错误集--殷晓燕
构成中的错视艺术
发现 与 我们 最初 的认 识 相 悖 ， 一个 略 扁 是
的长 方 形 。 一 个真 正 的正 方 形 ， 而 却又 让人 觉 得 它是 一 个 略 竖 的 长 方 形 。 种 现 象称 这 之 为 “ 视 ” 与人 的生 理 和 几 何 学 有关 。 错 ， 在 平 面 构 成 训 练 中 ， 会 存 在 类 似 的 也 错 视 图形 ， 多数 情 况 下 ， 佛是 一 场 可 以近 仿 距 离 多 角度 观 赏 的 魔 术 表 演 一 样 ， 奇 而 神 特 别 。 学 中 ， 生只 要 懂得 错 视 现 象 的存 教 学 在就可以了 ， 至于 错 视 现象 产 生 的 原 理 是 什 么 ， 于我 们 教 育工 作 者而 言 ， 对 却有 必 要 对 其作 进 一 步 深 入 的 研 究 。 科 学家 们 认 为 ， 看是 有选 择 的 ， 睛 观 眼 对 样 本 作 出什 么 反应 取 决 于 许 多生 理 与心 理 因素 。 类 很早 就 已知 道 ， 人 直接 的感 知并 不 能 反映 真 实 的世 界 。 实 ， 其 眼睛 只 是 一个 传 递 经 过 整 合过 的信 息 的媒 介 而 已 。
一
图 １
图 ２
图 ３
６ ８
中国科教创新 导刊
Ｃ ｉ ｄ ｃ ｔ ｎ Ｉｎ ｖ ｔ ｎ Ｈ ｒ ｌ ｈｎ Ｅ ｕ ａ ｉ ｎ ｏ ａ ｉ ｅａｄ ａ ｏ ｏ
１什么是错视
错 视 是 一 种 令 人 们 感 兴 趣 的 视 觉 现 象 ， 为错 视 不 仅 能 够 引 起 人 们 心 理 上 的 因 不安 ， 也能 给 人们 带 来 惊喜 和 快 乐 。 视 是 错 种 视 觉 假象 ， 是指 是 通过 几何 排 列 、 觉 视 成 像规 律 等 手 段 ， 作 有 视 觉 欺 骗 成 分 的 制 图像 进 行 眼球 欺 骗 ， 引起 的 视 觉 上的 错 觉 ， 达 到艺 术 或 者 类 似 魔 术 般 的 效果 。 人们的眼睛之 所以能够 看到物体 ， 是 眼睛 和 大 脑 共 同 劳 动 的 结 果 。 们 的 眼睛 人 和 照 相机 的 构造 非 常 的相 似 ， 是 ， 但 照相 机 仅 仅 是 对 物 体 直 接 的 物 理 反 应 ， 人 眼 的 而 功 能 却 不 仅 如 此 ， 要 将 其 所 摄 取 的 影 响 ３ 构 成 中 “ 丽 的欺 骗 ”——错视 还 美 作为情报以某种信号的方式转送到大脑 。 教 学 中 ， 生 的兴 趣 被 错 视 所 吸 引 。 学 正 根 据 最 近 生 理 学 研 究 的 结 果 表 明 ， 睛 所 是 因为 错 视 图 形作 为 一 种新 颖 奇 特 的 图形 眼 摄 取 的 情 报 在 转 送 到 大 脑 途 中 ， 因 为 情 表 现 形 式 ， 给 广 大 学 生 一 种 超 越 时 空 的 会 能
5761178_全媒体时代新闻失实剖析___
新闻前哨媒体融合时代,谣言、恶搞、新闻线索、新闻事实等信息流通过新媒体进行传播,真相和“虚构”互相交织。
辨别新闻线索,坚持新闻真实性,对新闻从业人员提出了更高的要求。
受传者不再是传统意义上单独接受信息的主体,他们对于媒体的认知发生了改变。
如何从传播者的角度杜绝新闻失实的发生,是媒体融合时代对新闻媒体以及从业人员的考验。
新闻失实的新特征随着传播渠道的增多,传统媒体与新媒体的融合趋势显著。
在媒体融合时代,新闻失实不仅具有传统媒体中“故意造假”、“有偿新闻”、“捕风捉影”等常见的特征,还有新媒体“把关人”缺失而引起新闻源过大,新闻线索庞杂,使新闻从业人员需要更多的时间来去伪存真。
这就要求新闻记者有很强的新闻敏感性以及对新闻源的解读。
这种在新闻源头上就出现失实的状态,时常出现在记者以网络媒介信息作为新闻源筛选地形成的。
同时,由于新技术的发展,“制造新闻”的能力越来越强,对新闻失实的监督力度也随之增大。
在此消彼长中,体现新闻失实的新特征。
传统媒体和新媒体的融合使新闻源扩大化,由于新媒体中“把关人”这一角色的缺失,使新闻来源复杂化。
对新闻来源的把关,有助于解决新闻源头的失实。
网络媒体中“把关人”的角色,真正意义上是空缺的。
如何加强网络监督力度,执行网络把关人的角色,是媒体融合时代必须解决的问题。
我国现行的新闻体制与新闻媒体发展的不一致性,导致新媒体中把关人无法得到真正的落实。
同时从技术层面上说,在互动性极强的新媒体中,把关人也无法完全解决虚假信息的入侵。
因此,对将信息转化为新闻的记者来说,其对于新闻真实性的把握十分重要。
记者是新闻线索成为新闻的第一个把关人,在采写编播过程中,编辑是对新闻进行二次加工的第二个把关人。
记者和编辑对新闻内容进行审核时,必须坚持新闻真实性的原则,才能最大程度地减少失实新闻的出现。
新闻源的扩大无疑为记者编辑收集材料提供了良好的环境,但在这个环境中,必须让自己具有强烈的社会责任感。
这种社会责任感不仅是对记者自身从业生涯的执着追求,而是对所在媒体、社会以及国家的客观评价。
面向行人重识别分集特征挖掘的多分支深度神经网络构造进展
第４１卷第１期２０２１年２月㊀南京邮电大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）㊀Ｖｏｌ．４１Ｎｏ．１Ｆｅｂ ２０２１ｄｏｉ：１０．１４１３２／ｊ．ｃｎｋｉ．１６７３⁃５４３９．２０２１．０１．０１０面向行人重识别分集特征挖掘的多分支深度神经网络构造进展吴晓富１，尹梓睿１，宋㊀越２，张㊀磊１，谢㊀奔１，赵师亮１，张索非３１．南京邮电大学通信与信息工程学院，江苏南京㊀２１０００３２．９５９５８部队，上海㊀２００１２０３．南京邮电大学物联网学院，江苏南京㊀２１０００３æèççöø÷÷摘要：随着深度学习的兴起，近年来行人重识别性能提高的关键是如何构建具有分集特征挖掘的深度神经网络以获得行人图像的紧凑表达，而多分支深度神经网络是实现分集特征挖掘的主要途径㊂文中分析了近年来用于行人重识别多分支深度神经网络的几种主流构建方法，包括局部分割分集㊁注意力分集㊁特征遮挡分集㊁异构支路分集等，并在３个行人重识别数据集Ｍａｒｋｅｔ１５０１，Ｄｕｋｅ，ＣＵ⁃ＨＫ０３上对不同算法性能进行了比较分析㊂基于当前进展，最后还讨论了行人重识别分集特征挖掘的未来研究趋势㊂关键词：行人重识别；多分支网络；分集特征；特征嵌入中图分类号：ＴＰ３９１㊀㊀文献标志码：Ａ㊀㊀文章编号：１６７３⁃５４３９（２０２１）０１⁃００７８⁃０８Ｒｅｃｅｎｔａｄｖａｎｃｅｓｏｎｃｏｎｓｔｒｕｃｔｉｏｎｏｆｍｕｌｔｉ⁃ｂｒａｎｃｈｎｅｕｒａｌｎｅｔｗｏｒｋｓｆｏｒｐｅｒｓｏｎｒｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎＷＵＸｉａｏｆｕ１，ＹＩＮＺｉｒｕｉ１，ＳＯＮＧＹｕｅ２，ＺＨＡＮＧＬｅｉ１，ＸＩＥＢｅｎ１，ＺＨＡＯＳｈｉｌｉａｎｇ１，ＺＨＡＮＧＳｕｏｆｅｉ３１．ＣｏｌｌｅｇｅｏｆＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ＆ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａ２．Ｕｎｉｔ９５９５８ｏｆＰＬＡ，Ｓｈａｎｇｈａｉ２００１２０，Ｃｈｉｎａ３．ＳｃｈｏｏｌｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａæèççöø÷÷Ａｂｓｔｒａｃｔ：Ｗｉｔｈｔｈｅｓｕｒｇｅｏｆｄｅｅｐｌｅａｒｎｉｎｇ，ｔｈｅｒｅｉｓｉｎｃｒｅａｓｅｄｉｎｔｅｒｅｓｔｏｎｔｈｅｄｅｓｉｇｎｏｆｍｕｌｔｉ⁃ｂｒａｎｃｈｎｅｕｒａｌｎｅｔｗｏｒｋｓｆｏｒｅｘｔｒａｃｔｉｎｇｒｉｃｈｆｅａｔｕｒｅｓｉｎｐｅｒｓｏｎｒｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ｔｈｉｓｐａｐｅｒｒｅｖｉｅｗｓｓｏｍｅｒｅｃｅｎｔａｄ⁃ｖａｎｃｅｓｏｎｔｈｉｓｔｏｐｉｃ，ｉｎｃｌｕｄｉｎｇｐａｒｔ⁃ｂａｓｅｄａｐｐｒｏａｃｈｅｓ，ａｔｔｅｎｔｉｏｎ⁃ｂａｓｅｄａｐｐｒｏａｃｈｅｓ，ｄｒｏｐｐｉｎｇａｐｐｒｏａｃｈｅｓ，ａｎｄｈｅｔｅｒｏｇｅｎｅｏｕｓａｐｐｒｏａｃｈｅｓ．Ｖａｒｉｏｕｓｓｔａｔｅ⁃ｏｆ⁃ｔｈｅ⁃ａｒｔａｐｐｒｏａｃｈｅｓｏｎｔｈｅｐｏｐｕｌａｒｐｅｄｅｓｔｒｉａｎｒｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎｄａｔａｓｅｔｓ，ｉｎｃｌｕｄｉｎｇＭａｒｋｅｔ１５０１，ＤｕｋｅａｎｄＣＵＨＫ０３，ａｒｅｃｏｍｐａｒｅｄａｎｄａｎａｌｙｚｅｄ，ｒｅ⁃ｓｐｅｃｔｉｖｅｌｙ．Ｆｉｎａｌｌｙ，ｆｕｔｕｒｅｄｉｒｅｃｔｉｏｎｓｏｆｔｈｅｐｅｒｓｏｎｒｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎｗｉｔｈｄｉｖｅｒｓｅｆｅａｔｕｒｅｓａｒｅｄｉｓｃｕｓｓｅｄ．