等等.利用計(jì)算機(jī)視覺方法識(shí)別細(xì)粒度類別(如鳥類[1,2]、花卉[3,4]、狗類[5,6]、車型[7]等)的技術(shù)已引起研究者們的廣泛關(guān)注[8-10].其中能夠準(zhǔn)確定位和表示類別中細(xì)微視覺差異的細(xì)粒度圖像識(shí)別技術(shù)是非常具有挑戰(zhàn)性的.1.1 細(xì)粒度圖像分類的研究歷史與現(xiàn)狀隨著計(jì)算機(jī)硬件算力的提升,深度學(xué)習(xí)技術(shù)被廣泛

      計(jì)算機(jī)系統(tǒng)應(yīng)用 2021年10期2022-01-06

    • 一種基于注意力機(jī)制的細(xì)粒度圖像分類方法
      650500)細(xì)粒度圖像分類(FGVC)作為當(dāng)前研究的熱點(diǎn),與常規(guī)的粗粒度圖像分類相比,為人們提供了更加詳細(xì)的圖像信息,并可以區(qū)分圖像中的各基本級(jí)別的類別.例如,鳥類和車輛之間存在細(xì)微的視覺差異[1-2],在區(qū)分圖像中鳥和車的同時(shí),還能分別出鳥類和車輛的特定種類和類別.由于傳統(tǒng)的圖像分類方法無法產(chǎn)生良好的分類效果,研究人員開始將深度學(xué)習(xí)技術(shù)引入到圖像分類、識(shí)別任務(wù)中[3].目前關(guān)于細(xì)粒度圖像分類的研究已取得一些成果.例如,Huang等[4]提出1種基于多視

      云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版) 2021年6期2021-12-02

    • 基于改進(jìn)膠囊網(wǎng)絡(luò)的文本細(xì)粒度情感分類方法
      2]提出了基于細(xì)粒度多通道卷積神經(jīng)網(wǎng)絡(luò)的文本情感分析方法,該方法可深入挖掘文本深層次的語義信息,實(shí)現(xiàn)文本情感分析,但是該方法不適用于文本樣本數(shù)較多的情況。文獻(xiàn)[3]提出融合注意力機(jī)制的多語言文本情感分析方法,該方法的優(yōu)勢(shì)在于可實(shí)現(xiàn)多語言文本情感分析,但對(duì)具有歧義的文本情感的分類精度有待優(yōu)化。針對(duì)上述問題,以文本細(xì)粒度情感分析為主,細(xì)粒度情感可以在指定的角度分析文本的情感態(tài)度,提出基于改進(jìn)膠囊網(wǎng)絡(luò)的文本細(xì)粒度情感分類方法,以期實(shí)現(xiàn)文本細(xì)粒度情感分類。2 基于

      計(jì)算機(jī)仿真 2021年10期2021-11-19

    • 基于注意力特征融合的SqueezeNet 細(xì)粒度圖像分類模型
      650500)細(xì)粒度圖像分類問題的目標(biāo)是對(duì)子類進(jìn)行識(shí)別,如區(qū)分不同種類的狗、鳥、飛機(jī)等,是計(jì)算機(jī)視覺領(lǐng)域一項(xiàng)具有挑戰(zhàn)性的研究課題. 細(xì)粒度圖像分類難點(diǎn)在于子類別間細(xì)微的類間差異和較大的內(nèi)類差異. 傳統(tǒng)的分類算法不得不依賴于大量的人工標(biāo)注信息,但隨著深度學(xué)習(xí)的發(fā)展,基于深度卷積特征的算法被大量提出,深度卷積神經(jīng)網(wǎng)絡(luò)為細(xì)粒度圖像分類帶來了許多新的機(jī)遇,促進(jìn)了該領(lǐng)域的快速發(fā)展.文獻(xiàn)[1]提出的姿態(tài)規(guī)范化細(xì)粒度識(shí)別框架,首先使用可變形部件模型通過語義部件的特征點(diǎn)計(jì)

      云南大學(xué)學(xué)報(bào)(自然科學(xué)版) 2021年5期2021-10-14

    • 細(xì)粒度圖像分類的深度學(xué)習(xí)方法
      缺失等問題。而細(xì)粒度圖像處于這兩者的中間狀態(tài),兼具了語義級(jí)圖像分類特征難以提取和定位以及實(shí)例級(jí)圖像分類中類間差異小而類內(nèi)差異大的問題,但同時(shí)該領(lǐng)域的研究往往會(huì)大量借鑒前兩個(gè)領(lǐng)域的研究成果。細(xì)粒度圖像分類旨在區(qū)分同一類別的子類別,如識(shí)別出車的品牌、鳥的種類、貓的品種等,也可叫作子類別分類。相較于對(duì)象識(shí)別等語義級(jí)圖像分類任務(wù),細(xì)粒度圖像往往需要借助非常微小的局部差異才能區(qū)分出不同的類別。和人臉識(shí)別等實(shí)例級(jí)分類任務(wù)相比,細(xì)粒度圖像的類內(nèi)差異更加巨大,并且受到姿勢(shì)

      計(jì)算機(jī)與生活 2021年10期2021-10-12

    • 深度學(xué)習(xí)在細(xì)粒度圖像識(shí)別中的應(yīng)用綜述
      “鳥”.然而,細(xì)粒度圖像識(shí)別(fine-grained image recognition,F(xiàn)GIR)則是針對(duì)同一大類別下的不同子類別給予識(shí)別,比如對(duì)不同子類別的“狗”的識(shí)別.相對(duì)圖像識(shí)別技術(shù),細(xì)粒度識(shí)別的準(zhǔn)確率還有較大的提升空間,事實(shí)上,細(xì)粒度識(shí)別任務(wù)的挑戰(zhàn)性比較大,主要是由于來自不同子類的目標(biāo)之間的零部件構(gòu)成普遍相同,相同子類的各個(gè)零部件之間卻又有豐富的多樣性,這些因素導(dǎo)致機(jī)器很難準(zhǔn)確識(shí)別這些目標(biāo)圖像的類別,甚至導(dǎo)致普通人類也很難辨別這些差異和多樣性,

      北京工業(yè)大學(xué)學(xué)報(bào) 2021年8期2021-08-05

    • 選煤廠超細(xì)粒度物料高效回收新工藝的探索與應(yīng)用
      此,必須探索超細(xì)粒度物料高效回收新方法,進(jìn)行超細(xì)粒度物料的深度回收,才能解決制約選煤廠生產(chǎn)經(jīng)營中存在的問題。一、現(xiàn)狀分析及存在的問題1.普通分級(jí)旋流器分級(jí)粒度大、濃度低使用普通分級(jí)旋流器進(jìn)行中矸磁尾和TBS底流中的粗粒物料回收,分級(jí)粒度在0.2—0.25mm,底流濃度在300—350g/L,大部分0.2—0.25mm以下的細(xì)顆粒會(huì)進(jìn)入溢流中,造成超細(xì)粒度物料不能有效回收。2.傳統(tǒng)的中矸磁尾回收篩篩板篩縫大,篩分效率低中矸磁尾回收篩主要用于回收超細(xì)粒度物料進(jìn)

