gydtep

通常来说，传统特征点匹配算法会存在泛化性不足问题，由此生成的训练数据很可能导致模型无法很好学习，具体体现在：1）训练样本较为简单；

gydtep

如图8(b)；3）相似但不同的牌匾难以区分，如图8(c)。因此，我们进一步设计了局部特征分支[1]，让模型更加关注牌匾的几何、纹理等局部信息，与全局特征共同做牌匾检索。

gydtep

但是局部特征有区别。这些Bad case就是我们设计的多模态检索模型的初衷，并且也在优化过程逐渐得以解决，如图(d)、(e)、(f)所示。

gydtep

模态结构数据虽然在底层表征上是异构的，但是相同实体的不同模态数据在高层语义上是统一的，所以多种模态数据的融合对于在语义层级构建多种模态下统一的语言表示模型提出数据支持。

gydtep

VideoBERT，B2T2， VisualBERT， Unicoder-VL ， VL-BERT和UNITER使用了单流架构，即利用单个Transformer的self-attention机制同时建模图像和文本信息。

gydtep

业务分析阶段为战略设计输出经过统一语言描述的业务事件、业务逻辑以及业务分类，而战略设计阶段又为战术设计阶段输入领域模型以及边界上下文，方便其进行微服务拆分以及模型映射。下面我们分别看下这三个阶段到底都做了什么事情。

gydtep

指导微服务落地时的拆分设计。其中业务中，对应的领域模型十分重要。那么我们该采用什么方法才能从复杂的业务领域中构建出高内聚低耦合的领域模型呢？我们可以通过业务分析以及领域建模两个阶段来实现领域模型的构建。

gydtep

通过将这些领域对象映射到代码中实现设计以及系统的落地。在这个阶段，我们需要梳理微服务的边界以及边界内的领域对象以及它们之间的关系，并且可以实际的将这些领域模型确定在哪些代码模块中以及微服务分层中的具体位置。

gydtep

但是当下执行中的事务还没有达到预期的效果，就可能被干扰。所以我们应该拉长时间去看效率本身，谨防优先级成为拖延借口。

gydtep

当时我觉得特别分裂，到底是年轻人没有机会了呢，还是中年人没有机会了呢？不同的 BU 中，不同的业务中又是如何定义年轻人和老人的呢？