Ｋｅｙｗｏｒｄｓ：ｐｅｒｓｏｎｒｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ；ｍｕｌｔｉ⁃ｂｒａｎｃｈｎｅｕｒａｌｎｅｔｗｏｒｋｓ；ｄｉｖｅｒｓｅｆｅａｔｕｒｅｓ；ｆｅａｔｕｒｅｅｍｂｅｄｄｉｎｇ收稿日期：２０２０⁃０８⁃１８；修回日期：２０２０⁃０９⁃０７㊀㊀本刊网址：ｈｔｔｐ：ʊｎｙｚｒ．ｎｊｕｐｔ．ｅｄｕ．ｃｎ基金项目：国家自然科学基金（６１６７１２５３）资助项目作者简介：吴晓富，男，博士，研究员，博士生导师，ｘｆｕｗｕ＠ｎｊｕｐｔ．ｅｄｕ．ｃｎ引用本文：吴晓富，尹梓睿，宋越，等．面向行人重识别分集特征挖掘的多分支深度神经网络构造进展［Ｊ］．南京邮电大学学报（自然科学版），２０２１，４１（１）：７８－８５．㊀㊀行人重识别（ＰｅｒｓｏｎＲｅ⁃Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ＲｅＩＤ）是计算视觉应用的主要领域之一，其核心任务是寻找出现在不同摄像头视图中的特定行人［１－２］㊂作为一个跨摄像机的特定行人检索问题，由于人工智能理论和应用的相互推动，该问题近年来得到了广泛的关注和长足的发展㊂对于给定的待查询行人，需要匹配出在不同地点㊁时间段甚至不同摄像头捕捉到的同一行人图像［３］㊂作为一个复杂检索问题，ＲｅＩＤ面临着：不同摄像机捕捉的行人图像具有包括视角㊁图像分辨率㊁光照㊁遮挡等一系列差异，这些差异对于检索精度的提高构成了巨大的挑战［２］㊂为了提高行人重识别的性能，如何构建具有分集特征挖掘能力的深度神经网络近年来成为行人重识别的热点问题之一㊂鉴于多分支深度神经网络的不同分支具有表达不同特征的便利性，因而成为实现分集特征挖掘的流行网络模型㊂近年来，通过多分支深度神经网络来获得分集特征的方法得到了广泛的关注，主要包括４大类：（１）局部分割分集网络，典型如ＰＣＢ［４］㊁ＰＬＲ⁃ＯＳＮｅｔ［５］；（２）注意力分集网络，典型如ＡＢＤ⁃Ｎｅｔ［６］㊁ＭＨＮ［７］；（３）遮蔽分集网络，典型如ＢＤＢ［８］㊁ＳＤＢ［９］；（４）异构分集网络，如ＢＣ⁃ＯＳＮｅｔ［１０］㊁ＡＳＮｅｔ［１１］㊂本文主要针对行人重识别多分支分集技术的进展进行回顾与梳理，通过实验给出在典型行人ＲｅＩＤ数据集的性能评估，并对未来的相关研究方向进行展望㊂１㊀多分支深度神经网络与分集特征挖掘㊀㊀一般地，假设具有Ｌ个分支的多分支深度神经网络由公共网络ｆｃ（㊃）以及Ｌ个子分支网络ｆｌ（㊃），ｌ＝１，２， ，Ｌ构成㊂这样，给定输入的图像ｘ，多分支深度神经网络输出Ｌ个支路特征矢量：Ｆｌ＝ｆｌ（ｆｃ（ｘ）），ｌ＝１，２， ，Ｌ㊂对Ｌ个支路特征矢量进行拼接（Ｃｏｎｃａｔｅｎａｔｉｏｎ），得到ｘ的最终特征矢量Ｆ＝［ＦＴ１，ＦＴ２， ，ＦＴＬ］Ｔ（１）鉴于不同支路特征矢量的相同位置分量（如第ｉ个分量）可以代表完全不同的特征，如何衡量不同分支特征矢量之间的分集性是个非常困难的问题㊂例如２个分支特征矢量Ｆ１与Ｆ２之间的平方欧式距离 Ｆ１－Ｆ２ ２２越大并不能说明第一分支与第二分支的分集性能越好㊂事实上，如果Ｆ２是Ｆ１的置换形式，虽然实质上两矢量表达的特征完全是一样的，但其欧式距离非但不为０，而是可以相当大（取决于具体置换）㊂为此，一个可能的方式是引入一个对抗网络（ＡｄｖｅｒｓａｒｙＮｅｔｗｏｒｋ）［１２］ｇ，使得［７］ｄｉｖ（Ｆ）＝ｍｉｎｇð｛ｉʂｊ｝ ｇ（Ｆｉ）－ｇ（Ｆｊ） ２２（２）虽然以上方法在文献［７］中取得了一定的效果，但在其他实验中的结果并不理想，对抗网络的收敛性及其性能在理论和实践上都无法得到严格的保证㊂为此，近几年来计算视觉方向的会议如ＣＶＰＲ㊁ＩＣＣＶ对行人重识别的特征分集问题进行了广泛的探讨，下面分４大类进行介绍㊂２㊀局部分割分集网络局部分割的思路在于将图像全局的特征图进行局部分割，每一个分支对应到图像的一个局部，通过各分支有效学习局部细粒度特征，最终提高特征的分集表达能力㊂２．１㊀ＰＣＢ相较于单分支的全局特征，ＰＣＢ（Ｐａｒｔ⁃ｂａｓｅｄＣｏｎｖ⁃ｏｌｕｔｉｏｎａｌＢａｓｅｌｉｎｅ）网络将特征水平均匀分块，实现对局部特征的挖掘；同时提出了ＲＰＰ（Ｒｅｆｉｎｅｄ⁃ＰａｒｔＰｏｏｌｉｎｇ）［４］方法来对齐局部特征，修正由于ＰＣＢ均分策略而产生的对齐缺陷，进一步提升ＰＣＢ的性能㊂ＰＣＢ网络选用ＲｅｓＮｅｔ５０［１３］为主干网络，将最后一个Ｓｔｒｉｄｅ变为１，使得主干网络获得的特征图尺寸从１２ˑ４扩大到２４ˑ８，并将特征图垂直分割为Ｌ个部分，经过平均池化和特征压缩后获得Ｌ个列向量Ｆ，然后将其分别送入到全连接层，最后计算Ｌ组交叉熵（ＣｒｏｓｓＥｎｔｒｏｐｙ）的和作为损失函数㊂测试时，ＰＣＢ可以将Ｌ个列向量Ｆｌ，ｌ＝１，２， ，Ｌ进行拼接得到特征Ｆ（见式（１））用于最后的判别㊂相比基本的ＩＤＥ［４］网络，ＰＣＢ的ｍＡＰ在Ｍａｒ⁃ｋｅｔ１５０１［１４］，Ｄｕｋｅ［１５］，ＣＵＨＫ０３［１６］上分别提高了８ ９％㊁１３．５％㊁１５．３％，在行人重识别的分集特征挖掘领域是具有里程碑意义的算法（见图１）㊂6组I DL o s s1?1C o n vP a r t P o o l i n gG A PC o n v L a y e r f r o mb ac k b o n e n e t w o r k图１㊀ＰＣＢ网络结构２．２㊀ＰＬＲ⁃ＯＳＮｅｔ结合ＰＣＢ结构局部分割的思想，ＰＬＲ⁃ＯＳＮｅｔ［５］是一种二分支深度神经网络模型，该分集网络由全局分支（ＧｌｏｂａｌＢｒａｎｃｈ）和局部分支（ＬｏｃａｌＢｒａｎｃｈ）组成㊂其中的局部分支采用统一分割策略进行局部特征分解㊂与ＰＣＢ所不同的是，ＰＬＲ⁃ＯＳＮｅｔ并没有将Ｌ个局部特征单独分解为Ｌ个支路，而是提出将Ｌ个部分级特征向量拼接成单个列向量用于单独的一个ＬｏｃａｌＢｒａｎｃｈ，最终在该ＬｏｃａｌＢｒａｎｃｈ上仅使用一个损失函数训练，这与现有基于部分分割的方法形成了鲜明的对比，如图２所示㊂测试时可以将全局分支特征和局部分支特征拼接后作为最后判别的特征㊂９７第１期吴晓富，等：面向行人重识别分集特征挖掘的多分支深度神经网络构造进展P a r t P o o l i n gT r i p l e t L o s sI DL o s s C e n t e r L o s sO S N e tC o n v 1，2，3O S N e t C o n v 4O S N e tC o n v 5O S N e t C o n v 4O S N e tC o n v 5G M PT r i p l e t L o s sI DL o s s C e n t e r L o s s图２㊀ＰＬＲ⁃ＯＳＮｅｔ网络架构㊀㊀ＰＬＲ⁃ＯＳＮｅｔ全局特征结合局部特征，很好地实现了分集特征挖掘，对比ＰＣＢ＋ＲＰＰ算法，其ｍＡＰ在Ｍａｒｋｅｔ１５０１上继续提高了７．３％㊂３㊀注意力分集网络类似于人类的注意力机制，利用注意力机制能有效提高神经网络的表达能力，在行人重识别领域得到了广泛的应用㊂为获取分集增益，加入注意力机制的多分支网络也被证明是行之有效的手段之一㊂给定输入图像的某中间特征张量ＸɪＲＣˑＨˑＷ，注意力机制可理解为对输入特征张量的所有元素进行加权，也即Ｙ＝Ａ（Ｘ）☉Ｘ（３）其中，Ａ（Ｘ）ɪＲＣˑＨˑＷ表示注意力模块的输出权重㊂☉表示Ｈａｄｍａｒｄ乘法（逐元素相乘）㊂３．１㊀ＡＢＤ⁃ＮｅｔＡＢＤ⁃Ｎｅｔ是一种融入注意力机制以及正交正则化技术的双分支网络㊂通过注意力机制，能够使网络注意力集中于前景的行人，从而淡化环境的影响，同时加入了正交正则化来保证不同支路特征具有分集多样性㊂具体而言，ＡＢＤ⁃Ｎｅｔ分别针对通道融合和位置感知，加入了一对互补的注意力模块：通道注意力模块（ＣｈａｎｎｅｌＡｔｔｅｎｔｉｏｎＭｏｄｕｌｅ）Ａ（Ｘ）＝ｒｅｐ［Ｖ］｜Ｈ，Ｗ，以及位置感知模块（ＰｏｓｉｔｉｏｎＡｔｔｅｎｔｉｏｎＭｏｄｕｌｅ）Ａ（Ｘ）＝ｒｅｐ［Ｍ］｜Ｃ，其中ｒｅｐ［Ｖ］｜Ｈ，Ｗ表示信道掩模矢量在空间维度Ｈ㊁Ｗ上的重复扩展，同理ｒｅｐ［Ｍ］｜Ｃ表示空间掩模在信道维度Ｃ上的重复扩展㊂ＡＢＤ⁃Ｎｅｔ最终获得注意力加强的特征，如图３所示㊂为了增强输出特征的多样性，该网络提出了特征值差异正交约束（ＳｐｅｃｔｒａｌＶａｌｕｅＤｉｆｆｅｒｅｎｃｅＯｒｔｈｏｇｏｎａｌｉｔｙ，ＳＶＤＯ），并将其用于网络各个层的输入和输出端；通过同时正则化卷积㊁全连接层的权重和输出的特征张量，能够有效降低不同分支网络特征之间的相关度㊂（a ）通道注意力模块C h a n n e l A t t e n t i o n M o d u l e （C A M ）（b ）位置感知模块模块C H ?WC ?H ?WB C DC ?H ?W R e s h a p eR e s h a p e R e s h a p e &T r a n s p o s e C ?N C ?NC ?NS o f t m a xN ?NSC ?H ?WR e s h a p eM a t r i x M u l t i p l i c a t i o nE l e m e n t -w i s e S u mO p e r a t i o nEAR e s h a p e &T r a n s p o s eN ?CM a t r i x M u l t i p l i c a t i o n E l e m e n t -w i s e S u mO p e r a t i o nC ??WC ?N R e s h a p eC ?NR e s h a p e S o f t m a xC ?CR e s h a p eC ?H ?WC ?H ?WEXA图３㊀通道注意力模块和位置感知模块０８南京邮电大学学报（自然科学版）㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２１年３．