      中文信息 2021年5期2021-07-14

    • 基于屬性感知輔助學(xué)習(xí)的細(xì)粒度性格推理
      中傾向于設(shè)定更細(xì)粒度且具體的性格特征,在商業(yè)場(chǎng)景下可以表現(xiàn)出“理性”或“善于洞察”的性格傾向,在醫(yī)療場(chǎng)景下可以表現(xiàn)出“富于同情心”或“慈愛”的性格傾向等。因此,本文提出了一種新的細(xì)粒度性格推理任務(wù),致力于從用戶的評(píng)論文本中分析用戶實(shí)時(shí)的性格傾向(如浪漫、害羞等)。首先,僅根據(jù)句子級(jí)文本來判斷用戶實(shí)時(shí)的細(xì)粒度性格傾向是本文的挑戰(zhàn)之一。現(xiàn)今,性格推理任務(wù)方法主要分為機(jī)器學(xué)習(xí)方法和深度學(xué)習(xí)方法。機(jī)器學(xué)習(xí)方法中,常用的方法有樸素貝葉斯(NB)、支持向量機(jī)(SVM)

      鄭州大學(xué)學(xué)報(bào)(理學(xué)版) 2021年2期2021-05-24

    • 交互式人臉編輯框架:只需說出指令就能美顏
      作不同,這里的細(xì)粒度編輯實(shí)際上是一條細(xì)粒度屬性的曲線軌跡。2、每個(gè)步驟里面的曲率是基于位置因素的,并且由圖像和用戶的語言請(qǐng)求決定。3、研究體系的系統(tǒng)會(huì)根據(jù)用戶請(qǐng)求和語義場(chǎng)狀態(tài)來生成反饋,這樣有助于用戶體驗(yàn)操作的對(duì)話??蒲腥藛T還提供了Celeb ADialog,一個(gè)可視化語言面部編輯數(shù)據(jù)集, 以促進(jìn)大規(guī)模研究。具體來說, 每個(gè)圖像都有手動(dòng)注釋的細(xì)粒度屬性注釋以及自然語言中基于模板的文本描述。大量的定量和定性實(shí)驗(yàn)證明了此項(xiàng)研究的框架在以下方面的優(yōu)越性:1、細(xì)粒

      海外星云 2021年21期2021-01-19

    • FACR:一種快速且準(zhǔn)確的車輛識(shí)別器*
      49)近年來,細(xì)粒度識(shí)別在計(jì)算機(jī)視覺領(lǐng)域受到廣泛關(guān)注,包括識(shí)別鳥類[1]、花類[2]、車型[3-4]、犬種[5]等。由于車型具有獨(dú)特的分層結(jié)構(gòu)和大量的子類別,細(xì)粒度車輛識(shí)別成為一個(gè)具有挑戰(zhàn)性的課題。不同于其他細(xì)粒度類別,車輛具有獨(dú)特的分層結(jié)構(gòu)[6],自頂向下分為4層,即汽車類型、生產(chǎn)商、汽車型號(hào)和生產(chǎn)年份,如圖1所示。因此,分層分類對(duì)于識(shí)別車輛是一個(gè)很好的選擇。不同于一般的圖像識(shí)別,細(xì)粒度車輛識(shí)別目的是識(shí)別車輛更精細(xì)的子類別,由于細(xì)粒度類別存在細(xì)微的局部類

      中國科學(xué)院大學(xué)學(xué)報(bào) 2021年1期2021-01-14

    • 一種基于特征點(diǎn)的卷煙商標(biāo)紙配準(zhǔn)方法
      卷煙商標(biāo)紙圖像細(xì)粒度配準(zhǔn),細(xì)粒度配準(zhǔn)的含義是基于開源的圖像配準(zhǔn)框架BIRL(Benchmark on Image Registration methods with Landmark validations)提供的彈性配準(zhǔn)方法實(shí)現(xiàn)圖像的精細(xì)配準(zhǔn)。本文的目的是提升卷煙商標(biāo)紙配準(zhǔn)的精度,并能夠?qū)φ鎮(zhèn)尉頍煂?shí)現(xiàn)有效區(qū)分。1 相關(guān)技術(shù)1.1 SIFT 算法SIFT 算法主要分為四步[9]:(1)尺度空間的建立SIFT 算法用DOG 尺度空間代替LOG 尺度函數(shù),是為

      數(shù)據(jù)與計(jì)算發(fā)展前沿 2020年4期2020-12-02

    • 基于多尺度特征融合與反復(fù)注意力機(jī)制的細(xì)粒度圖像分類算法
      復(fù)注意力機(jī)制的細(xì)粒度圖像分類算法何?凱,馮?旭,高圣楠,馬希濤(天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院,天津 300072)細(xì)粒度圖像分類是對(duì)某一類別下的圖像子類進(jìn)行精確劃分.細(xì)粒度圖像分類以其特征相似、姿態(tài)各異、背景干擾等特點(diǎn),一直是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的研究熱點(diǎn)和難點(diǎn),具有重要的研究價(jià)值.細(xì)粒度圖像分類的關(guān)鍵在于如何實(shí)現(xiàn)對(duì)圖像判別性區(qū)域的精確提取,已有的基于神經(jīng)網(wǎng)絡(luò)算法在精細(xì)特征提取方面仍有不足.為解決這一問題,本文提出了一種多尺度反復(fù)注意力機(jī)制下的細(xì)粒

      天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版) 2020年10期2020-09-03

    • 基于SVM多分類的超分辨圖像細(xì)粒度分類方法
      進(jìn)行超分辨圖像細(xì)粒度分類優(yōu)化處理,構(gòu)建超分辨圖像細(xì)粒度融合模型,結(jié)合人工智能方法進(jìn)行圖像的優(yōu)化分類,提高超分辨圖像細(xì)粒度的檢索和信息提取能力。研究超分辨圖像細(xì)粒度分類方法,在圖像數(shù)據(jù)庫構(gòu)建和優(yōu)化檢索中具有很好的應(yīng)用價(jià)值[1]。超分辨圖像細(xì)粒度分類建立在圖像的特征提取基礎(chǔ)上,通過提取超分辨圖像細(xì)粒度特征量,根據(jù)超分辨圖像細(xì)粒度特征量的分布屬性作圖像分類處理。傳統(tǒng)方法中,超分辨圖像細(xì)粒度分類方法主要有小波檢測(cè)方法、BP神經(jīng)網(wǎng)絡(luò)分類方法[2-3],以及Harri

      安陽工學(xué)院學(xué)報(bào) 2020年2期2020-06-05

    • 基于細(xì)粒度聚合單元元數(shù)據(jù)的書目資源聚合研究
      關(guān)鍵問題在于從細(xì)粒度層面深入挖掘信息資源之間的關(guān)聯(lián)及特征,現(xiàn)有的細(xì)粒度網(wǎng)絡(luò)學(xué)術(shù)資源研究主要集中在關(guān)聯(lián)數(shù)據(jù)[11-13]、知識(shí)元[14,15]、粒度劃分[16,17]等層面,這些研究為細(xì)粒度網(wǎng)絡(luò)學(xué)術(shù)資源的抽取、識(shí)別與關(guān)聯(lián)分析奠定了理論基礎(chǔ)。但關(guān)于細(xì)粒度網(wǎng)絡(luò)學(xué)術(shù)資源的劃分研究側(cè)重于從形式結(jié)構(gòu)的角度出發(fā)來構(gòu)建元數(shù)據(jù)框架[18],基于邏輯結(jié)構(gòu)劃分細(xì)粒度網(wǎng)絡(luò)學(xué)術(shù)資源的研究較少,同時(shí)也缺乏相應(yīng)的元數(shù)據(jù)描述標(biāo)準(zhǔn)。在專題數(shù)據(jù)庫開發(fā)中,書目的著錄會(huì)以資源類別(比如圖書以種類

