Yandex

文摘:已经证明，在大型卷积神经网络的顶层中由图像调用的激活提供了图像视觉内容的高级描述符。在本文中，我们研究了在图像检索应用程序中使用这种描述符(神经代码)。在使用几个标准检索基准的实验中，我们建立了即使卷积神经网络已被训练为不相关的分类任务(例如Image-Net)，神经代码也具有竞争性。当网络在与测试时遇到的图像相似的图像数据集上重新训练时，我们还评估了神经代码检索性能的改进。

文摘:问:北极的主要植被单位是什么?它们的组成是什么?它们在主要的生物气候亚区和国家之间是如何分布的?地理位置:北极苔原地区，林木线以北。方法:采用光解译方法将植被圈定在先进甚高分辨率辐射计(AVHRR)基像上。九个北极地区的测绘专家利用地理信息技术(ArcInfo)绘制了他们所在地区的北极地图草案，这些草案后来被合成为最终地图。根据生物气候分区和国家对地图进行了区域分析。综合绘图程序产生了植被、地形、土壤、景观、湖泊覆盖、基质pH值和地上生物量的其他地图。结果:最终地图以1:7 50万比例尺发布。在北极地区(总面积为7.11·106 km2)，约5.05·106 km2为植被覆盖。其余部分被冰覆盖。地图图例通常描绘每个地图多边形内的地带性植被。 About 26% of the vegetated area is erect shrublands, 18% peaty graminoid tundras, 13% mountain complexes, 12% barrens, 11% mineral graminoid tundras, 11% prostrate-shrub tundras, and 7% wetlands. Canada has by far the most terrain in the High Arctic mostly associated with abundant barren types and prostrate dwarf-shrub tundra, whereas Russia has the largest area in the Low Arctic, predominantly low-shrub tundra. Conclusions: The CAVM is the first vegetation map of an entire global biome at a comparable resolution. The consistent treatment of the vegetation across the circumpolar Arctic, abundant ancillary material, and digital database should promote the application to numerous land-use, and climate-change applications and will make updating the map relatively easy.

文摘:本文给出了在Λ0b→J/ψK−p衰变中J/ψp通道中奇异结构(我们称之为五夸克-charmonium态)的观测结果。数据样本对应于LHCb探测器从7和8 TeV pp碰撞中获得的3/fb的积分光度。对三体终态进行了振幅分析，再现了两体质量和角度分布。为了获得在J/ψp质谱中看到的结构的满意拟合，有必要包括两个描述谐振态的Breit-Wigner振幅。这些共振的显著性都超过9个标准差。前者质量为4380±8±29 MeV，宽度为205±18±86 MeV，后者较窄，质量为4449.8±1.7±2.5 MeV，宽度为39±5±19 MeV。首选的JP赋值具有相反的奇偶校验，一个自旋为3/2，另一个自旋为5/2。

文摘:Gatys等人最近证明，深度网络可以从单个纹理示例生成美丽的纹理和程式化的图像。然而，他们的方法需要一个缓慢且消耗内存的优化过程。我们在这里提出了一种替代方法，将计算负担转移到学习阶段。给定一个纹理示例，我们的方法训练紧凑的前馈卷积网络来生成任意大小的相同纹理的多个样本，并将艺术风格从给定图像转移到任何其他图像。生成的网络非常轻量级，可以生成与Gatys等人相当的质量纹理，但速度快数百倍。更一般地说，我们的方法强调了用复杂和富有表现力的损失函数训练的生成前馈模型的强大和灵活性。

文摘:已经证明，在大型卷积神经网络的顶层中由图像调用的激活提供了图像视觉内容的高级描述符。在本文中，我们研究了在图像检索应用程序中使用这种描述符(神经代码)。在使用几个标准检索基准的实验中，我们建立了即使卷积神经网络已被训练为不相关的分类任务(例如\ Image-Net)，神经代码也具有竞争性。当网络在与测试时遇到的图像相似的图像数据集上重新训练时，我们还评估了神经代码检索性能的改进。我们进一步评估了压缩神经代码的性能，并表明简单的PCA压缩提供了非常好的短代码，在许多数据集上提供了最先进的精度。一般来说，与其他最先进的描述符相比，神经编码对这种压缩的弹性要大得多。最后，我们表明，在一对匹配照片的数据集上训练的判别降维进一步提高了pca压缩神经代码的性能。总的来说，我们的定量实验证明了神经代码作为图像检索的视觉描述符的前景。