２㊀ＭＨＮＡＢＤ⁃Ｎｅｔ的注意力机制相对于输入张量Ｘ而言是一阶的㊂为挖掘注意力机制的分集机理，ＭＨＮ首次提出高阶注意力机制（Ｈｉｇｈ⁃ＯｒｄｅｒＡｔｔｅｎｔｉｏｎ，ＨＯＡ）㊂高阶注意力机制的核心是定义给定输入张量Ｘ的Ｒ阶多项式表达ａ（Ｘ）＝ðＲｒ＝１（Ｗｒ， ｒＸ）（４）其中， ｒＸ表示Ｘ分量的ｒ阶多项式表达式，以体现Ｘ各分量之间的高阶关系㊂最终，高阶注意力权重可以表示为Ａ（Ｘ）＝ｓｉｇｍｏｉｄ（ａ（Ｘ））（５）实验中，ＭＨＮ以ＲｅｓＮｅｔ５０为骨架网络，使用基于ＰＣＢ的多分支网络，每一个分支利用不同阶数的ＨＯＡ模块获得的差异化分集特征，如图４所示㊂R e s 50-P a r t 1全连接层R e s 50-P a r t 2图４㊀混合高阶注意力网络（ＭＨＮ）其中Ｒ＝１㊁２㊁３分别代表一阶㊁二阶㊁三阶注意力模型，通过不同的ＨＯＡ模块实现具有分集能力的多分支网络，然后连接到全连接层㊂为了使不同阶注意力模型输出特征更好地实现分集性能，如式（２）所示，ＭＨＮ还通过训练对抗网络来分辨不同分支的特征，使得不同分支的特征实现更高的分集度㊂４㊀遮蔽分集网络遮蔽分集网络主要是通过在分支网络中添加遮挡部分，以此强化未遮蔽部分特征表达能力的学习，提取更富表达力的特征，从而提高ＲｅＩＤ模型的泛化能力㊂４．１㊀ＢＤＢ针对深度卷积神经网络训练时易出现过拟合的问题，各种数据增强技术获得了广泛的运用㊂例如，ＲａｎｄｏｍＥｒａｓｉｎｇ［１７］直接对数据库中的图像进行随机的擦除，获得增强的数据集，一定程度上改善了过拟合现象㊂ＢＤＢ网络首次提出在网络中间层的特征层面进行随机的遮蔽，以迫使神经网络学习更富有表达力的特征㊂如图５所示，ＢＤＢ网络包含两个分支，也即全局分支与特征丢弃分支㊂其中，全局分支提取全局特征；而特征丢弃分支则通过随机去除一个区域（该区域图案在一个批次内保持不变），区域内的所有像素均被清零，再经过最大值池化和全连接层，最后计算各种损失函数㊂G A P1024?12048?1G l o b a l B r a n c hH a r d T r i p l e t L o s sI DL o s s R e s N e t -50S t a g e 4B o t t l e n e c kG M P1024?1F e a t u r e D r o p B r a n c hH a r d T r i p l e t L o s sI DL o s s M a s k图５㊀ＢＤＢ（ＢａｔｃｈＤｒｏｐＢｌｏｃｋ）结构通过加入遮蔽分支的方式，ＢＤＢ可以实现全局分支和特征丢弃分支之间的多样性，有效实现了分集特征的挖掘㊂４．２㊀ＳＤＢＢＤＢ作为一种典型的特征擦除方法，已经被证明对ＲｅＩＤ是有效的㊂然而，ＢＤＢ的丢弃模式在不同批次的擦除区域都不相同，其网络可能难以学习到稳定的结构㊂基于该缺陷，ＳＤＢ（ＳｌｏｗＤｒｏｐＢｌｏｃｋ）提出了随机擦除图案在Ｑ个批次（Ｂａｔｃｈ）中保持不变，并将擦除操作直接移至图像输入端㊂如图６所示，ＳＤＢ表示生成的擦除块至少在Ｑ＞１个批次中保持不变，当Ｑ＝１时，ＳＤＢ等同于ＢＤＢ，擦除的区域同样可以置零或者设为擦除区域值的平均㊂由于删除了大量的输入图像，ＳＤＢ采用通常的训练方式难以收敛㊂为了解决这一问题，论文提出了一种新的具有保证收敛性的双批次输入联合训练方法㊂该方法在训练过程中采用超级批次样本进行训练，一个超级批次由两个批次组成（一个常规批次和一个遮蔽批次），因此其输入图像批次大小可表示为２ＢˑＨˑＷˑ３的图像张量（Ｔｅｎｓｏｒ）㊂每个批次的样本数量均为Ｂ㊂超级批次首先输入到共享网络，生成的特征图被分成两个子批次，一个用于全局分支，一个用于局部分支㊂ＳＤＢ通过对不同局部分支输入批次的擦除区域高度设置，获得了不同特征的多样性，并将不同比１８第１期吴晓富，等：面向行人重识别分集特征挖掘的多分支深度神经网络构造进展值下的ＳＤＢ分支与全局分支拼接，进一步提升了网络性能㊂实现结果显示，四分支网络ＳＤＢ⁃４对比ＢＤＢ网络，ｍＡＰ在Ｍａｒｋｅｔ１５０１，Ｄｕｋｅ，ＣＵＨＫ０３上分别提高了２．０％㊁３．５％㊁４．０％㊂（a ）D r o p o u t（b ）D r o p B l o c k（c ）B a t c h D r o p B l o c k（d ）S l o w -D r o p B l o c k （Q =2）图６㊀不同的Ｄｒｏｐｏｕｔ方法的比较（ＢａｔｃｈＳｉｚｅ＝２）５㊀异构支路分集网路除了以上３大类分集网络外，还有一些工作无法归入以上３类，如ＡＳＮｅｔ［１１］和ＢＣ⁃ＯＳＮｅｔ，本文将其归入异构支路分集网络，其关键特征在于各支路通过各种异构技术获得分集㊂下面以ＢＣ⁃ＯＳＮｅｔ为例㊂如图７所示，ＢＣ⁃ＯＳＮｅｔ以ＯＳＮｅｔ为骨架网络，结合了ＰＬＲ⁃ＯＳＮｅｔ的部分分级方式，以及Ｒｅ⁃ｌａｔｉｏｎＮｅｔｗｏｒｋ［１８］的ＧＣＰ和Ｏｎｅ⁃ｖｓ⁃Ｒｅｓｔ模块，再加上全局分支，组成四分支网络㊂其中，Ｏｎｅ⁃ｖｓ⁃Ｒｅｓｔ［１８］关系模块考虑了身体各个部位与身体其他部位之间的关系，使得每个部分级别特征都包含了相应部位本身以及身体其他部位的信息，使其更具识别性㊂全局对比池化（ＧＣＰ）［１８］则通过对比全局特征和局部特征，以获得更加突出的全局特征表达㊂最终ＢＣ⁃ＯＳＮｅｔ在Ｍａｒｋｅｔ１５０１㊁Ｄｕｋｅ㊁ＣＵＨＫ０３三大数据集上都获得了性能的明显提升㊂O S N e tc o n v 5V 1V 2512?12048?1O S N e t c o n v 4O S N e tc o n v 5O S N e t c o n v 4A PA P A PA PG M PT r i p l e t L o s s I DL o s s C e n t e r L o s sT r i p l e t L o s sI DL o s s C e n t e r L o s s256?128O S N e tc o n v 1O S N e tc o n v 2O S N e tc o n v 3V 3V 41536?1256?1O S N e tc o n v 5O S N e t c o n v 4O S N e tc o n v 5O S N e t c o n v 4G M PO n e -v s ,r e s t r e l a t l o n m o d u l eT r i p l e t L o s sI DL o s s C e n t e r L o s sT r i p l e t L o s s I DL o s s C e n t e r L o s s 图７㊀ＢＣ⁃ＯＳＮｅｔ框图６㊀实验结果分析与讨论６．１㊀数据集实验部分主要围绕ＲｅＩＤ领域３个比较流行的数据集上展开，分别是Ｍａｒｋｅｔ１５０１㊁Ｄｕｋｅ和ＣＵＨＫ０３㊂６．２㊀实验环境及参数配置本文实验采用的硬件和软件仿真环境如表１所示㊂２８南京邮电大学学报（自然科学版）㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２１年表１㊀实验平台参数配置参数ＯｐｅｒａｔｉｎｇＳｙｓｔｅｍＵｂｕｎｔｕ１６．０４ＣＰＵＩｎｔｅｌ（Ｒ）Ｘｅｏｎ（Ｒ）ＣＰＵＥ５⁃２６２０ｖ４＠２．１０ＧＨｚＧＰＵＴｅｓｌａＫ８０ＳｏｆｔｗａｒｅＰｌａｔｆｏｒｍＰｙｔｏｒｃｈ１．１６．３㊀实验复现与性能比较在本次实验中，复现了部分分集网络，主要包括ＰＣＢ㊁ＰＬＲ⁃ＯＳＮｅｔ㊁ＳＤＢ，并加入了更多的训练技巧㊂在训练和测试中，输入图像尺寸被统一到尺度３８４ˑ１２８；数据增强方法采用了随机翻转㊁随机檫除㊁随机裁剪；优化器则选用了Ａｄａｍ［１９］优化器，动量设置为０．９，衰减为５ｅ－０４；在训练期间，批次大小设置为６４，每批包含１６个行人身份，每个行人有４张样本图像㊂训练的Ｅｐｏｃｈ数量为１２０，学习率初始化为３．５ｅ－５；训练过程中采用Ｗａｒｍｕｐ策略使学习率呈线性增长，经过２０个Ｅｐｏｃｈ，学习率变化为３．５ｅ－５；到达６０个Ｅｐｏｃｈ，学习率变化为３．５ｅ－５；再到９０个Ｅｐｏｃｈ，学习率变化为３．５ｅ－６㊂损失函数使用行人ＩＤＬｏｓｓ［５］，Ｓｏｆｔ⁃ＭａｒｇｉｎＴｒｉｐｌｅｔＬｏｓｓ［２０］和ＣｅｎｔｅｒＬｏｓｓ［２１］，即Ｌｓｕｍ＝λ１ＬＩＤ＋λ２ＬＴｒｉｐｌｅｔ＋λ３ＬＣｅｎｔｅｒ最终通过ＰｙＴｏｒｃｈ编程实现神经网络端到端的训练，表２给出了基于局部分割分集算法的实验结果㊂从实验结果可以看出，通过局部分割实现支路分集的特征挖掘技术在ＲｅｓＮｅｔ㊁ＯＳＮｅｔ等网络架构上都有很好的表现㊂表２㊀局部分割分集网络复现实验方法Ｍａｒｋｅｔ１５０１ｍＡＰＲａｎｋ⁃１ＤｕｋｅｍＡＰＲａｎｋ⁃１ＩＤＥ（ＲｅｓＮｅｔ５０）６８．５８５．３６６．１８１．７ＰＣＢ［２０］７７．３９２．４６５．３８１．９ＯＳＮｅｔ８４．