基于时序序列分解和IBAS LSTM的滑坡数据预测模型

针对传统静态机器学习模型在周期项位移预测中的缺陷和动态神经网络超参数人工选择困难的问题,在时序序列分解的基础上,提出一种新的滑坡预测耦合模型。首先,用最大相关最小冗余算法对周期项位移筛选合适的环境特征,作为长短期记忆人工神经网络的输入。然后,在天牛须搜索算法搜索过程中引入反馈机制,以避免原算法中出现远离最优解的问题;在算法迭代过程中将固定的递减因子改为动态递减因子,以提升前期全局和后期局部的寻优能力;利用改进的天牛须搜索算法对长短期记忆人工神经网络超参数进行寻优,以获得最佳的网络参数组合。最后,重构趋势项和周期项预测结果,得到最终预测位移。以发耳滑坡为例进行分析,结果表明:相较于其他方法,所提模型在平均绝对误差、均方根误差以及拟合度等方面更具优势。

以区块链技术创新应用助推的教育高质量发展路径探索

针对数字教育资源众筹众创与共享、教学行为数据化、教育管理决策精细化等教育创新发展带来的一系列教育发展中的挑战,提出采用基于区块链的学信认证、终身教育管理、教育资源共建共享、线上虚拟仿真实验过程性考核评价等核心技术,构建基于区块链的去中心化“自组织”网络学习教育管理与服务协同平台,为形成“人人皆学、时时能学、处处可学”的高质量教育发展生态提供更可信赖的区块智能合约数据记录载体支撑。

基于光照权重分配和注意力的红外与可见光图像融合深度学习模型

针对现有红外与可见光图像融合模型在融合过程中忽略光照因素、使用常规的融合策略,导致融合结果存在细节信息丢失、显著信息不明显等问题,提出一种基于光照权重分配和注意力的红外与可见光图像融合深度学习模型。首先,设计光照权重分配网络(IWA-Net)来估计光照分布并计算光照权重;其次,引入CM-L1范式融合策略提高像素之间的依赖关系,完成对显著特征的平滑处理;最后,由全卷积层构成解码网络,完成对融合图像的重构。在公开数据集上的融合实验结果表明,所提模型相较于对比模型,所选六种评价指标均有所提高,其中空间频率(SF)和互信息(MI)指标分别平均提高了45%和41%,有效减少边缘模糊,使融合图像具有较高的清晰度和对比度。该模型的融合结果在主客观方面均优于其他对比模型。

一种基于对比策略强化知识推理的元学习框架

随着知识图谱中新实体不断涌现,现有嵌入式模型难以获取新实体嵌入,导致模型预测精度降低。为此,提出一种基于对比策略强化知识推理的元学习框架。首先,该框架通过对路径重要度排序,提升隐式信息的提取效率;然后,使用一种对比策略表示强关联路径,并依据负路径与目标关系之间余弦相似性剔除过多的冗余信息;最后,使用元学习来转移独立于实体的嵌入。实验结果表明:在链接预测知识图谱任务中,Hits@10指标最高可达96.24%,说明该框架可以有效提升预测精度。

基于注意力机制的多尺度手部分割方法

针对手部边缘细节信息分割不精确及小面积手部的错检、漏检问题,提出一种基于注意力机制的多尺度手部分割方法。首先,对Transformer模块重新进行设计优化,提出窗口自注意力结构和双分支前馈神经网络(Dual-branch FeedForward Networks,D-FFN)机制,通过窗口自注意力机制整合全局和局部的依赖信息,D-FFN抑制背景信息的干扰;然后,提出一种结合条形池化和级联网络的多尺度特征提取模块增大感受野,提高手部分割模型的准确性和鲁棒性;最后,提出基于Triplet Attention机制的上采样解码器模块,通过调节通道维度与空间维度的注意力权重将目标特征和背景的冗余特征区分开。将所提算法在公开数据集GTEA(Georgia Tech Egocentric Activity)和EYTH(EgoYouTubeHands)上测试,实验结果表明,该算法在两个数据集上的平均交并比(MIoU)值分别达到了95.8%和90.2%,相较于TransUnet算法分别提升了2.5%和2.1%,满足手部图像分割的稳定可靠、精度高、抗干扰能力强等要求。