      國家圖書館學(xué)刊 2020年6期2020-03-10

    • 基于改進(jìn)的Mask RCNN的行人細(xì)粒度檢測(cè)算法
      寸;然后,結(jié)合細(xì)粒度圖像識(shí)別技術(shù),實(shí)現(xiàn)行人的高定位精度;其次,采用全卷積網(wǎng)絡(luò)(FCN)分割前景對(duì)象,并進(jìn)行像素預(yù)測(cè)獲得行人的局部掩碼(上半身、下半身),實(shí)現(xiàn)對(duì)行人的細(xì)粒度檢測(cè); 最后,通過學(xué)習(xí)行人的局部特征獲得行人的整體掩碼。為了驗(yàn)證改進(jìn)算法的有效性,將其與當(dāng)前具有代表性的目標(biāo)檢測(cè)方法(如更快速的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Faster RCNN)、YOLOv2、RFCN)在同數(shù)據(jù)集上進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的算法提高了行人檢測(cè)的速度和精度,并且降低了誤檢率。關(guān)

      計(jì)算機(jī)應(yīng)用 2019年11期2019-12-23

    • 基于聯(lián)合優(yōu)化多任務(wù)學(xué)習(xí)的細(xì)粒度圖像識(shí)別
      物種類或食物等細(xì)粒度類別仍然是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。原因是細(xì)粒度類別的外觀可能非常相似,如何識(shí)別它們?cè)陉P(guān)鍵部分上的微妙差異至關(guān)重要[2]。在深度神經(jīng)網(wǎng)絡(luò)發(fā)展之前,研究人員使用一些比較強(qiáng)大的特征,如Kernel descriptors[3]、Poof[4]和SIFT等,然后使用定位精度比較高的算法,在CUB200-2011[5]鳥類數(shù)據(jù)集上達(dá)到了50%~60%的分類精度[6]。隨著深度學(xué)習(xí)的發(fā)展,在細(xì)粒度圖像識(shí)別方向也取得了突破性進(jìn)展。如Zhang等[7]提

      陜西理工大學(xué)學(xué)報(bào)(自然科學(xué)版) 2019年6期2019-12-11

    • 一種靈活的小顆粒權(quán)限管理方法及其實(shí)踐
      “權(quán)限矩陣”的細(xì)粒度權(quán)限管理的方法(Flex?RBAC),實(shí)現(xiàn)了相應(yīng)的權(quán)限分配算法,減小了權(quán)限分配的粒度,增加了權(quán)限管理的靈活性。提出的細(xì)粒度、配置靈活的權(quán)限管理方法及設(shè)計(jì)的原型系統(tǒng),為應(yīng)用軟件的細(xì)粒度權(quán)限管理提出一種切實(shí)可行的方法。Flex?RBAC方法的創(chuàng)新點(diǎn)在于權(quán)限管理的粒度細(xì)小、配置靈活、算法實(shí)現(xiàn)簡單,具有較高的通用性。關(guān)鍵詞: Flex?RBAC; 細(xì)粒度; 權(quán)限管理; 角色; 位示權(quán)限; 權(quán)限矩陣中圖分類號(hào): TN911?34 ? ? ? ?

      現(xiàn)代電子技術(shù) 2019年11期2019-06-19

    • 基于RPN與B-CNN的細(xì)粒度圖像分類算法研究
      行分類。還包括細(xì)粒度分類[2],如對(duì)狗的不同品種進(jìn)行分類。由于細(xì)微的類內(nèi)差異,往往只能借助微小的局部差異才能分出不同的子類別,使得細(xì)粒度分類十分具有挑戰(zhàn)性。細(xì)粒度分類的方法主要包括兩種:一種是基于強(qiáng)監(jiān)督的分類模型,如Part-based R-CNN[3]不僅需要物體級(jí)標(biāo)注,還需要局部區(qū)域的標(biāo)注,這大大限制了在實(shí)際場(chǎng)景的應(yīng)用;另一種是基于弱監(jiān)督的分類模型,如B-CNN[4]僅僅需要圖像級(jí)別的標(biāo)注,不需要局部信息的標(biāo)注。因此,基于弱監(jiān)督的分類模型在識(shí)別精度上要

      計(jì)算機(jī)應(yīng)用與軟件 2019年3期2019-04-01

    • 面向細(xì)粒度隱式篇章關(guān)系識(shí)別的遠(yuǎn)距離監(jiān)督特征學(xué)習(xí)算法
      , 尚未見有關(guān)細(xì)粒度隱式篇章關(guān)系識(shí)別的研究報(bào)道。然而, 明確定位每個(gè)文本單元的篇章語義角色會(huì)更有意義。例如, 在具有“因果關(guān)系”的文本單元中, 識(shí)別出哪一個(gè)文本單元表示原因, 哪一個(gè)文本單元表示結(jié)果, 更有利于問答系統(tǒng)、文本蘊(yùn)含等任務(wù)的研究。本文將這種能表示文本單元的邏輯語義角色的篇章關(guān)系稱為細(xì)粒度篇章關(guān)系。相比粗粒度篇章關(guān)系, 細(xì)粒度篇章關(guān)系具有方向性, 屬于同種粗粒度關(guān)系下的不同細(xì)粒度關(guān)系具有語義差異(如“原因在前”和“證據(jù)在前”, 二者都屬于因果關(guān)系

      北京大學(xué)學(xué)報(bào)(自然科學(xué)版) 2019年1期2019-01-29

    • 基于多特征組合的細(xì)粒度圖像分類方法
      引言一直以來,細(xì)粒度圖像分類都是計(jì)算機(jī)視覺和模式識(shí)別等領(lǐng)域的許多研究人員感興趣的課題,但由于細(xì)粒度圖像往往擁有較大的類內(nèi)差異和細(xì)微的類間差異,其分類難度遠(yuǎn)遠(yuǎn)高于普通的圖像分類[1]。細(xì)粒度圖像的樣本通常屬于同一大類,不同子類間擁有較高的相似性,相互的區(qū)別往往體現(xiàn)在難以察覺的局部細(xì)節(jié)之上,而同一子類下的樣本又會(huì)由于拍攝距離、目標(biāo)姿勢(shì)、復(fù)雜背景和遮擋物等因素的干擾產(chǎn)生極大的差異,彼此的共性可能存在旋轉(zhuǎn)、縮放、變形和缺失的情況,因此細(xì)粒度圖像分類問題成為了機(jī)器視

      計(jì)算機(jī)應(yīng)用 2018年7期2018-08-27

    • 基于深度卷積神經(jīng)網(wǎng)絡(luò)的多任務(wù)細(xì)粒度車型識(shí)別
      經(jīng)網(wǎng)絡(luò)的多任務(wù)細(xì)粒度車型識(shí)別王海瑤1,唐 娟2,沈振輝1(1. 福建江夏學(xué)院工程學(xué)院,福建 福州 350108;2. 安徽工程大學(xué)管理工程學(xué)院,安徽 蕪湖 241000;)車型識(shí)別,尤其是細(xì)粒度車型識(shí)別是現(xiàn)代智能交通系統(tǒng)的重要組成部分。針對(duì)傳統(tǒng)車型識(shí)別方法難以進(jìn)行有效的細(xì)粒度車型識(shí)別的問題,以AlexNet、GoogleNet及ResNet等3種經(jīng)典深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)作為基礎(chǔ)網(wǎng)絡(luò),引入了車輛的類型分類作為輔助任務(wù),從而與細(xì)粒度車型識(shí)別任務(wù)一起構(gòu)成了一個(gè)多