９９４．８７３．５８８．６ＰＬＲ⁃ＯＳＮｅｔ８８．９９５．６８１．２９１．６ＰＣＢ（复现）７８．４９３．９７０．４８２．８基于以上系统配置，给出了遮蔽分集网络ＳＤＢ的实验结果，骨架网络选用ＲｅｓＮｅｔ⁃５０，使用Ｑ＝５的默认设置㊂对于ＳＤＢ⁃２的其中一个分支使用遮蔽占宽比ｒｈ＝０．３，对于ＳＤＢ⁃４中的３个分支分别使用ｒｈ＝０．２，０．３，０．４，表３给出了实验结果㊂表３㊀ＳＤＢ性能复现对比方法Ｍａｒｋｅｔ１５０１ｍＡＰＲａｎｋ⁃１ＤｕｋｅｍＡＰＲａｎｋ⁃１ＣＵＨＫ０３＿ＬａｂｅｌｅｄｍＡＰＲａｎｋ⁃１ＣＵＨＫ０３＿ＤｅｔｅｃｔｅｄｍＡＰＲａｎｋ⁃１ＢＤＢ８６．７９５．３７６．０８９．０７６．７７９．４７３．５７６．４ＳＤＢ⁃２８８．３９５．７７８．８８９．７７８．０８０．６７４．９７７．２ＳＤＢ⁃４８８．７９５．９７９．５９０．２８０．７８２．６７７．４７９．５㊀㊀由表３可以看出，遮蔽分集的方式使得多分支网络学习到了更多的有效特征，能有效提高行人重识别性能㊂最后，在统一的实验平台上给出了ＢＣ⁃ＯＳＮｅｔ实验结果，其设置如下：Ｅｐｏｃｈ的数量改为１６０，学习率初始化为３．５ｅ－５，在训练过程中使用Ｗａｒｍｕｐ，使学习率呈线性增长，经过２０个Ｅｐｏｃｈ，学习率变化为３．５ｅ－４；到达６０个Ｅｐｏｃｈ，学习率变化为３．５ｅ－５；再到１３０个Ｅｐｏｃｈ，学习率变化为３．５ｅ－６㊂表４中显示了与不同方法的性能比较，可以看出，ＢＣ⁃ＯＳＮｅｔ以４个分支网络的规模相比于其他流行算法表现出几乎最好的性能㊂表４㊀在Ｍａｒｋｅｔ１５０１和Ｄｕｋｅ数据集上的各种网络性能对比方法Ｍａｒｋｅｔ１５０１ｍＡＰＲａｎｋ⁃１ＤｕｋｅｍＡＰＲａｎｋ⁃１ＨＡ⁃ＣＮＮ［２２］７５．７０９５．６０６３．８０８０．５０ＰＣＢ［４］７７．３０９２．４０６５．３０８１．９０Ａｌｉｇｎｅｄ［２３］７９．１０９１．８０６９．７０８２．１０ＰＣＢ＋ＲＰＰ［４］８１．００９３．１０６８．５０８２．９０ＨＰＭ［２４］８２．７０９４．２０７４．３０８６．６０ＯＳＮｅｔ［２５］８４．９０９４．８０７３．５０８８．６０ＭＧＮ［２６］８６．９０９５．７０７８．４０８８．７０ＡＢＤ［６］８８．２８９５．６０７８．５９８９．００ＧＣＰ［１８］８８．９０９５．２０７８．６０８９．７０ＢＤＢ［８］８６．７０９５．３０７６．００８９．００ＳＯＮＡ［２７］８８．６７９５．６８７８．０５８９．２５ＳＤＢ⁃４［９］８８．７０９５．９０７９．５０９０．２０ＭＨＮ⁃６（ＰＣＢ）［７］８５．００９５．１０７７．２０８９．１０ＰＬＲ⁃ＯＳＮｅｔ［５］８８．９０９５．６０８１．２０９１．６０ＢＣ⁃ＯＳＮｅｔ［２７］８９．９０９５．７０８２．１０９１．３０３８第１期吴晓富，等：面向行人重识别分集特征挖掘的多分支深度神经网络构造进展６．４㊀网络参量大小比较表５中给出了不同网络的参数量大小，一些网络由于没有公布代码，参量大小不好确定㊂由表５可知，由于ＯＳＮｅｔ网络的参量规模较小，以它为骨架搭建的多分支网络参量规模都较小㊂如ＢＣ⁃ＯＳＮｅｔ虽然有４个分支，最终参量规模为８．２ˑ１０６，仍大幅小于ＲｅｓＮｅｔ５０，因此适合资源受限的应用场景㊂表５㊀部分网络的参数量方法参数量／１０６ＩＤＥ（ＲｅｓＮｅｔ５０）２６．０ＰＣＢ２７．０ＰＬＲ⁃ＯＳＮｅｔ３．４ＭＨＮ２６．８ＳＤＢ６０．０ＢＣ⁃ＯＳＮｅｔ８．２７㊀结束语分集特征挖掘一直是提高行人重识别准确率的重要手段，本文简要总结了近年来基于多分支深度神经网络实现分集特征挖掘的各类算法，分别是局部分割分集㊁注意力分集㊁特征遮挡分集㊁异构分支分集㊂可以看出，使用多分支网络充分挖掘行人信息来提高检测性能是性能提高的主流手段之一，是近年计算视觉会议ＣＶＰＲ㊁ＩＣＣＶ行人重识别有监督学习领域的关注热点，取得了丰硕的成果㊂然而，目前多分支神经网络提取特征之间的分集度数学上仍然缺乏严格的定义，式（２）虽然给出了一种可能，但该定义仍存在以下明显缺陷：（１）依赖对抗网络的定义本身不直接；（２）对抗网络本身难以收敛；（３）实验效果不突出㊂因此，如何给出特征分集的严格数学定义并设计有效的多分支网络来挖掘行人的细粒度信息是未来继续提升行人重识别性能的关键㊂参考文献：［１］ＧＯＮＧＳＧ，ＣＲＩＳＴＡＮＩＭ，ＬＯＹＣＣ，ｅｔａｌ．ＴｈｅＲｅ⁃ｉｄｅｎｔｉｆｉ⁃ｃａｔｉｏｎｃｈａｌｌｅｎｇｅ［Ｍ］ʊＰｅｒｓｏｎＲｅ⁃Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ｌｏｎｄｏｎ：ＳｐｒｉｎｇｅｒＬｏｎｄｏｎ，２０１４：１－２０．［２］ＺＨＥＮＧＬ，ＹＡＮＧＹ，ＨＡＵＰＴＭＡＮＮＡＧ．ＰｅｒｓｏｎＲｅ⁃ｉｄｅｎ⁃ｔｉｆｉｃａｔｉｏｎ：ｐａｓｔ，ｐｒｅｓｅｎｔａｎｄｆｕｔｕｒｅ［ＥＢ／ＯＬ］．［２０２０⁃０８⁃０６］．ｈｔｔｐｓ：ʊａｒｘｉｖ．ｏｒｇ／ａｂｓ／１６１０．０２９８４．［３］ＧＨＥＩＳＳＡＲＩＮ，ＳＥＢＡＳＴＩＡＮＴＢ，ＨＡＲＴＬＥＹＲ．Ｐｅｒｓｏｎｒｅｉ⁃ｄｅｎｔｉｆｉｃａｔｉｏｎｕｓｉｎｇｓｐａｔｉｏｔｅｍｐｏｒａｌａｐｐｅａｒａｎｃｅ［Ｃ］ʊＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）．２００６：１５２８－１５３５．［４］ＳＵＮＹＦ，ＺＨＥＮＧＬ，ＹＡＮＧＹ，ｅｔａｌ．Ｂｅｙｏｎｄｐａｒｔｍｏｄｅｌｓ：ｐｅｒｓｏｎｒｅｔｒｉｅｖａｌｗｉｔｈｒｅｆｉｎｅｄｐａｒｔｐｏｏｌｉｎｇ（ａｎｄａｓｔｒｏｎｇｃｏｎｖｏｌｕｔｉｏｎａｌｂａｓｅｌｉｎｅ）［Ｃ］ʊＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＥｕｒｏｐｅａｎＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ（ＥＣＣＶ）．２０１８：４８０－４９６．［５］ＸＩＥＢ，ＷＵＸＦ，ＺＨＡＮＧＳＦ，ｅｔａｌ．Ｌｅａｒｎｉｎｇｄｉｖｅｒｓｅｆｅａｔｕｒｅｓｗｉｔｈｐａｒｔ⁃ｌｅｖｅｌｒｅｓｏｌｕｔｉｏｎｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［ＥＢ／ＯＬ］．［２０２０⁃０８⁃０６］．ｈｔｔｐｓ：ʊａｒｘｉｖ．ｏｒｇ／ａｂｓ／２００１．０７４４２．［６］ＣＨＥＮＴＬ，ＤＩＮＧＳＪ，ＸＩＥＪＹ，ｅｔａｌ．ＡＢＤ⁃ｎｅｔ：ＡｔｔｅｎｔｉｖｅｂｕｔｄｉｖｅｒｓｅｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［ＥＢ／ＯＬ］．［２０２０⁃０８⁃０６］．ｈｔｔｐｓ：ʊａｒｘｉｖ．ｏｒｇ／ａｂｓ／１９０８．０１１１４．［７］ＣＨＥＮＢＨ，ＤＥＮＧＷＨ，ＨＵＪＮ．Ｍｉｘｅｄｈｉｇｈ⁃ｏｒｄｅｒａｔｔｅｎｔｉｏｎｎｅｔｗｏｒｋｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｃ］ʊＩＥＥＥ／ＣＶＦＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ（ＩＣＣＶ）．２０１９：３７１－３８１．［８］ＤＡＩＺＺ，ＣＨＥＮＭＱ，ＧＵＸＤ，ｅｔａｌ．ＢａｔｃｈＤｒｏｐＢｌｏｃｋｎｅｔ⁃ｗｏｒｋｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｂｅｙｏｎｄ［Ｃ］ʊＩＥＥＥ／ＣＶＦＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ（ＩＣＣＶ）．２０１９：３６９０－３７００．［９］ＷＵＸＦ，ＸＩＥＢ，ＺＨＡＯＳＬ，ｅｔａｌ．Ｄｉｖｅｒｓｉｔｙ⁃ａｃｈｉｅｖｉｎｇＳｌｏｗ⁃ＤｒｏｐＢｌｏｃｋｎｅｔｗｏｒｋｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［ＥＢ／ＯＬ］．［２０２０⁃０８⁃０６］．ｈｔｔｐｓ：ʊａｒｘｉｖ．ｏｒｇ／ａｂｓ／２００２．０４４１４．［１０］ＺＨＡＮＧＬ，ＷＵＸＦ，ＺＨＡＮＧＳＬ，ｅｔａｌ．Ｂｒａｎｃｈ⁃ｃｏｏｐｅｒａｔｉｖｅＯＳＮｅｔｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［ＥＢ／ＯＬ］．［２０２０⁃０８⁃０６］．ｈｔｔｐｓ：ʊａｒｘｉｖ．ｏｒｇ／ａｂｓ／２００６．０７２０６．［１１］ＺＨＡＮＧＳＦ，ＺＨＡＮＧＬ，ＷＡＮＧＷＬ，ｅｔａｌ．ＡｓＮｅｔ：ａｓｙｍ⁃ｍｅｔｒｉｃａｌｎｅｔｗｏｒｋｆｏｒｌｅａｒｎｉｎｇｒｉｃｈｆｅａｔｕｒｅｓｉｎｐｅｒｓｏｎＲｅ⁃ｉ⁃ｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｊ］．ＩＥＥＥＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＬｅｔｔｅｒｓ，２０２０，２７：８５０－８５４．［１２］ＧＯＯＤＦＥＬＬＯＷＩ，ＰＯＵＧＥＴ⁃ＡＢＡＤＩＥＪ，ＭＩＲＺＡＭ，ｅｔａｌ．Ｇｅｎｅｒａｔｉｖｅａｄｖｅｒｓａｒｉａｌｎｅｔｓ［Ｃ］ʊＡｄｖａｎｃｅｓｉｎＮｅｕｒａｌＩｎ⁃ｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍｓ．２０１４：２６７２－２６８０．［１３］ＨＥＫＭ，ＺＨＡＮＧＸＹ，ＲＥＮＳＱ，ｅｔａｌ．Ｄｅｅｐｒｅｓｉｄｕａｌｌｅａｒｎｉｎｇｆｏｒｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］ʊＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）．２０１６：７７０－７７８．［１４］ＺＨＥＮＧＬ，ＳＨＥＮＬ，ＴＩＡＮＬ，ｅｔａｌ．ＳｃａｌａｂｌｅｐｅｒｓｏｎＲｅ⁃ｉｄｅｎ⁃ｔｉｆｉｃａｔｉｏｎ：ａｂｅｎｃｈｍａｒｋ［Ｃ］ʊＩＥＥＥ／ＣＶＦＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎ⁃ｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ（ＩＣＣＶ）．２０１５：１１１６－１１２４．［１５］ＲＩＳＴＡＮＩＥ，ＳＯＬＥＲＡＦ，ＺＯＵＲ，ｅｔａｌ．Ｐｅｒｆｏｒｍａｎｃｅｍｅａｓ⁃ｕｒｅｓａｎｄａｄａｔａｓｅｔｆｏｒｍｕｌｔｉ⁃ｔａｒｇｅｔ，ｍｕｌｔｉ⁃ｃａｍｅｒａｔｒａｃｋｉｎｇ［Ｃ］ʊＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＥｕｒｏｐｅａｎＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍ⁃ｐｕｔｅｒＶｉｓｉｏｎ（ＥＣＣＶ）．２０１６：１７－３５．［１６］ＬＩＷ，ＺＨＡＯＲ，ＸＩＡＯＴ，ｅｔａｌ．Ｄｅｅｐｒｅｉｄ：ｄｅｅｐｆｉｌｔｅｒｐａｉｒｉｎｇｎｅｕｒａｌｎｅｔｗｏｒｋｆｏｒｐｅｒｓｏｎｒｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｃ］ʊＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇ⁃ｎｉｔｉｏｎ（ＣＶＰＲ）．２０１４：１５２－１５９．［１７］ＺＨＯＮＧＺ，ＺＨＥＮＧＬ，ＫＡＮＧＧＬ，ｅｔａｌ．Ｒａｎｄｏｍｅｒａｓｉｎｇｄａｔａａｕｇｍｅｎｔａｔｉｏｎ［Ｃ］ʊＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＡＡＡＩＣｏｎｆｅｒ⁃４８南京邮电大学学报（自然科学版）㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２１年ｅｎｃｅｏｎＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ．２０２０：１３００１－１３００８．［１８］ＰＡＲＫＨ，ＨＡＭＢ．ＲｅｌａｔｉｏｎｎｅｔｗｏｒｋｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉ⁃ｃａｔｉｏｎ［Ｃ］ʊＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＡＡＡＩＣｏｎｆｅｒｅｎｃｅｏｎＡｒｔｉ⁃ｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ．２０２０：１１８３９－１１８４７．［１９］ＫＩＮＧＭＡＤＰ，ＢＡＪ．Ａｄａｍ：ａｍｅｔｈｏｄｆｏｒｓｔｏｃｈａｓｔｉｃｏｐｔｉ⁃ｍｉｚａｔｉｏｎ［ＥＢ／ＯＬ］．［２０２０⁃０８⁃０６］．ｈｔｔｐｓ：ʊａｒｘｉｖ．ｏｒｇ／ａｂｓ／１４１２．６９８０．［２０］ＨＥＲＭＡＮＳＡ，ＢＥＹＥＲＬ，ＬＥＩＢＥＢ．ＩｎｄｅｆｅｎｓｅｏｆｔｈｅｔｒｉｐｌｅｔｌｏｓｓｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［ＥＢ／ＯＬ］．［２０２０⁃０８⁃０６］．ｈｔｔｐｓ：ʊａｒｘｉｖ．ｏｒｇ／ａｂｓ／１７０３．０７７３７．［２１］ＷＥＮＹＤ，ＺＨＡＮＧＫＰ，ＬＩＺＦ，ｅｔａｌ．Ａｄｉｓｃｒｉｍｉｎａｔｉｖｅｆｅａｔｕｒｅｌｅａｒｎｉｎｇａｐｐｒｏａｃｈｆｏｒｄｅｅｐｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］ʊＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＥｕｒｏｐｅａｎＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉ⁃ｓｉｏｎ（ＥＣＣＶ）．２０１６．［２２］ＬＩＷ，ＺＨＵＸＴ，ＧＯＮＧＳＧ．ＨａｒｍｏｎｉｏｕｓａｔｔｅｎｔｉｏｎｎｅｔｗｏｒｋｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｃ］ʊＩＥＥＥ／ＣＶＦＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ．２０１８：２２８５－２２９４．［２３］ＬＵＯＨ，ＪＩＡＮＧＷ，ＺＨＡＮＧＸ，ｅｔａｌ．ＡｌｉｇｎｅｄＲｅＩＤ＋＋：ｄｙ⁃ｎａｍｉｃａｌｌｙｍａｔｃｈｉｎｇｌｏｃａｌｉｎｆｏｒｍａｔｉｏｎｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉ⁃ｆｉｃａｔｉｏｎ［Ｊ］．ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，２０１９，９４：５３－６１．［２４］ＦＵＹ，ＷＥＩＹＣ，ＺＨＯＵＹＱ，ｅｔａｌ．ＨｏｒｉｚｏｎｔａｌｐｙｒａｍｉｄｍａｔｃｈｉｎｇｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｃ］ʊＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＡＡＡＩＣｏｎｆｅｒｅｎｃｅｏｎＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ．２０１９：８２９５－８３０２．［２５］ＺＨＯＵＫＹ，ＹＡＮＧＹＸ，ＣＡＶＡＬＬＡＲＯＡ，ｅｔａｌ．Ｏｍｎｉ⁃ｓｃａｌｅｆｅａｔｕｒｅｌｅａｒｎｉｎｇｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｃ］ʊＩＥＥＥ／ＣＶＦＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ（ＩＣＣＶ）．２０１９：３７０１－３７１１．［２６］ＷＡＮＧＧＳ，ＹＵＡＮＹＦ，ＣＨＥＮＸ，ｅｔａｌ．Ｌｅａｒｎｉｎｇｄｉｓｃｒｉｍ⁃ｉｎａｔｉｖｅｆｅａｔｕｒｅｓｗｉｔｈｍｕｌｔｉｐｌｅｇｒａｎｕｌａｒｉｔｉｅｓｆｏｒｐｅｒｓｏｎＲｅ⁃ｉ⁃ｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｃ］ʊＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２６ｔｈＡＣＭＩｎｔｅｒｎａ⁃ｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭｕｌｔｉｍｅｄｉａ．２０１８：２７４－２８２．［２７］ＢＲＹＡＮＢ，ＧＯＮＧＹ，ＺＨＡＮＧＹＺ，ｅｔａｌ．Ｓｅｃｏｎｄ⁃ｏｒｄｅｒｎｏｎ⁃ｌｏｃａｌａｔｔｅｎｔｉｏｎｎｅｔｗｏｒｋｓｆｏｒｐｅｒｓｏｎＲｅ⁃ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｃ］ʊＩＥＥＥ／ＣＶＦＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ（ＩＣＣＶ）．２０１９：３７５９－３７６８．５８第１期吴晓富，等：面向行人重识别分集特征挖掘的多分支深度神经网络构造进展。
《错误》的诗性之美
《错误》的诗性之美郑愁予的《错误》具有含蓄、典雅、幽深的婉约风格，是一首具有现代主义内涵，同时又具有纯诗知性美的诗。
下面就从这些方面具体阐述它隽永的美。
一.古典美（一）意象与意境《错误》是一首短小的诗，它首先给人隽永意味的是诗中古典意象的运用和它创造的幽深含蓄的意境，这是形成其强大的感染力之所在。
因为“诗之至处，妙在含蓄无垠，思致微渺，其寄托在可言不可言之间，其指归在可解不可解之会，言在此而意在彼，泯端倪而离形象，绝议论而穷思维，引人于冥漠恍惚之境，所以为至也。
”①这首诗短小而又精悍，句句如串串珠链，其中的每个意象都闪烁着最耀眼的光芒。
诗的首句“我打江南走过”写出了“江南”这一古典意象。
“江南”这一中国古典诗词中常见的意象代表着秀美、清新、意蕴无穷的美。
小桥流水，凉风拂面；夕阳斜挂，檐燕低语；烟柳画桥，亭台楼榭；菱歌泛舟，靓男媛女；风荷影动，游鱼惊窜；风雨凄迷；美人凝眸……这是一个如此令人向往，宛若仙境的地方。
古来多少人倾倒于江南的浓情密雨之中，既有白居易“江南好，风景旧曾谙……能不忆江南”的无限回忆流连，又有“水面清圆，一一风荷举”的美好情态，“小楫轻舟，梦入芙蓉浦”的恋情神往，以及“初篁苞绿箨，新蒲含紫茸。