基于筛选学习网络的六自由度目标位姿估计算法

针对在复杂场景下对弱纹理目标位姿估计的准确性和实时性问题,提出基于筛选学习网络的六自由度(6D)目标位姿估计算法。首先,将标准卷积替换为蓝图可分离卷积(BSConv)以减少模型参数,并使用GeLU(Gaussian error Linear Unit)激活函数,能够更好地逼近正态分布,以提高网络模型的性能;其次,提出上采样筛选编码信息模块(UFAEM),弥补了上采样关键信息丢失的缺陷;最后,提出一种全局注意力机制(GAM),增加上下文信息,更有效地提取输入特征图的信息。在公开数据集LineMOD、YCB-Video和Occlusion LineMOD上测试,实验结果表明,所提算法在网络参数大幅度减少的同时提升了精度。所提算法网络参数量减少近3/4,采用ADD(-S) metric指标,在lineMOD数据集下较Dual-Stream算法精度提升约1.2个百分点,在YCB-Video数据集下较DenseFusion算法精度提升约5.2个百分点,在Occlusion LineMOD数据集下较像素投票网络(PVNet)算法精度提升约6.6个百分点。通过实验结果可知,所提算法对弱纹理目标位姿估计具有较好的效果,对遮挡物体位姿估计具有一定的鲁棒性。

基于并行混合注意力的复杂背景小尺度手部检测方法

针对复杂背景中手部特征不明显及尺度变化较大,难以满足高精度水平检测,易出现误检、漏检的问题,以YOLOv5为基础结构提出一种小尺度手部检测方法。将并行混合机制的注意力模块(parallel mixed attention mechanism,PMAM)嵌入到主干网络中,提高对手部特征的提取能力;设计一种结合路径聚合网络(path aggregation network,PAN)和加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)改进的特征融合网络PB-FPN(path bidirectional-feature pyramid network),引入新的路径参与底部特征融合,提高算法对小尺度手部目标的检测能力;通过将骨干网络中的空间金字塔池化(spatial pyramid pooling-fast,SPPF)引入特征融合网络并与模型预测头连接,进一步提高算法的性能。在此基础上,使用FReLU作为网络模型的激活函数,增强网络的空间敏感度,提高网络鲁棒性。为验证所提方法的有效性,构建了更符合研究背景的新的数据集TV-COCO-Hand,并在此数据集上进行了相关实验,结果表明,改进后的模型在构建的数据集上mAP达到91.4%,比基线网络模型提高了3.8个百分点,且检测效果优于目前主流检测网络模型。在公开数据集上进行了数据集对比实验以及真实场景的检测实验,验证了模型的泛化性。

基于孪生网络的铁路复杂场景目标跟踪算法

在铁路交通场景应用环境下,目标跟踪易受背景杂乱、目标剧烈运动和尺度变换等因素影响,容易出现目标跟踪精度不够导致目标丢失的问题。因此,提出了一种基于孪生网络的铁路复杂场景目标跟踪算法。在特征提取阶段,采用一种对ResNet网络改进的CIResNet-22作为特征提取主干网络,将传统互相关替换为逐像素互相关;加入一种基于标准化的注意力机制,网络能够注重可靠特征的同时,弱化不可靠特征;根据平均峰值相关能量所反映的结果来判断跟踪结果是否可靠,并使用一种改进的UpdateNet子网络预测最佳模板作为参考模板。实验结果表明,在VOT2018和VOT2016以及OTB100这几个标准数据集上能够获得较好的跟踪效果。同时在自制的视频序列中进行跟踪序列测试,效果良好。