      圖學(xué)學(xué)報(bào) 2018年3期2018-07-12

    • 在線評(píng)論情感分析研究綜述
      感極性從粒度即細(xì)粒度和粗粒度兩方面進(jìn)行情感分類。對(duì)在線評(píng)論情感進(jìn)行分析,有利于消費(fèi)者的購買決策,也有利于商家制定營銷戰(zhàn)略。討論了情感分析的現(xiàn)有不足以及面臨的挑戰(zhàn)。關(guān)鍵詞:情感分析;情感強(qiáng)度;細(xì)粒度;粗粒度;情感極性DOIDOI:10.11907/rjdk.173102中圖分類號(hào):TP3-05文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào)文章編號(hào):1672-7800(2018)002-0001-041 在線文本情感分析概述文本情感分析又稱觀點(diǎn)挖掘,它是依據(jù)計(jì)算機(jī)等先進(jìn)技術(shù)對(duì)有關(guān)新

      軟件導(dǎo)刊 2018年2期2018-03-10

    • 基于飛行軌跡的飛機(jī)飛行異常檢測(cè)算法
      法:由粗粒度到細(xì)粒度。1 算法描述如圖1所示,在5條軌跡中,明顯可以看出軌跡3屬于異常軌跡。在航空飛行中,這樣偏離正常的軌道說明飛機(jī)在這個(gè)時(shí)間段遇到了異常狀況,有可能是內(nèi)部因素(航空器異常),也有可能是外部因素(天氣因素)??傊?,在這個(gè)時(shí)間段內(nèi)有危險(xiǎn)征候,需要加強(qiáng)防范。當(dāng)軌跡出現(xiàn)異常的時(shí)候,軌跡點(diǎn)之間的夾角也隨之發(fā)生較大的偏差。因此,方向信息也可以反映出異常情況。在這種情況下,再對(duì)異常軌跡進(jìn)行細(xì)粒度劃分,如圖1中的p0p1、p1p2和p2p3三個(gè)子軌跡,以

      現(xiàn)代計(jì)算機(jī) 2018年1期2018-02-09

    • 基于學(xué)習(xí)資源的細(xì)粒度教學(xué)評(píng)價(jià)模式研究
      詞:學(xué)習(xí)資源 細(xì)粒度 教學(xué)評(píng)價(jià)模式 關(guān)鍵成功因素法教學(xué)評(píng)價(jià)作為一個(gè)完整教學(xué)過程的收尾環(huán)節(jié),其設(shè)置的合理與否很大程度上決定著整個(gè)教學(xué)過程的成功與否。目前流行的評(píng)價(jià)模式多種多樣,一般均與教學(xué)模式有著較大的關(guān)聯(lián),合理的教學(xué)評(píng)價(jià)模式既能夠服務(wù)于教師的教學(xué),又能夠充分激勵(lì)學(xué)生的學(xué)習(xí)。我們?cè)谠絹碓截S富的學(xué)習(xí)資源基礎(chǔ)上,建立了一種基于學(xué)習(xí)資源的細(xì)粒度教學(xué)評(píng)價(jià)模式。一、目前流行教學(xué)評(píng)價(jià)模式的缺點(diǎn)。1.絕大多數(shù)教學(xué)評(píng)價(jià)模式將完成教學(xué)目標(biāo)或?qū)W習(xí)目標(biāo)作為教學(xué)的唯一目的目前絕大多

      新教育時(shí)代·教師版 2018年48期2018-01-24

    • 基于型號(hào)裝備?角色的IETM訪問控制研究
      備結(jié)構(gòu)為基礎(chǔ)的細(xì)粒度數(shù)據(jù)訪問控制以及以角色、裝備用戶為基礎(chǔ)的功能操作訪問控制定義和管理,給出了權(quán)限定義和權(quán)限計(jì)算方法。根據(jù)IETM的功能及數(shù)據(jù)訪問控制需求,對(duì)交互式電子技術(shù)手冊(cè)訪問控制進(jìn)行軟件功能、控制流程及數(shù)據(jù)模型設(shè)計(jì)。采用J2EE及Web Service技術(shù)開發(fā)模塊組件,實(shí)現(xiàn)交互式電子技術(shù)手冊(cè)層級(jí)式、細(xì)粒度訪問控制。關(guān)鍵詞: 交互式電子技術(shù)手冊(cè); 訪問控制; 型號(hào)裝備; 基于型號(hào)裝備?角色的訪問控制模型; 權(quán)限; 細(xì)粒度中圖分類號(hào): TN99?34;

      現(xiàn)代電子技術(shù) 2018年1期2018-01-20

    • 基于細(xì)粒度權(quán)限質(zhì)檢管理系統(tǒng)的研究與設(shè)計(jì)
      0222)基于細(xì)粒度權(quán)限質(zhì)檢管理系統(tǒng)的研究與設(shè)計(jì)涂小琴,吳 晟(1. 云南師范大學(xué)文理學(xué)院,云南 昆明 650222;2. 昆明理工大學(xué),云南 昆明 650222)本文首先針對(duì)現(xiàn)行RBAC模型的角色管理權(quán)限粒度不夠細(xì)化的特點(diǎn),提出了一種改進(jìn)的細(xì)粒度權(quán)限模型,并詳細(xì)描述了該改進(jìn)模型的特點(diǎn)和身份驗(yàn)證的具體過程。并結(jié)合實(shí)際的質(zhì)量檢測(cè)管理系統(tǒng),從數(shù)據(jù)庫設(shè)計(jì)和角色管理兩個(gè)方面,闡述了改進(jìn)的細(xì)粒度權(quán)限控制在.NET中的設(shè)計(jì)與實(shí)現(xiàn)的具體過程。權(quán)限粒度;細(xì)粒度;身份驗(yàn)證;

      軟件 2017年12期2018-01-02

    • 基于web粒度可配的編輯鎖設(shè)計(jì)
      還可以通過配置細(xì)粒度來鎖定更少的資源,使沒必要被鎖的資源處于可被編輯狀態(tài),提高系統(tǒng)被編輯的效率和縮短了其他用戶的等待時(shí)間。關(guān)鍵詞:web;多人協(xié)作;版本沖突;編輯鎖;粒度可配;細(xì)粒度中圖分類號(hào):TP311 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-3044(2017)26-0059-02隨著大規(guī)模協(xié)作時(shí)代的到來,發(fā)動(dòng)社區(qū)內(nèi)成員共同編輯協(xié)作,集眾人之力,發(fā)揮每個(gè)人的特長,高質(zhì)量地完成某項(xiàng)任務(wù)是一件非常有意義的事情。基于“多人協(xié)作”的主要工具為wiki[1],比較有

      電腦知識(shí)與技術(shù) 2017年26期2017-11-20

    • 論子話題粒度對(duì)搜索結(jié)果多樣化算法的影響
      多樣化算法使用細(xì)粒度的子話題時(shí)表現(xiàn)更好。搜索結(jié)果多樣化;查詢意圖;子話題Abstract: The search result diversification re-ranks search results to cover as many user intents as possible in the top ranks. Most intent-aware diversification algorithms use subtopics to dive

      中文信息學(xué)報(bào) 2017年4期2017-10-11

    • 基于文本挖掘的微博文本情緒分析技術(shù)研究
      針對(duì)中文微博的細(xì)粒度情緒識(shí)別技術(shù)中的關(guān)鍵技術(shù)展開研究,分析了中文微博的研究難點(diǎn)和微博情感表達(dá)特征,提出了一種微博文本情緒顯性特征的多策略集成分析法。最后實(shí)驗(yàn)組以新浪微博中某一主題為實(shí)驗(yàn)數(shù)據(jù),對(duì)“喬任梁去世”事件這一熱點(diǎn)話題的評(píng)論文本數(shù)據(jù)集進(jìn)行分析,驗(yàn)證了該文的微博情感分析能力,同時(shí)還將情感分析結(jié)果進(jìn)行了可視化展示。關(guān)鍵詞:微博 情緒 細(xì)粒度 分析中圖分類號(hào):F83 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-3791(2017)03(a)-0209-04近幾年隨著