海鸥戏春岸，天鸡弄和风”的勃勃生机。
这一包含无限韵味的江南意象为全诗营造了一种幽深隽永的气氛，奠定了全诗典雅而又哀怨的情感基调。
“那等在季节里的容颜如莲花的开落”，等待的容颜应该是一位江南美丽的妇人。
然而青春易逝，红颜易老，她曾经绰约的身姿，如花的笑靥，凝眸的顾盼，纤纤的素手，娥娥的粉妆怎经得起岁月的等待？“莲花的开落”暗示着红颜的消陨。
莲花象征着那等待的女子，它的盛开灿若星辰，而短暂的绚烂之后是香消玉损。
这是一个哀怨的江南女子。
“东风不来，三月的柳絮不飞／你的心如小小寂寞的城”。
“东风”是复苏万物吹醒大地的东西，而在此时的江南它仍未到来，柳絮也无法轻扬那秀美的衣袖。
沉闷，冷清，这就是此时的江南，一切都无生机，心儿更是寂寞的。
理论与批评的是是非非_黑暗的心脏_争鸣之管见_张和龙
2003年1月2003年 第1期外国文学Foreign LiteratureJan.2003No.1,2003理论与批评的是是非非———《黑暗的心脏》争鸣之管见张和龙 中图分类号:IO 文献标识码:A 文章编号:1002-5529(2003)01-0099-07一殷企平先生在《外国文学评论》2001年第二期上发表《〈黑暗的心脏〉解读中的4个误区》(以下简称《误区》)一文,引起王丽亚女士的“商榷”,殷先生随后对王女士的“质疑”进行了答复。
①这场争鸣是近年来外国文学研究界不可多得的亮点之一。
两位学者出于强烈的“问题意识”,围绕康拉德的杰作《黑暗的心脏》所引发的话题,从各自的角度出发,对相关问题进行了可贵的探索。
读了他们的文章深受启发,受益匪浅。
笔者有感于两位学者的争鸣,不揣浅陋,且将一管之见道出,以图抛砖之效。
殷企平先生在《误区》一文中认为,“当前在解读《黑暗的心脏》方面至少存在着4个误区”,并“坚持从分析作品的细节出发”,从而“把握作品的寓意”,并且在《答疑》一文中仍然坚持说:“王女士为什么不能也在解读具体文本之后再对本人的解读提出批评呢?”王丽亚女士认为,殷先生“将一些阐释行为形容为`生搬'和`硬套'某一种理论,恰恰在对待作品阐释与批评理论两者关系上走入了误区”。
《商榷》一文中使用了大量篇幅论述阐释和阅读立场,以及“什么是理论”等问题。
可以看出,出发点不同是引起两位学者分歧和争鸣的关键所在。
殷先生从批评实践出发,或者说从作为批评对象的文本出发,指出批评的“误区”,并试图揭示单部作品的“寓意”;而王女士则从理论出发,或者说站在理论的角度,去审视文本阐释和作品解读等理论问题,其着重点显然是“理论”的论证,是对相关理论问题的“再认识”。
为了更清楚地理解论辩双方的立场和观察问题的角度,笔者认为有必要先梳理一下批评和理论之间剪不断理还乱的复杂关系。
根据笔者的观察,对理论和批评不加区分地使用,或者认为没有必要对之进行区分在学界是一个普遍的现象。
戈多到底是谁——以人物角色为例，分析《等待戈多》的创作特点
科技视界Science &Technology VisionScience &Technology Vision 科技视界在荒诞派戏剧里,塞缪尔·贝克特虽然不是第一个创作荒诞派戏剧的,但是他因1952年搬上舞台的戏剧《等待戈多》而一举成为荒诞派戏剧流派中最重要的作家,领走了那一年度的诺贝尔文学奖,使他在文学上的荣誉达到了登峰造极的地步,也标志着荒诞派戏剧赢得了文学界的承认。
这部剧共由两幕组成。
由于这部剧揭示了西方20世纪中叶的社会现实,表现了人们的苦闷心里,道出了人们的普遍心声,因此他引起了千百万观众的共鸣。
在痛苦中等待,在痛苦中希望,在痛苦中行动,《等待戈多》的这种概括所蕴含的生活的广度,哲理的深度及表达的准确度,都超出了西方文学中的同类作品,这也是我选择本篇文章进行分析学习的原因之一。
我着重从戈多这一人物形象的象征性入手,来分析本剧的创作的特点。
所以,要分析塞缪尔·贝克特的《等待戈多》,我认为首先要从“戈多”这个人物形象入手,那么戈多到底是谁呢?———咱们走吧。
———咱们不能。
———为什么不能?———咱们在等待戈多。
这是《等待戈多》中的经典对白。
那么,值得他们苦苦等待的戈多到底是谁呢?对于戈多的人物形象的分析,有以下几个观点:有人说,戈多就是上帝,戈多是从英语“God”演变而来,法语“Godot”是英语“God”的变形,后缀“ot”是法语中的昵称,God 即天帝、上帝、造物主之意,故戈多暗指上帝。
[1]但是很多人认为在现实生活中对上帝的信仰正在慢慢消逝《等待戈多》这部戏剧就描绘了这样一幅画面:首先这个世界上只有一个人在乎上帝,故事的主角爱斯特拉贡和弗拉迪米尔一起等待戈多,而爱斯特拉贡只是作为朋友在陪伴弗拉迪米尔等待戈多,爱斯特拉贡甚至不知道他们等的是谁。
过路人也忘了上帝的名字,他说:“如果我跟Godin,Godet 还是Godot 有个约会的话,不管叫什么你知道我指的是谁。
西北工业大学考研参考书
沈玉麟编
《中国城市建设史》
中国建筑工业出版社
董鉴泓编
743
法学综合一
《法理学》
北京大学出版社高等教育出版社
张文显主编
《法理学》（第三版）
北京大学出版社
沈宗灵主编
《法理学
法律出版社2009年出版
卓泽渊著
《宪法》（第二版）
高等教育出版社、北京大学出版社
周叶中主编
《宪法学》（第二版）
法律出版社
张千帆著
《宪法学》（第四版）
北京大学出版社
焦洪昌主编
《行政法学》（第三版）
北京大学出版社
罗豪才主编
《行政法与行政诉讼法》（第四版）
北京大学出版社、高等教育出版社
姜明安主编
《行政法学》（第三版）
法律出版社
胡建淼著
《行政法与行政诉讼法学》
法律出版社2006年版
应松年主编
745
行政管理学
《行政管理学》
主编王惠岩，执行主编彭向刚
《中日交流标准日本语》初级上、下（新版）；中级上1-10课
人民教育出版社
244
德语（一外）
《大学德语教学大纲》
高等教育出版社
《大学德语》（1----3册）
高等教育出版社
张书良 主编
245
法语（一外）
《法语》1-3册
外语教学与研究出版社出版
马晓宏等编
《简明法语教程》1-42课
商务印书馆出版
孙辉编
《大学法语》1-3册
运筹学
《运筹学》
清华大学出版社，2006
运筹学教材编写组
816
数字信号处理
《数字信号处理》（第二版，第三版）
第四章 媒介批评理论(一)
因而，能否成为一个批判的世纪还要经受 时间的检验，而这其中的最为关键的还在于我 们能否建立起具有经得住时间考验的、具有现 实批判成效的批判方法，并不是在于我们拥有 了多少种众多的批判方法，那些没有批判实效 的、空洞意义上的批判方法再多也是没有实际 价值的。
这样看来，我们所要做的就不仅仅是提 出多少种批判方法，而是要看重某一种批判 方法的实际效用，也可以说，让传媒批判切 近大众传播的现实，直面大众文化的实际， 对推动传播和引导阅听起到一种具有实效的 功用，这就是我们当前传媒批判所要面对和 所要解决的一个迫切问题。
在知识建立的层面，也就是科学哲学的 层次上，主流传播研究被批判为缺乏理论， 落入科学主义的意识形态而不自知。
2、铨释社会现象层面的问题
在解释社会现象的层面上，也就是社会 理论的层次上，主流传播研究被批判为“隐 含”著一套未加验证的功能论和多元论。
传播理论层面的问题
在传播理论的层面上，主流传播理论 被批判为仅注重可见的，个人或微观的， 和行为的效果研究；而忽略了宏观的、结 构的、和历史的研究。
日内瓦学派的代表人物乔治· 布莱就曾指 出过，“要等到21世纪，才能看出来本世纪 是否是一个伟大的批判的世纪。”看来，欧 洲国家那种传媒批判表面上的繁荣并不等于 实质上的批判成效，要想真正的成为一个真 正伟大的批判世纪，就不仅仅在于我们拥有 了多少种批判方法，更为重要的是，我们还 要有几种可以操作的、富有成效的批判方法， 由此我们才可以说，20世纪是一个当之无愧 的批判的世纪。
政治传播学者布鲁勒（Jay Blumler） 即指出，当时的社会危机也引发了媒介危机， 许多社会群体认为媒体扭曲了他们的本质。 参与柏克莱大学学生运动的吉特林（Todd Gitlin）即曾就当时主要的电视及报纸如何 矮化、窄化“民主社会学生会”组织的情形 进行过专门的研究。
完美制度中的不完美——《乌托邦》中的消极成分评析
莫尔是西方“文艺复兴”时期的重要人文主义者,是空想社会主义的鼻祖,他的著作《乌托邦》是空想社会主义的第一部代表作。
莫尔在该书中深刻地批判了资产阶级和封建统治者的罪恶,表达了对资本原始积累时期过着苦难生活的劳动人民的同情,揭示了资本主义生产方式的许多矛盾和弊病,并设想用一个经济﹑政治和社会制度极其理想的社会来代替当时的现实社会。
《乌托邦》的历史意义无疑是极其重大的,书中描写的社会在当时看来无疑是极其完美的,然而,即使莫尔在写此书时已经从政多年(他曾经当过律师,在1504年年满26岁时被选为议员,撰写书稿时正担任伦敦市司法官,并被英王委派为商业斡旋大使),但囿于个人之见和时代的局限,他在该书中描写的“完美”社会也存在一些不完美的地方,与理想的社会不相符。
一﹑政府管理一个理想国家中的管理机构———政府,应该实行高效的管理。
所谓高效,包含两方面的意义,一是高效率,二是高效益。
政府管理不能单纯追求效率而不计行政成本,在讲求效益的同时,还要降低行政成本。