基于改进搜索策略的Live-Wire医学图像分割算法

Live-Wire分割算法提供了一种精确的、可再现的交互式医学图像分割方法。Live-Wire算法中最优路径的搜索通常采用Dijkstra算法,其时间复杂度为O[n2]。提出从两个方面对Live-Wire医学图像分割算法的搜索策略进行改进以提高Live-Wire算法的实时性:(1)在最短路径的搜索过程中应用二叉堆排序,使算法的时间复杂度从原来的O[n2]降为O[nlnn];(2)在最短路径搜索中加入到达目标节点即停止的限制条件,可明显减少搜索节点数,使算法的时间复杂度远小于O[nlnn]。经算法分析及实验表明,搜索策略的改进可显著提高Live-Wire算法的运行效率。

基于Arduino的虚拟现实交互系统实验案例设计

综合运用嵌入式、三维建模、虚拟现实等技术,提出一个软硬件结合的虚拟现实交互系统典型案例,实现虚拟场景与现实环境的实时交互控制。通过3DMAX和Unity3D软件设计虚拟现实交互场景,采用Arduino核心板搭建场景的控制模块,运用光敏电阻和湿度传感器实时获取环境信息并注入虚拟场景中,实现虚拟现实交互系统。

三维适形放疗计划系统中的交互式测量方法

为了在制定三维适形放疗计划时合理地确定射线角度,并根据给定射线方向准确计算射线剂量,需要对三维模型进行精确的交互式测量。结合放疗计划系统的需求和医学图像特点,分析三维交互式测量过程,应用平行投影理论实现二维坐标到三维坐标的转换。提出以一个测量端点为起始点的三维任意叠加旋转算法,在重离子放疗计划系统中实现三维精确测量。实验结果证明了该方法的可行性和有效性。

示范性虚拟仿真实验项目的建设与探索

分析虚拟仿真实验项目建设中自主研发能力不够、开放共享不足、质量不高等主要问题,结合兰州交通大学持续推进虚拟仿真实验教学中心建设和实验项目建设的实践,提出由浅入深、循序渐进地探索虚拟仿真实验项目建设方案.以"数据与场景驱动的高速列车运行控制虚拟仿真实验"国家虚拟仿真实验项目的申报和建设为例,针对现场实习风险大、费用高、难以开展实践教学等问题,介绍在深度融合实际工程数据的基础上,采用虚拟仿真技术真实再现高速铁路列车控制全过程.

改进YOLOv4的铁路沿线遥感影像地物检测方法

近年来,高分遥感影像技术的快速发展为铁路沿线地物检测提供了一种重要技术手段。基于回归的一阶段目标检测方法YOLOv4具有检测精度高、速度快等优点,但用于遥感影像检测时仍然存在部分细节特征信息丢失导致的小目标漏检,以及进行大面积地物检测时效率低的问题。为此,提出改进YOLOv4网络模型对遥感影像铁路沿线地物进行检测。首先,设计由卷积、批量归一化和Mish激活函数组成的CBM(convolution batch normalization mish)模块,并采用DCBM(double CBM)模块作为密集连接网络(DenseNet)的传输层用于YOLOv4网络特征提取以实现地物特征传递和信息重用,增强小目标地物的检测能力,降低漏检率;然后针对YOLOv4在大面积检测时效率不高和模型参数空间较大的缺陷,将压缩激励SE(squeeze excitation)通道注意机制用于骨干网中跨阶段局部单元(cross stage partial,CSP)的每个残差单元之后,减少SE注意模块的重复调用次数,使其能够在提高网络性能的同时降低模型参数量从而提高检测效率;最后,针对长条形状的铁路目标提取困难问题,在网络结果输出之前引入改进的通道空间注意力机制ICBAM(improved convolutional block attention module)保留原始特征信息,解决铁路目标特征提取能力差的问题,提高铁路中大尺度目标的检测效率。为验证所提方法的有效性,选取2048张分辨率为1920×1080的某段铁路沿线遥感影像地物样本数据,将其中的铁路、房屋、楼宇建筑、农田和水池作为检测目标进行实验,并与当前流行的目标检测方法进行对比。结果表明,改进方法不仅增强了对小目标地物的检测能力,提高了地物检测精度和速度,而且提高了大尺度目标的检测效率。与YOLOv4算法相比,mAP提高了2.11%,准确率提高了2.93%,召回率提高了3.79%,模型大小减少了8.53%。所提方法为当前应用高速铁路沿线遥感影像地物快速精准检测提供了有效方法。