      科技資訊 2017年7期2017-05-06

    • 多層次細(xì)粒度并行HEVC幀內(nèi)模式選擇算法
      .cn)多層次細(xì)粒度并行HEVC幀內(nèi)模式選擇算法張峻1,2代鋒1馬宜科1張勇東11(中國科學(xué)院智能信息處理重點(diǎn)實(shí)驗(yàn)室 (中國科學(xué)院計(jì)算技術(shù)研究所)北京100190)2(中國科學(xué)院大學(xué)北京100049) (zhangjun01@ict.ac.cn)摘要在眾核平臺(tái)上并行加速是解決高效視頻編碼(high efficiency video coding, HEVC)標(biāo)準(zhǔn)編碼復(fù)雜度高的有效方法.傳統(tǒng)的粗粒度并行方案如Tiles和WPP未能在并行度和編碼質(zhì)量之間取得較

      計(jì)算機(jī)研究與發(fā)展 2016年4期2016-06-30

    • 數(shù)字圖書館細(xì)粒度知識(shí)體系標(biāo)準(zhǔn)研究*
      6)數(shù)字圖書館細(xì)粒度知識(shí)體系標(biāo)準(zhǔn)研究*盧艷蘭(河池學(xué)院圖書館,廣西 宜州 5463006)[摘要]數(shù)字圖書館知識(shí)體系已經(jīng)從傳統(tǒng)知識(shí)體系中脫離出來,進(jìn)化為當(dāng)今的立體空間網(wǎng)狀結(jié)構(gòu)??臻g中每個(gè)知識(shí)節(jié)點(diǎn)關(guān)聯(lián)一系列其他知識(shí)和信息。知識(shí)體系空間的節(jié)點(diǎn)細(xì)分程度越高,越是能夠滿足用戶多角度、全方位的知識(shí)需求。因此,研究數(shù)字圖書館細(xì)粒度知識(shí)體系,有助于構(gòu)建數(shù)字圖書館知識(shí)體系的發(fā)展標(biāo)準(zhǔn)。從當(dāng)前數(shù)字圖書館知識(shí)體系分類研究入手,引入細(xì)粒度知識(shí)體系的概念;以細(xì)粒度知識(shí)體系的原理和重

      圖書館學(xué)刊 2016年7期2016-02-13

    • 一種基于海量船舶軌跡數(shù)據(jù)的細(xì)粒度網(wǎng)格海上交通密度計(jì)算方法*
      船舶軌跡數(shù)據(jù)的細(xì)粒度網(wǎng)格海上交通密度計(jì)算方法*修回日期:2015-10-23通信地址:100029 北京市朝陽區(qū)北三環(huán)東路15號(hào)北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院Address:College of Information Science & Technology,15 Bei Sanhuan Rd East,Chaoyang District,Beijing,100029,P.R.China寧建強(qiáng),黃濤,刁博宇,趙瑞蓮,畢經(jīng)平(1.北京化工大學(xué)信息科學(xué)與技術(shù)

      計(jì)算機(jī)工程與科學(xué) 2015年12期2016-01-26

    • 引入缺陷的細(xì)粒度軟件變更識(shí)別方法
      踐的成本因素,細(xì)粒度的識(shí)別和預(yù)測(cè)將成為未來軟件工程預(yù)測(cè)方法關(guān)注的重點(diǎn).盡管文獻(xiàn)[2]的方法將識(shí)別粒度降低到了文件級(jí)別變更,但是文件級(jí)變更常涉及多處語句修改.尤其在文件規(guī)模較大,內(nèi)部結(jié)構(gòu)較復(fù)雜時(shí),這種文件內(nèi)多處修改的現(xiàn)象更為常見.這種情況下,即使識(shí)別出了引入缺陷的文件變更,仍然需要軟件人員逐一審查所有發(fā)生修改的文件語句,才能找到引入缺陷的位置.為進(jìn)一步降低人力成本,本文提出更細(xì)粒度(語句層級(jí))的引入缺陷變更識(shí)別方法.該方法從細(xì)粒度變更發(fā)生的場(chǎng)景(時(shí)間、地點(diǎn)、

      北京航空航天大學(xué)學(xué)報(bào) 2014年9期2014-12-02

    • 具有權(quán)重因子的細(xì)粒度情感詞庫構(gòu)建方法
      具有權(quán)重因子的細(xì)粒度情感詞庫構(gòu)建方法黃高峰1a,周學(xué)廣1a,李 娟1b,劉 華2(1.海軍工程大學(xué)a.信息安全系;b.計(jì)算機(jī)工程系,武漢430033;2.75753部隊(duì),廣州510600)情感詞庫在文本情感分析中發(fā)揮重要作用,但在分析細(xì)粒度情感如人類情緒狀態(tài)時(shí)卻無法正確區(qū)分。針對(duì)該問題,提出一種基于義原相似度計(jì)算的細(xì)粒度情感詞庫構(gòu)建方法。對(duì)詞語之間的義原相似度進(jìn)行計(jì)算分析,構(gòu)建7類細(xì)粒度情感詞庫,并在此基礎(chǔ)上給出細(xì)粒度情感詞在詞庫中的權(quán)重計(jì)算方法,最終得到

      計(jì)算機(jī)工程 2014年11期2014-06-07

    • 粒度配比對(duì)WC基金剛石鉆頭的性能影響研究①
      磨損較小,所以細(xì)粒度的金剛石在鉆進(jìn)過程中表現(xiàn)出低效率,長壽命的特性。中粒度則介于兩者之間,起著一個(gè)過渡替換的作用。本實(shí)驗(yàn)在WC-預(yù)合金粉配方體系基礎(chǔ)上,通過調(diào)整6種不同的金剛石粒度配比,來確定適合本配方體系的最佳的粒度參數(shù)。1 實(shí)驗(yàn)1.1 金剛石粒度配比設(shè)計(jì)本實(shí)驗(yàn)以WC為骨架相,以某公司生產(chǎn)的Fe-CoCu預(yù)合金粉為中間相,并加入一些微量的Ni、Sn、Mn等改性元素形成胎體的配方體系(表1)。采用6種不同粒度的金剛石,共設(shè)計(jì)了9組不同金剛石粒度配比的組合,

      超硬材料工程 2014年5期2014-03-24

    • 存儲(chǔ)系統(tǒng)細(xì)粒度加密安全設(shè)計(jì)
      入了存儲(chǔ)系統(tǒng)的細(xì)粒度加密安全的概念。由于存儲(chǔ)系統(tǒng)的最小單位不再是文件而是大量細(xì)粒度的數(shù)據(jù)塊,故我們可以將發(fā)掘這個(gè)優(yōu)勢(shì),將加密的安全操作從文件級(jí)延伸至細(xì)粒度的數(shù)據(jù)塊級(jí),對(duì)具有某些特殊需要的大文件在安全上實(shí)現(xiàn)細(xì)粒度的加密存儲(chǔ)。用戶可以根據(jù)文件的特征指定只對(duì)文件中的部分敏感數(shù)據(jù)進(jìn)行加密,根據(jù)敏感程度不同每個(gè)區(qū)域還可以指定一個(gè)加密算法。這些數(shù)據(jù)的加密信息存儲(chǔ)在元數(shù)據(jù)服務(wù)器中被安全的保護(hù),如果非法用戶不能得到相關(guān)的加密信息,直接從存儲(chǔ)設(shè)備中取得的數(shù)據(jù)將由于關(guān)鍵區(qū)域被

