简介:<正>笔者在组编本期文章的过程中,意外地发现几篇文章之间存在特别的一个共性,就是不约而同地提到了政府对于产业或经济发展的"干预"。此处,干预是中性词,为"介入"意。比如,《深圳LED产业的留守抉择》一文是从深圳市政府废止2009年3月出台的《深圳市LED产业发展规划(2009—2015年)》说开去的;《嘀嘀打车再遭滑铁卢》一文中提到,深圳市交委紧急叫停手机打车应用软件,其理由是这些民间软件还不成熟,影响了相关部门的监管;而在文章《杨浦模式:创新之志铸造一流孵化器》中则分享了中国著名的科技企业孵化器杨浦科创中心如何从只靠政府输血到走市场化发展之路找到了
简介:多目标跟踪问题是计算机视觉领域的关键研究问题之一。现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,本文提出一种基于结构化学习策略的目标身份感知网络流量技术,可在目标检测和数据关联并行化框架下有效地实现多目标跟踪。文中首先通过结构化学习为每个对象训练一个模型,并将目标跟踪问题建模为拉格朗日松驰优化问题,然后提出一种目标身份感知网络流量(TINF)技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断出视频片断中所有目标的最佳位置。最后,利用多种高难度数据集进行仿真实验,结果表明本文方法的性能优于其他最新算法。