医学图像大体数据快速体绘制算法研究

为了在保证绘制质量的前提下有效提高大的医学体数据的绘制速度,提出了一种快速的体绘制算法。该算法将大的体数据分割成等大小的数据块,然后通过对每一数据块进行空白数据块的空间跳跃、提前数据块截止和提前光线截止的可见性测试来加快体绘制的速度,最后使用体绘制预积分来提高体绘制的图像质量。实验结果表明,对大的体数据,可以在不损失图像质量的前提下,实现快速的绘制。

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.

基于共轭梯度的大尺度医学图像非刚性配准算法

人体胸腹腔中大量非刚性软组织器官由于呼吸、脏器蠕动和体位变动等会产生大尺度非线性形变,粘性流体配准将图像的形变模拟为流体的流动过程而适宜于大的形变.针对粘性流体配准算法应用超松驰迭代求解离散化偏微分方程组耗时量大,且其最优松驰参数难以获得的问题,使用基于不需要预先估计参数的共轭梯度迭代求解形变参数,实现粘性流体配准.该方法所需存储量小,且具有步收敛性、稳定性高的优点,实验证明该方法在不损失配准精度的前提下提高了配准速度.

一种基于虚拟切片的医学图像三维分割方法

提出了一种基于Live-Wire算法的医学图像三维分割方法,算法通过虚拟切片提取,将纬线方向上的分割转变为经线方向上的分割,使分割过程中的用户交互量与序列医学图像的数量无关,提高了序列医学图像三维分割的自动化程度.并通过四叉堆对传统的Live-Wire算法进行改进,提高了算法的运行效率.实验证明,该方法能在较少用户交互的前提下,快速准确地从序列医学图像中分割出感兴趣的目标.

智能图像处理技术在车型识别中的应用研究

提出了一种应用于视频车型识别系统中的图像预处理方法.该方法对采集到的车辆图像去模糊恢复,然后采用快速的梯度算法得到背景与车辆的边缘图像,用两幅边缘图像相减分割出车辆图像,再对图像二值化,并进行直线拟合、填充处理,最后用轮廓跟踪的方法得到完整的车辆轮廓图,从而有效提取特征参数.

医学三维体数据中的几何测量方法研究

在应用医学图像诊断病情以及放射治疗计划制定中,器官及病变组织的几何测量具有重要的作用。文中基于医学三维体数据研究了空间中任意两点间的距离测量,基于面绘制的三角面片研究了组织器官表面积测量,基于体绘制研究了组织器官的体积测量,在实验中取得了较高的测量精度。

基于Demon算法的乳房核磁共振图像配准

为了提高乳房动态核磁共振成像中不同时间点序列图像的配准速度,提出了将快速的Demon非刚性配准算法与图像强度校正相结合的乳房图像配准模型。Demon算法本身基于图像强度变化计算变形参数,因此不适于强度动态增强的图像配准。首先根据乳房组织的信号增强模型应用多项式理论校正待配准图像的强度,再应用Demon算法进行几何变形配准。实验表明该算法在精度上远优于直接使用Demon算法,在与自由形变配准算法具有几乎相同配准精度的前提下,明显提高了配准速度。