      網(wǎng)絡(luò)安全技術(shù)與應(yīng)用 2012年8期2012-08-07

    • 基于細(xì)粒度任務(wù)分配的空時(shí)自適應(yīng)并行處理算法研究
      0081)基于細(xì)粒度任務(wù)分配的空時(shí)自適應(yīng)并行處理算法研究王 超 劉 偉*袁培苑(北京理工大學(xué)信息與電子學(xué)院 北京 100081)對(duì)于空時(shí)自適應(yīng)信號(hào)處理(Space-Time Adaptive Processing, STAP)算法的并行處理問題,傳統(tǒng)方法以粗粒度的劃分方式將 STAP算法分配到特定硬件系統(tǒng)中的不同處理器中,利用處理器間的流水計(jì)算來提高系統(tǒng)計(jì)算吞吐量。該文分析了傳統(tǒng)并行處理方法的缺陷:粗粒度的任務(wù)劃分方式犧牲了 STAP算法的并行度;傳統(tǒng)處理

      電子與信息學(xué)報(bào) 2012年6期2012-01-27

    美女福利国产在线| 女人被躁到高潮嗷嗷叫费观| 又紧又爽又黄一区二区| 欧美精品av麻豆av| 成人国产av品久久久| 校园人妻丝袜中文字幕| av又黄又爽大尺度在线免费看| 精品国产一区二区久久| 免费在线观看黄色视频的| 精品免费久久久久久久清纯 | 丝袜美足系列| 天天操日日干夜夜撸| 91麻豆精品激情在线观看国产 | 性高湖久久久久久久久免费观看| 久久精品国产综合久久久| 国产在线免费精品| 人妻 亚洲 视频| 精品少妇内射三级| 成人影院久久| 大香蕉久久成人网| 亚洲国产日韩一区二区| 丝袜在线中文字幕| 男男h啪啪无遮挡| 激情五月婷婷亚洲| 亚洲色图 男人天堂 中文字幕| 狠狠婷婷综合久久久久久88av| 久久国产精品男人的天堂亚洲| 亚洲欧美日韩另类电影网站| 一本—道久久a久久精品蜜桃钙片| 国产亚洲精品久久久久5区| av线在线观看网站| 免费日韩欧美在线观看| 9色porny在线观看| 极品人妻少妇av视频| 你懂的网址亚洲精品在线观看| 日韩视频在线欧美| 手机成人av网站| 人人妻人人添人人爽欧美一区卜| 啦啦啦在线观看免费高清www| 嫁个100分男人电影在线观看 | 一区二区三区精品91| 蜜桃在线观看..| 97精品久久久久久久久久精品| 9色porny在线观看| 免费观看人在逋| 久久狼人影院| 涩涩av久久男人的天堂| 91九色精品人成在线观看| 少妇人妻 视频| 男女下面插进去视频免费观看| 天天影视国产精品| 老司机影院成人| 多毛熟女@视频| 性色av乱码一区二区三区2| 久久久国产欧美日韩av| 国产精品久久久久久精品电影小说| 精品久久蜜臀av无| 亚洲精品国产一区二区精华液| 一级片免费观看大全| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲成人手机| 观看av在线不卡| 国产成人精品久久久久久| 欧美老熟妇乱子伦牲交| 亚洲国产精品国产精品| 制服人妻中文乱码| 热99久久久久精品小说推荐| 另类精品久久| 国产精品久久久久成人av| 欧美另类一区| 操美女的视频在线观看| 成年美女黄网站色视频大全免费| 国产一卡二卡三卡精品| 女人被躁到高潮嗷嗷叫费观| 亚洲精品日本国产第一区| 国产精品三级大全| 成人黄色视频免费在线看| 两个人看的免费小视频| 国产人伦9x9x在线观看| 狂野欧美激情性xxxx| 高清黄色对白视频在线免费看| 熟女av电影| 婷婷色av中文字幕| 中文字幕高清在线视频| 久久久久视频综合| 久久久亚洲精品成人影院| 老汉色av国产亚洲站长工具| 纯流量卡能插随身wifi吗| 成年人午夜在线观看视频| svipshipincom国产片| 超色免费av| av有码第一页| 久久久久久久大尺度免费视频| 啦啦啦中文免费视频观看日本| 久久九九热精品免费| 十八禁网站网址无遮挡| 日韩制服丝袜自拍偷拍| 国产成人精品久久二区二区免费| 日本wwww免费看| 精品国产一区二区三区四区第35| 美女视频免费永久观看网站| 亚洲一区中文字幕在线| 99久久99久久久精品蜜桃| www.精华液| 香蕉国产在线看| 国产伦人伦偷精品视频| 男人添女人高潮全过程视频| 国产精品熟女久久久久浪| 男女高潮啪啪啪动态图| 国产黄频视频在线观看| 高清黄色对白视频在线免费看| 视频区欧美日本亚洲| 亚洲欧美激情在线| 国产免费一区二区三区四区乱码| 国产精品三级大全| 超色免费av| 国产精品国产av在线观看| 午夜免费成人在线视频| 亚洲欧美精品综合一区二区三区| 王馨瑶露胸无遮挡在线观看| 欧美日韩视频高清一区二区三区二| 久久久精品94久久精品| 国产精品一国产av| 三上悠亚av全集在线观看| a级毛片黄视频| 一级毛片我不卡| 黄色怎么调成土黄色| 国产成人欧美在线观看 | 国产精品久久久久久精品电影小说| 日本av手机在线免费观看| xxxhd国产人妻xxx| 自拍欧美九色日韩亚洲蝌蚪91| 欧美黄色淫秽网站| 亚洲av国产av综合av卡| 亚洲一区二区三区欧美精品| 黄频高清免费视频| 亚洲成色77777| 欧美日韩亚洲综合一区二区三区_| 在线精品无人区一区二区三| 亚洲专区国产一区二区| 在线观看免费高清a一片| 男女边吃奶边做爰视频| 国产高清国产精品国产三级| 一个人免费看片子| 天天躁夜夜躁狠狠躁躁| 国产无遮挡羞羞视频在线观看| 丝袜脚勾引网站| 国产精品久久久久成人av| 欧美大码av| a级毛片在线看网站| 亚洲七黄色美女视频| 天天添夜夜摸| 一二三四社区在线视频社区8| 久久狼人影院| 中文字幕制服av| 侵犯人妻中文字幕一二三四区| 国产精品一区二区免费欧美 | 免费一级毛片在线播放高清视频 | 国产成人精品久久二区二区91| 欧美av亚洲av综合av国产av| 亚洲国产欧美日韩在线播放| 日韩 亚洲 欧美在线| 男女边吃奶边做爰视频| 一本—道久久a久久精品蜜桃钙片| 桃花免费在线播放| 国产成人影院久久av| 视频在线观看一区二区三区| 久久久久久久久久久久大奶| 永久免费av网站大全| 亚洲九九香蕉| 看十八女毛片水多多多| 欧美在线黄色| 欧美av亚洲av综合av国产av| 中文字幕亚洲精品专区| 欧美日韩av久久| 大片免费播放器 马上看| 亚洲自偷自拍图片 自拍| 亚洲国产欧美网| 制服人妻中文乱码| 精品熟女少妇八av免费久了| 