在乌托邦中,政府的管理成本极高,因此不是一个高效的政府。
比如乌托邦规定:每30户每年选出一名飞拉哈,除总督为终身制外,其他官员一年一选。
房产管理方面,他们每隔10年用抽签方式调换房屋。
虽然一般官员的选举体现了民主精神和用人机制的灵活性,但是“一年一选”未免太频繁。
搞一次选举活动是要花一定的政府费用的,这样在基层频繁地搞选举,不利于节约行政管理费用。
再者,官员上任伊始,刚刚熟悉岗位和环境,第二年就要换岗或下岗,不利于政策的制订和政策的连贯性,人亡政息,频繁的换动基层官员必然造成行政资源的大量浪费和政策的不连贯。
至于房产管理方面,就更没有必要每隔10年调换一次了。
就算家产等都共有,一个家庭总会有自己按需分配来的自己特殊需要的一些东西,这些财产如果新搬来的住户不需要,就要花钱去搬运,这也是每个家庭的一笔支出,全国算起来,浪费很大。
二﹑法制法规1.重德治轻法治。
首先,由于人民受过足够多和足够好的教育,乌托邦的法令很少,乌托邦人觉得用浩繁和晦涩的法令去约束人民是极不公正的,他们还把巧于操纵案情和曲解律文的全部律师逐出。
错误信息持续影响效应研究的回顾与展望
The Continued Influence Effect of Misinformation Research:Review and Prospect 作者： 贾丽娜[1,2,3];魏士琳[1,2,3];阴晓娟[1,2,3];金花[1,2,3]
作者机构： [1]教育部人文社会科学重点研究基地天津师范大学心理与行为研究院,天津
300387;[2]天津师范大学心理学部,天津300387;[3]学生心理发展与学习天津市高校社会科学实验室,天津300387
出版物刊名： 应用心理学
页码： 120-132页
年卷期： 2021年 第2期
主题词： 错误信息;持续影响效应;更正方式
摘要：错误信息更正后,仍会持续影响人们随后的认知.对这一现象的研究有利于降低负面影响及形成准确判断力.持续影响效应受信息形式、重复、载体和来源的影响,同时与个体动机、自信和认知能力有关.在更正效果上,重复更正、提供替代解释及提醒均可有效降低持续影响效应.记忆双加工、心理模型及知识修正理论试图对其发生机制进行解释,且均强调了更正失败或不充分可能是其主要原因.未来应关注神经机制、更正间隔及信息类型的问题.。
元杂剧中的“反讽”艺术
时， 看 到一 女子 ， 顿 时便 被其 背 影 迷住 了 ， 他用 好 色
的 眼光打 量着她 ： “ 背身 儿立着 ， 不见 他那 画皮 ， 则 见 他那后 影儿 ， 白的是那脖 颈 ， 黑 的是那 头发 。可 怎生 得他 回头 ， 我看他 一看 ， 可也 好 耶 。 ” Ｌ ｌ Ｊ ５ ∞ 后 又 用诗 挑
亲告诉 他还 在采桑 ， 他 才 知 桑 园里 被 他 调 戏之 人 便
是 自己的妻 子 。一 个 衣 锦还 乡之 人 本应 风光 得 意 ，
身份误 会 是 反讽 的一种 手 段 ， 即剧 中人 物 由于
某 一种原 因认 错 了人 ， 或 者 是 没 有 认 出人 ， 这 种 错
光荣不 已， 而就是 这样 一个 人 ， 竟 然 公然 调戏 妇 女 ，
恰 恰 与市 民 的审美 相契合 。 在 元杂 剧 中 以身 份误 会 而 推动 剧情 发 展 、 制造 滑 稽场 面的例 子俯 拾 皆是 ， 石 君 宝 的《 秋 胡戏 妻 》 是
一
目的便 达 到了 。身 份 误会 将 剧 情 推 至 高 潮 ， 又使 剧
情 出人 意料 ， 让 人 忍 俊 不禁 。本 剧 的身 份 误 会不 仅 是制造 滑稽 可笑 的手 段 ， 而且 是 场 面推 动 剧 情转 变
的关键 点 。
又如关 汉卿 的《 望江 亭 中秋 切 绘 》 中杨衙 内本是
一
个典 型例子 。新婚 三 日， 秋胡 就被迫 充军 ， 在秋胡
参 军 的十年里 ， 音 信 全无 ， 而 罗梅 英 克服 种 种 困难 ， 忠 贞 的守 着爱 情 ， 殷 勤侍 奉 婆婆 。 当秋胡 来 到 桑 园
元杂剧剧作家虽然地位卑下但是在文化制度上仍然怀有一种居高临下的自信感与优越感他们在描写蒙古官员和汉族令史时虽然是对元朝吏治黑暗的批判与揭露但是也潜含了作为文化和制度优越者对当时统治者的蔑视与讽刺
数学课堂教学改革的错位与偏差
数学课堂教学改革的错位与偏差
殷娴
【期刊名称】《教学与管理（小学版）》
【年(卷),期】2003(000)011
【摘要】@@ 新课标理念的全面实施和课程改革的不断深入,对原有的课堂教学目标、教学内容、教学组织形式、教学方法以及教育评价等形成了巨大的冲击.然而,教育改革的实际操作往往比提出改革的设想要困难得多,小学数学课堂教学改革实践仍面临着很多的困扰和问题.
【总页数】3页(P8-10)
【作者】殷娴
【作者单位】江苏无锡师范学校
【正文语种】中文
【中图分类】G4
【相关文献】
1.依“错”追“错”,“错”出真知——数学课堂教学利用错例进行有效干预的体会略谈 [J], 夏建康;
2.慧眼识"错",化"错"为美——例谈"化错教学"在小学数学课堂中的运用 [J], 唐玉玲
3.慧眼识“错”,化“错”为美---例谈“化错教学”在小学数学课堂中的运用 [J], 唐玉玲;
4.于“错”之中见精彩——高中数学课堂教学中的“融错”艺术研究 [J], 顾金花;
5.识错、纠错、防错,数学课堂因"错"而"生"——小学数学课堂中易错题的纠正策略思考 [J], 黄兵
因版权原因，仅展示原文概要，查看原文内容请购买。
(2019版)《错误》赏析与写作提升
经典变异:文化过滤下的文本细读——以宇文所安对经典诗人杜甫的解读为例
经典变异：文化过滤下的文本细读——以宇文所安对经典诗
人杜甫的解读为例
殷晓燕
【期刊名称】《当代文坛》
【年(卷),期】2014(0)6
【摘要】杜甫一直以沉郁顿挫的诗歌风格、忧国忧民的诗歌情怀为后人所景仰,但在美国汉学家宇文所安的研究中,却以幽默随便的智者、虚幻想象的诗人形象出现,与中国传统对杜甫的解读形成了极大的偏差。
文章通过对宇文所安的研究进行分析,发现这是文学在跨异质文明传播过程因文化过滤而导致的经典变异。
【总页数】4页(P172-175)
【关键词】宇文所安;杜甫;文化过渡;经典变异
【作者】殷晓燕
【作者单位】成都大学文学与新闻传播学院
【正文语种】中文
【中图分类】I209
【相关文献】
1.文化语境与“文学经典”的释义——宇文所安对中国文学经典的解构与建构 [J], 殷晓燕
2.他者视野下的李清照婚姻解读——以宇文所安的“内心隐秘”细读为例 [J], 殷晓燕
3.他者视野下经典作家的解构与建构——论汉学家宇文所安的经典作家观 [J], 殷晓燕
4.文本细读：解读经典的有效途径——以《林黛玉进贾府》教学为例 [J], 赵文董因版权原因，仅展示原文概要，查看原文内容请购买。
青海、甘肃民间文学作品集中的错别字勘误
青海、甘肃民间文学作品集中的错别字勘误
才布西格
【期刊名称】《中国蒙古学》
【年(卷),期】2007(035)005
【总页数】6页(P70-75)
【作者】才布西格
【作者单位】无
【正文语种】中文
【中图分类】H
【相关文献】
1.《〈中国历代文学作品选〉中编第一册行政区划名称勘误》补遗 [J], 阳建雄;陈洁
2.《中国历代文学作品选·上编》行政区划名勘误 [J], 阳建雄;陈洁
3.《中国历代文学作品选(下编)》行政区划名称勘误补遗 [J], 王洪泉; 范明英
4.《中国历代文学作品选·上编》行政区划名称勘误补遗 [J], 阳建雄; 戴玺颖
5.中国民间文学学科史早期的外国民间文学作品翻译与出版--以刘小蕙《朝鲜民间故事》为例 [J], 卞梦薇
因版权原因，仅展示原文概要，查看原文内容请购买。
语用失误的认知研究
语用失误的认知研究
苏小兰
【期刊名称】《佳木斯大学社会科学学报》
【年(卷),期】2013(031)006
【摘要】语用失误历来是语用学界探讨的热点话题之一,本文在综述前人的研究成果基础上,运用认知语言学的意象、概念、脚本等心理特征对语用失误进行认知研究,总结了针对语用失误的对策.
【总页数】3页(P108-110)
【作者】苏小兰
【作者单位】江苏信息职业技术学院基础部,江苏无锡214153;南京大学外国语学院,江苏南京210097
【正文语种】中文
【中图分类】H030
【相关文献】
1.国内外语用失误研究文献综述--基于霍夫斯泰德文化维度理论的外交领域谈判中的语用失误 [J], 李颖;常越
2.跨文化交际中语用失误的认知研究 [J], 罗小英
3.模糊语用失误的认知研究 [J], 韩芸
4.基于关联理论的语用失误认知研究 [J], 苏涛涛;杨真洪
5.跨文化交际中的非言语语用失误之体态语语用失误 [J], 欧阳菲
因版权原因，仅展示原文概要，查看原文内容请购买。
集值不完备信息系统上的一种知识约简的方法
集值不完备信息系统上的一种知识约简的方法
洪晓蕾;王燕;莫智文;殷璐
【期刊名称】《四川师范大学学报（自然科学版）》
【年(卷),期】2007(030)003
【摘要】讨论了集值不完备系统上的两种基本关系:相容关系和拟序关系,论证得到了基于辨识矩阵的集值不完备系统知识约简的方法.在此基础上,讨论了知识约简的算法,并通过实例得到了证实.