亚洲av美国av| 女人被躁到高潮嗷嗷叫费观| 亚洲,一卡二卡三卡| av福利片在线| 亚洲国产日韩一区二区| 亚洲精品美女久久av网站| 人人妻人人爽人人添夜夜欢视频| 亚洲视频免费观看视频| 国产日韩欧美亚洲二区| 蜜桃国产av成人99| 日日爽夜夜爽网站| 日日摸夜夜添夜夜爱| 精品高清国产在线一区| 激情五月婷婷亚洲| 亚洲精品国产一区二区精华液| 精品国产一区二区久久| 欧美在线一区亚洲| 欧美在线一区亚洲| 亚洲av电影在线进入| 免费看不卡的av| 国产淫语在线视频| 国产精品99久久99久久久不卡| 成年人午夜在线观看视频| av电影中文网址| 热re99久久国产66热| 国产亚洲午夜精品一区二区久久| 亚洲欧洲国产日韩| 午夜av观看不卡| 欧美精品一区二区大全| 中国美女看黄片| 老鸭窝网址在线观看| 美女高潮到喷水免费观看| 国产精品九九99| 国产精品久久久av美女十八| 日韩中文字幕欧美一区二区 | 又紧又爽又黄一区二区| 丝袜美足系列| 免费在线观看日本一区| 亚洲国产中文字幕在线视频| 久久精品成人免费网站| 90打野战视频偷拍视频| 在线看a的网站| 亚洲天堂av无毛| 夫妻午夜视频| 丰满少妇做爰视频| 亚洲欧美一区二区三区国产| 亚洲 国产 在线| a级片在线免费高清观看视频| 黄色视频不卡| 国产黄色免费在线视频| 桃花免费在线播放| 亚洲精品av麻豆狂野| 黄色视频在线播放观看不卡| 午夜视频精品福利| 久久亚洲精品不卡| 亚洲中文av在线| 日韩av在线免费看完整版不卡| 最黄视频免费看| 久久久久精品国产欧美久久久 | 国产精品av久久久久免费| 久久天躁狠狠躁夜夜2o2o | 国产精品一区二区精品视频观看| 国产人伦9x9x在线观看| 国产一区亚洲一区在线观看| 别揉我奶头~嗯~啊~动态视频 | 日韩免费高清中文字幕av| 久久久久久久精品精品| 欧美另类一区| 免费在线观看日本一区| 男男h啪啪无遮挡| 国产免费视频播放在线视频| 我的亚洲天堂| 成人国语在线视频| 亚洲,欧美,日韩| 亚洲成人国产一区在线观看 | 久久人人97超碰香蕉20202| 天天躁日日躁夜夜躁夜夜| 成在线人永久免费视频| 一本—道久久a久久精品蜜桃钙片| 日韩欧美一区视频在线观看| 中国美女看黄片| 夫妻性生交免费视频一级片| 久久av网站| 熟女av电影| 看十八女毛片水多多多| 国产男女超爽视频在线观看| 国产成人精品在线电影| 国产精品久久久久久人妻精品电影 | 观看av在线不卡| 操出白浆在线播放| 色婷婷av一区二区三区视频| 亚洲欧美日韩高清在线视频 | 国产成人精品久久二区二区免费| 又紧又爽又黄一区二区| 日韩熟女老妇一区二区性免费视频| 亚洲天堂av无毛| 国产精品一区二区免费欧美 | 啦啦啦啦在线视频资源| 亚洲久久久国产精品| 免费看十八禁软件| 一区二区三区乱码不卡18| 亚洲av成人不卡在线观看播放网 | 亚洲人成77777在线视频| 91国产中文字幕| 国产在视频线精品| 一区福利在线观看| 日韩一本色道免费dvd| 亚洲色图综合在线观看| 国产爽快片一区二区三区| 久久女婷五月综合色啪小说| 亚洲国产精品一区三区| 成人国产一区最新在线观看 | 中文欧美无线码| av天堂久久9| av电影中文网址| 久久久久久免费高清国产稀缺| 国产亚洲精品第一综合不卡| 99国产精品免费福利视频| 欧美激情高清一区二区三区| 国产精品一国产av| 性色av乱码一区二区三区2| 国产熟女午夜一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | 青春草亚洲视频在线观看| 最近手机中文字幕大全| 国产高清视频在线播放一区 | 超碰成人久久| 少妇精品久久久久久久| 精品久久久久久电影网| 国产精品熟女久久久久浪| 欧美成人精品欧美一级黄| 又大又爽又粗| www.熟女人妻精品国产| 韩国精品一区二区三区| 日韩大码丰满熟妇| 国产精品一区二区精品视频观看| 久久亚洲国产成人精品v| 麻豆国产av国片精品| 一区二区三区乱码不卡18| 女性生殖器流出的白浆| 一边亲一边摸免费视频| 国产一级毛片在线| 亚洲人成电影观看| 欧美日韩成人在线一区二区| xxxhd国产人妻xxx| 欧美黄色片欧美黄色片| 视频区图区小说| 999精品在线视频| 99精国产麻豆久久婷婷| 久久久久久久久免费视频了| 国产亚洲精品第一综合不卡| 日韩av在线免费看完整版不卡| 一区二区三区乱码不卡18| 搡老岳熟女国产| 女人精品久久久久毛片| 又紧又爽又黄一区二区| 国产精品久久久人人做人人爽| av又黄又爽大尺度在线免费看| 国产精品一区二区精品视频观看| 看免费成人av毛片| 黄色怎么调成土黄色| 久久久国产欧美日韩av| 日韩人妻精品一区2区三区| 亚洲精品日本国产第一区| 欧美黑人欧美精品刺激| av片东京热男人的天堂| 国产亚洲av片在线观看秒播厂| 男的添女的下面高潮视频| 国产成人啪精品午夜网站| 精品国产一区二区三区四区第35| 日韩av不卡免费在线播放| 亚洲欧美中文字幕日韩二区| 日韩,欧美,国产一区二区三区| 亚洲免费av在线视频| 国产视频一区二区在线看| av有码第一页| 中文字幕av电影在线播放| 国产真人三级小视频在线观看| 国产有黄有色有爽视频| 日韩免费高清中文字幕av| 国产91精品成人一区二区三区 | 国产高清视频在线播放一区 | 2018国产大陆天天弄谢| 无限看片的www在线观看| 亚洲精品在线美女| 91成人精品电影| 欧美成人午夜精品| 欧美黑人欧美精品刺激| 制服诱惑二区| 91精品国产国语对白视频| 国产视频一区二区在线看| 日韩欧美一区视频在线观看| 久久99一区二区三区| 国产色视频综合| 欧美另类一区| 亚洲精品第二区| 不卡av一区二区三区| 老熟女久久久| 视频在线观看一区二区三区| 久久影院123| 国产精品国产三级国产专区5o| 欧美变态另类bdsm刘玥| 精品免费久久久久久久清纯 | a级毛片黄视频| 黑人巨大精品欧美一区二区蜜桃| 精品国产一区二区三区久久久樱花| 免费观看a级毛片全部| 黑人欧美特级aaaaaa片| 麻豆乱淫一区二区| 色94色欧美一区二区| 国产精品免费大片| 久久精品熟女亚洲av麻豆精品| 观看av在线不卡| 每晚都被弄得嗷嗷叫到高潮| 久久精品国产亚洲av高清一级| 高清不卡的av网站| videos熟女内射| 久久99精品国语久久久| 国产1区2区3区精品| 亚洲国产日韩一区二区| 国产色视频综合| 人妻人人澡人人爽人人| 一本一本久久a久久精品综合妖精| 亚洲人成电影免费在线| 亚洲av在线观看美女高潮| 交换朋友夫妻互换小说| 中文乱码字字幕精品一区二区三区| 欧美97在线视频| 午夜av观看不卡| 最黄视频免费看| 成年av动漫网址| cao死你这个sao货| 中文乱码字字幕精品一区二区三区| 51午夜福利影视在线观看| 啦啦啦在线免费观看视频4| 欧美在线黄色| 国产欧美日韩综合在线一区二区| 亚洲午夜精品一区,二区,三区| 久久久久久久久久久久大奶| av电影中文网址| 捣出白浆h1v1| 婷婷丁香在线五月| 夫妻午夜视频| kizo精华| 美女中出高潮动态图| 老司机午夜十八禁免费视频| 97精品久久久久久久久久精品| 国产免费现黄频在线看| 亚洲情色 制服丝袜| www.999成人在线观看| 视频区欧美日本亚洲| 一级片'在线观看视频| 青春草视频在线免费观看| 国产精品三级大全| 久久av网站| 久久99热这里只频精品6学生| 欧美激情极品国产一区二区三区| 亚洲国产最新在线播放| 国产成人精品无人区| 国产成人a∨麻豆精品| 成人免费观看视频高清| 又黄又粗又硬又大视频| 90打野战视频偷拍视频| 91精品伊人久久大香线蕉| 99精国产麻豆久久婷婷| 男人爽女人下面视频在线观看| 日韩人妻精品一区2区三区| 国产日韩欧美视频二区| 高清欧美精品videossex| 亚洲精品第二区| 99re6热这里在线精品视频| 久久久久视频综合| 91字幕亚洲| 国产精品成人在线| 国产精品国产三级国产专区5o| 性色av乱码一区二区三区2| 久久久久久久精品精品| 久久久欧美国产精品| 日本色播在线视频| 精品福利观看| 亚洲视频免费观看视频| 在线观看国产h片| 亚洲精品成人av观看孕妇| 亚洲久久久国产精品| 中文字幕人妻丝袜制服| 久久久久久亚洲精品国产蜜桃av| 国产精品熟女久久久久浪| 最近最新中文字幕大全免费视频 | 每晚都被弄得嗷嗷叫到高潮| 亚洲一区二区三区欧美精品| 五月天丁香电影| 18禁国产床啪视频网站| 亚洲,一卡二卡三卡| 深夜精品福利| 18禁裸乳无遮挡动漫免费视频| 国产在线观看jvid| 国产成人免费观看mmmm| 成年动漫av网址| 国产国语露脸激情在线看| 精品少妇一区二区三区视频日本电影| 久久国产精品大桥未久av| 欧美国产精品va在线观看不卡| 人人妻人人澡人人爽人人夜夜| 2021少妇久久久久久久久久久| 国产三级黄色录像| 黑人欧美特级aaaaaa片| 久久精品人人爽人人爽视色| 9色porny在线观看| 成人国产一区最新在线观看 | 亚洲专区中文字幕在线| 国产成人一区二区在线| 在线观看人妻少妇| 天堂俺去俺来也www色官网| 中文字幕精品免费在线观看视频| 一二三四在线观看免费中文在| 两个人免费观看高清视频| 欧美日韩亚洲综合一区二区三区_| 爱豆传媒免费全集在线观看| 亚洲午夜精品一区,二区,三区| tube8黄色片| 男的添女的下面高潮视频| 成人三级做爰电影| 欧美精品亚洲一区二区| 人人妻人人爽人人添夜夜欢视频| 久久精品久久久久久噜噜老黄| 丝袜美足系列| 免费少妇av软件| 国产亚洲欧美在线一区二区| 女警被强在线播放| 咕卡用的链子| 国产一区有黄有色的免费视频| 日韩av不卡免费在线播放| 亚洲欧洲精品一区二区精品久久久| 女人爽到高潮嗷嗷叫在线视频| 9热在线视频观看99| 中文字幕制服av| 男女床上黄色一级片免费看| 人人妻人人澡人人看| 亚洲国产中文字幕在线视频| 热re99久久国产66热| 久久久精品区二区三区| 亚洲精品中文字幕在线视频| 日本欧美视频一区| 日韩,欧美,国产一区二区三区| 亚洲激情五月婷婷啪啪| 免费久久久久久久精品成人欧美视频| 国产成人免费无遮挡视频| 一级黄色大片毛片| 国产野战对白在线观看| 国产av一区二区精品久久| 久久久亚洲精品成人影院| 可以免费在线观看a视频的电影网站| 精品少妇久久久久久888优播| 亚洲av片天天在线观看| 亚洲av成人不卡在线观看播放网 | 黄色视频在线播放观看不卡| 国产在线一区二区三区精| 男女午夜视频在线观看| kizo精华| 国产91精品成人一区二区三区 | 精品久久久精品久久久| 久久人人97超碰香蕉20202| 午夜福利在线免费观看网站| 一区二区三区精品91| 精品一区二区三区av网在线观看 | 久久精品国产亚洲av涩爱| 视频在线观看一区二区三区| 久9热在线精品视频| 国产精品免费大片| 亚洲欧美清纯卡通| 国产亚洲精品第一综合不卡| 亚洲国产日韩一区二区| 亚洲欧美成人综合另类久久久| 亚洲 欧美一区二区三区| 午夜两性在线视频| 侵犯人妻中文字幕一二三四区| 久久国产精品男人的天堂亚洲| 国产成人精品无人区| 国产成人欧美在线观看 | 免费在线观看影片大全网站 | 国产成人免费观看mmmm| 校园人妻丝袜中文字幕| 亚洲精品在线美女| 免费在线观看完整版高清| 青草久久国产| 一边亲一边摸免费视频| 九色亚洲精品在线播放| 亚洲av在线观看美女高潮| 亚洲精品美女久久久久99蜜臀 | 欧美日韩亚洲综合一区二区三区_| 成年女人毛片免费观看观看9 | 多毛熟女@视频| 中国国产av一级| 丝袜在线中文字幕| 日韩,欧美,国产一区二区三区| 两性夫妻黄色片| 一级毛片女人18水好多 | 亚洲国产精品成人久久小说| 国产亚洲精品第一综合不卡| 日韩一本色道免费dvd| 国产av国产精品国产| 亚洲专区中文字幕在线| 亚洲人成77777在线视频| 午夜av观看不卡| 日日爽夜夜爽网站| 丝瓜视频免费看黄片| 人妻 亚洲 视频| 1024视频免费在线观看| 国产成人av激情在线播放| 我要看黄色一级片免费的| 男女午夜视频在线观看| 性色av乱码一区二区三区2| 一级毛片电影观看| 亚洲欧美激情在线| 777久久人妻少妇嫩草av网站| 狠狠精品人妻久久久久久综合| 欧美激情极品国产一区二区三区| 少妇人妻 视频| 中文字幕色久视频| 老司机亚洲免费影院| 久久久欧美国产精品| 丝袜人妻中文字幕| 亚洲精品av麻豆狂野| www.自偷自拍.com| 中文字幕人妻熟女乱码| 一区二区三区四区激情视频| 久久久久久久大尺度免费视频| 天天影视国产精品| 国产女主播在线喷水免费视频网站| 日本猛色少妇xxxxx猛交久久| 少妇 在线观看| 91成人精品电影| 精品国产一区二区三区久久久樱花| 爱豆传媒免费全集在线观看| av国产久精品久网站免费入址|