【总页数】4页(P266-269)
【作者】洪晓蕾;王燕;莫智文;殷璐
【作者单位】四川师范大学,数学与软件科学学院,四川,成都,610066;四川师范大学,数学与软件科学学院,四川,成都,610066;四川师范大学,数学与软件科学学院,四川,成都,610066;四川师范大学,数学与软件科学学院,四川,成都,610066
【正文语种】中文
【中图分类】O159
【相关文献】
1.基于变精度粗糙集的不完备信息系统知识约简 [J], 赵亚娣;魏立力
2.基于属性集值不完备信息系统的Rough集方法 [J], 叶小平;吉永杰
3.不完备信息系统下的变精度粗糙集模型及其知识约简算法 [J], 张宏宇;梁吉业
4.粗集在不完备信息系统中进行知识约简和决策推理的方法研究 [J], 黄素梅;吴陈
5.基于粗糙集理论的不完备信息系统中知识约简的研究 [J], 袁鸿燕
因版权原因，仅展示原文概要，查看原文内容请购买。
一次失败的诗歌朗诵会触发的研讨——延安文艺批评史札记
一次失败的诗歌朗诵会触发的研讨——延安文艺批评史札记吴艳
【期刊名称】《社会科学动态》
【年(卷),期】2024()1
【摘要】延安文艺批评,是中国现代以来文艺批评的一个关键点。
以“一次失败的诗歌朗诵会触发的研讨”为例,可以梳理其脉络、记叙其现场、展示参与者的言说论点,分析其问题。
参与延安文艺批评的人影响着文艺批评事件的具体走向,诸多不同个人经历的成员存在“家族相似”的元素,其知识谱系造就了延安文艺批评生机盎然的现场。
所提出的诗歌口语化和大众化问题,具有文艺批评的本体意味。
【总页数】7页(P102-108)
【作者】吴艳
【作者单位】江汉大学文学院
【正文语种】中文
【中图分类】I226
【相关文献】
1.音乐还在流淌……——记一次特别的诗歌朗诵会
2.崔荣德诗歌朗诵会暨研讨会在京举行
3.白玛曲真诗歌研讨会暨朗诵会在京举行
4.文艺批评问题——学习毛主席《在延安文艺座谈会上的讲话》札记
5.纪念五四诗歌朗诵会在延安鲁艺旧址举行
因版权原因，仅展示原文概要，查看原文内容请购买。
为崇高松绑:从“伪崇高”重回“崇高”
为崇高松绑：从“伪崇高”重回“崇高”
孙晓蕾
【期刊名称】《世界文学评论》
【年(卷),期】2016(000)002
【摘要】'崇高',作为西方美学传统的一个重要概念,也备受中华诗学的推崇,自古以来它在东西文化中相异相融。
本文从天津'八·一二'爆炸事件出发,在重温和分析西方崇高美学经典的基础上,认为'伪崇高'是对'崇高'的误读,'伪崇高'的三种表现形式是:
用律令和权威绑架了的崇高,将元素误作本质化处理的崇高——将主体和客体做了置换的崇高。
本文以弗兰克·奥康纳的《国家的客人》和纳撒尼尔·霍桑的《胎记》为例证分析,向当代社会提出重温崇高传统、为崇高松绑和回归崇高本质的倡议。
【总页数】8页(P153-160)
【作者】孙晓蕾
【作者单位】上海外国语大学
【正文语种】中文
【中图分类】I106.4
【相关文献】
1.从自然崇高到道德崇高——康德崇高理论的解构与建构 [J], 申扶民
2.神性崇高与人性崇高——西方美学史上的"崇高"之演变 [J], 张翠玲
3.崇高——崇高感——崇高感投射 [J], 张吉平
4.叔本华的崇高理论:近代崇高与后现代崇高的过渡——以其“回忆”概念为例 [J],
王嘉军
5.电影《八佰》中的崇高美学研究——从埃蒙德·伯克的“崇高论”谈起 [J], 杨成因版权原因，仅展示原文概要，查看原文内容请购买。
神话原型批评述评
神话原型批评述评
殷凌飞
【期刊名称】《中国电子商务》
【年(卷),期】2011(000)008
【摘要】神话原型批评是20世纪五六十年代在西方流行的研究文学与原始文化关系的一种批评流派,其理论基础创自于英国人类学家弗雷泽和瑞士心理学家荣格,其集大成者是加拿大著名文学理论家弗莱.综观整个原型批评理论,神话原型批评呈现出一种整体性批评的倾向.把文学当作大文化语境中的一个整体,使用原型去挖掘文学意象的原始意义.
【总页数】1页(P330-330)
【作者】殷凌飞
【作者单位】武汉大学文学院,湖北,武汉,430072
【正文语种】中文
【中图分类】B932
【相关文献】
1.神话批评，原型批评：两种原型，两种流派 [J], 张秀春
2.神话原型意义的本质性探讨——结构主义神话研究对神话原型批评理论应用的启示 [J], 张宇维;
3.神话原型意义的本质性探讨——结构主义神话研究对神话原型批评理论应用的启示 [J], 张宇维
4.神话──原型批评三家述评 [J], 邓惠明
5.神话原型批评理论视角下《魔戒》的原型分析 [J], 魏翔宇
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.HTTP Status 500 -type Exception reportmessagedescription The server encountered an internal error () that prevented it from fulfilling this request. exceptionorg.apache.jasper.JasperException: ng.NullPointerExceptionorg.apache.jasper.servlet.JspServletWrapper.handleJspException(JspServletWrapper.java:500 )org.apache.jasper.servlet.JspServletWrapper.service(JspServletWrapper.java:428)org.apache.jasper.servlet.JspServlet.serviceJspFile(JspServlet.java:313)org.apache.jasper.servlet.JspServlet.service(JspServlet.java:260)javax.servlet.http.HttpServlet.service(HttpServlet.java:717)com.test.servlet.LoginServlet.doPost(LoginServlet.java:73)javax.servlet.http.HttpServlet.service(HttpServlet.java:637)javax.servlet.http.HttpServlet.service(HttpServlet.java:717)com.test.filter.LoginFilter.doFilter(LoginFilter.java:30)root causeng.NullPointerExceptionerlist_jsp._jspService(userlist_jsp.java:95)错误分析：空指针解决方法：登录成功之后应跳转到servlet中，再到页面2. 错误信息：ng.NullPointerExceptionerAction.execute(UserAction.java:20)错误分析：userAction文件中值没有传入execute中，且在execute中输出list时，不会输出list解决方法：private UserService userService实例化3.错误信息：在登录时必须在session中放入一个值，不然就会进行拦截（即刚开始运行时就会要求你在首先登录）。
错误分析:说明在刚开始登录时，session中没有值，因此登录也进行了拦截，则需要将登录的页面排除在外解决方法：添加代码,将登录页面排除在外if(LoginAction.class == invocation.getAction().getClass()){System.out.println("1111111");return invocation.invoke();}4.在服务器中:ng.NullPointerExceptioncom.osim.persistence.dao.Impl.DeptDaoImpl.addDept(DeptDaoImpl .java:18)com.osim.service.Impl.DeptServiceImpl.addDept(DeptServiceImpl .java:20)com.osim.struts.actions.dept.DeptAction.addDept(DeptAction.ja va:18)在console中出现:org.hibernate.MappingNotFoundException: resource:com/osim/beans/Tdept.hbm.xml not foundatorg.hibernate.cfg.Configuration.addResource(Configuration.java:610) 原因:Tdept.hbm.xml找不到解决方法:包写错了,应为com/osim/beans/xml/Tdept.hbm.xml5. HTTP Status 500 -type Exception reportmessagedescription The server encountered an internal error () that prevented it from fulfilling this request.exceptionng.NoSuchMethodException:com.osim.struts.actions.dept.DeptAction.listDept()ng.Class.getMethod(Class.java:1605)原因:listDept() 方法找不到解决方法：查看struts_dept.xml中method的属性是否为listDept()ng.NullPointerExceptioncom.osim.struts.actions.dept.DeptAction.getDeptid(DeptAction. java:32)解决方法：private Tdept dept=new Tdept();实例化7. type Exception reportmessagedescription The server encountered an internal error () that prevented it from fulfilling this request.exceptionng.RuntimeException: ng.NullPointerExceptioncom.osim.struts.interceptor.HibernateSessionInterceptor.inter cept(HibernateSessionInterceptor.java:40)com.opensymphony.xwork2.DefaultActionInvocation.invoke(Defaul tActionInvocation.java:248)org.apache.struts2.impl.StrutsActionProxy.execute(StrutsActio nProxy.java:52)org.apache.struts2.dispatcher.Dispatcher.serviceAction(Dispat cher.java:498)org.apache.struts2.dispatcher.ng.ExecuteOperations.executeAct ion(ExecuteOperations.java:77)org.apache.struts2.dispatcher.ng.filter.StrutsPrepareAndExecu teFilter.doFilter(StrutsPrepareAndExecuteFilter.java:91)root causeng.NullPointerExceptioncom.osim.struts.action.position.PositionAction.addPositionExe cute(PositionAction.java:20)sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)解决方法：private PositionServicepositionService=BeanFactory.getBeanImpl(PositionService.class);(即要实例化，相当于private PositionService positionService=new PositionServiceImpl())8. HTTP Status 500 -type Exception reportmessagedescription The server encountered an internal error () that prevented it from fulfilling this request.root causeng.IllegalArgumentException: id to load is required for loading org.hibernate.event.LoadEvent.<init>(LoadEvent.java:74)org.hibernate.event.LoadEvent.<init>(LoadEvent.java:56)解决方法：<s:ahref="getPosition.action?position.positionId=%{#op.positionId}">修改</s:a>要用struts标签9. HTTP Status 500 -type Exception reportmessagedescription The server encountered an internal error () that prevented it from fulfilling this request.exceptionUnable to instantiate Action, com.osim.struts.action.title.TitleAction, defined for 'addTitle' in namespace '/'nullcom.opensymphony.xwork2.DefaultActionInvocation.createAction( DefaultActionInvocation.java:318)com.opensymphony.xwork2.DefaultActionInvocation.init(DefaultA ctionInvocation.java:399)com.opensymphony.xwork2.DefaultActionProxy.prepare(DefaultAct ionProxy.java:198)org.apache.struts2.impl.StrutsActionProxy.prepare(StrutsActio nProxy.java:61)org.apache.struts2.impl.StrutsActionProxyFactory.createAction Proxy(StrutsActionProxyFactory.java:39)com.opensymphony.xwork2.DefaultActionProxyFactory.createActio nProxy(DefaultActionProxyFactory.java:58)org.apache.struts2.dispatcher.Dispatcher.serviceAction(Dispat cher.java:488)org.apache.struts2.dispatcher.ng.ExecuteOperations.executeAct ion(ExecuteOperations.java:77)org.apache.struts2.dispatcher.ng.filter.StrutsPrepareAndExecu teFilter.doFilter(StrutsPrepareAndExecuteFilter.java:91)root causeng.RuntimeExceptioncom.osim.utils.BeanFactory.getBeanImpl(BeanFactory.java:39)com.osim.struts.action.title.TitleAction.<init>(TitleAction.j ava:15)原因：在BeanFactory中没有定义PositionService=com.osim.service.Impl.PositionServiceImpl解决方法：在BeanFactory.properties中写入PositionService=com.osim.service.Impl.PositionServiceImpl或者直接实例化private PositionService positionService=new PositionServiceImpl()10. HTTP Status 500 -type Exception reportmessagedescription The server encountered an internal error () that prevented it from fulfilling this request.exceptionng.Exception: No result defined for actioncom.osim.struts.action.position.PositionAction and result input com.osim.struts.interceptor.HibernateSessionInterceptor.inter cept(HibernateSessionInterceptor.java:44)com.opensymphony.xwork2.DefaultActionInvocation.invoke(Defaul tActionInvocation.java:248)org.apache.struts2.impl.StrutsActionProxy.execute(StrutsActio nProxy.java:52)org.apache.struts2.dispatcher.Dispatcher.serviceAction(Dispat cher.java:498)org.apache.struts2.dispatcher.ng.ExecuteOperations.executeAct ion(ExecuteOperations.java:77)org.apache.struts2.dispatcher.ng.filter.StrutsPrepareAndExecu teFilter.doFilter(StrutsPrepareAndExecuteFilter.java:91)root causeNo result defined for actioncom.osim.struts.action.position.PositionAction and result input com.opensymphony.xwork2.DefaultActionInvocation.executeResult (DefaultActionInvocation.java:375)com.opensymphony.xwork2.DefaultActionInvocation.invoke(Defaul tActionInvocation.java:277)解决方法:<form action="listPosition.action"onsubmit="return check()">第<input type="text"name="page"id="page"style="width:30px"/>页<input type="submit"value="跳转"/></form>1.ng.IllegalStateExceptionorg.apache.catalina.connector.ResponseFacade.sendError(Respon seFacade.java:407)org.apache.struts2.dispatcher.Dispatcher.sendError(Dispatcher .java:819)解决方法：去掉拦截器11.HTTP Status 500 -Exception reportThe server encountered an internal error () that prevented it from fulfilling this request.org.hibernate.NonUniqueObjectException: a different object with the same identifier value was already associated with the session:[com.osim.beans.Tclassroom#JS201111298432]org.hibernate.engine.StatefulPersistenceContext.checkUniquene ss(StatefulPersistenceContext.java:613)原因：session未关闭。