面向复杂光照环境的车道线检测方法

在复杂光照环境下由于光照不均匀,导致路面上的光照出现强弱不一的情况,使得车道线的亮度和颜色发生变化,从而对车道线检测造成困难。为了提高对车道线检测的精度,提出了一种面向复杂光照环境的车道线检测算法。算法主要以车道线的纹理特征为依据,借助投票算法对交通道路上的图像消失点位提取特征点,构建出车道线的关键检测区域;设计一种结合梯度和统计平均相对差的蚁群算法用于车道线边缘特征提取,并最终拟合标记出待测车道线。实验结果表明,所提方法在复杂光照环境下检测准确率高,鲁棒性强,显著改善复杂光照条件下的车道检测成功率。

面向强后处理场景的图像篡改定位模型

针对微信、微博等社交平台对图像进行的压缩、尺度拉伸等有损操作带来的篡改痕迹模糊或被破坏的挑战,提出了一种对抗强后处理的图像篡改定位模型。该模型选用了基于Transformer的金字塔视觉转换器作为编码器,用于提取图像的篡改特征。同时,设计了一个类UNet结构的端到端编码器-解码器架构。金字塔视觉转换器的金字塔结构和注意力机制可以灵活关注图像的各个区块,结合类UNet结构能够多尺度地提取图像上下文间的关联信息,对强后处理的图像有着较好的鲁棒性。实验结果表明,所提模型在对抗JPEG压缩、高斯模糊等常见的后处理操作以及在不同社交媒体传播场景的数据集上的定位性能上明显优于目前主流的篡改定位模型,展现出了优异的鲁棒性。

基于时频峰值的激光打靶数字延时信号滤波算法设计

在激光打靶数字延时信号处理中,传统滤波算法往往难以有效滤除噪声干扰,导致信号失真。针对这一问题,设计了基于时频峰值的激光打靶数字延时信号滤波算法。计算激光打靶数字延时信号的信噪比,构建激光打靶数字延时信号波形方程式,以此分析激光打靶数字延时信号波形特征。采用时频峰值估计瞬时频率,求取时频峰值估计有效信号。根据时变窗标准方差划分置信区间,确定瞬时频率可信范围,抑制噪声干扰。通过能量和尺度变换设置两个滤波处理准则,以此完成数字延时信号滤波处理。实验结果表明,所设计算法的信号幅值波动的范围是[-10 dB~8 dB],与理想范围一致,具有精准滤波处理效果。

基于改进YOLOv7的自动驾驶目标检测方法

针对自动驾驶场景下,车辆目标密集、相互遮挡和目标过小导致的误检、漏检问题,提出一种改进YOLOv7的车辆目标检测算法。在主干网络SPPCSPC后加入ACmix混合注意力机制,充分挖掘特征信息,增强网络对车辆信息的关注度,减少其他目标的干扰,提高检测精度;在Neck端中加入Swin Transformer,收集全局信息;添加160×160尺寸目标检测头,以增加锚点的数量和密度,提高网络对小目标的感知能力;最后利用Soft-NMS柔性非极大值抑制剔除冗余候选框,改善漏检能力。通过实验验证了改进的可行性并与五种主流网络进行了对比,平均精度达到91.5%,与基础网络YOLOv7相比,平均精度提高7.1%,运行速度达到105 FPS,证明了改进方法的有效性。

D3DQN-CAA:一种基于DRL的自适应边缘计算任务调度方法

为解决已有基于深度强化学习的边缘计算任务调度面临的动作空间探索度固定不变、样本效率低、内存需求量大、稳定性差等问题,更好地在计算资源相对有限的边缘计算系统中进行有效的任务调度,在改进深度强化学习模型D3DQN(Dueling Double DQN)的基础上,提出了自适应边缘计算任务调度方法 D3DQN-CAA.在任务卸载决策时,将任务与处理器的对应关系看作一个多维背包问题,根据当前调度任务与计算节点的状态信息,为任务选择与其匹配度最高的计算节点进行任务处理;为提高评估网络的参数更新效率,降低过估计的影响,提出一种综合性Q值计算方法;为进一步加快神经网络的收敛速度,提出了一种自适应动作空间动态探索度调整策略;为减少系统所需的存储资源,提高样本效率,提出一种自适应轻量优先级回放机制.实验结果表明,和多种基准算法相比,D3DQN-CAA方法能够有效地降低深度强化学习网络的训练步数,能充分利用边缘计算资源提升任务处理的实时性,降低系统能耗.

基于PC-BRISK的岩石显微图像拼接

传统的配准算法在高分辨率岩石显微图像上配准准确率低、配准速度慢。此外,在显微岩石薄片全景拼接过程中,由于单视域画面可能存在有效内容缺失而无法提取到有效特征点,或者纹理单一提取到的特征点较少的情况,造成全景图像拼接失败。针对上述问题提出了一种基于改进相位相关法的BRISK图像拼接算法。通过提取待配准图像之间的相似区域,对相似区域进行BRISK图像配准,采用由载物台运动规律得出的最佳匹配模型来配准无特征点图像,最终完成岩石薄片图像的全景拼接。实验结果表明,本文提出的算法相较于传统算法,在配准方面达到87.5%的准确率,每组配准耗时2.662 s,具有配准速度快、配准准确率高的优势。此外,本文提供了一种岩石薄片全景拼接的方法,具有实时拼接的实际应用价值。

基于YOLOv7的道路标识符检测

面对复杂道路交通场景,智能、快速、准确地检测道路标识符对自动驾驶技术具有重要的意义。YOLOv7算法检测速度快、准确率高,适用于实时复杂的道路标识符检测。中国交通标志检测数据集对YOLOv7模型进行训练,选取了普通、有遮挡和模糊三种不同的道路交通场景图像测试训练模型,并与CenterNet、Faster R-CNN和SSD三种流行的目标检测算法进行对比分析。结果显示,YOLOv7算法检测速度快,平均精度最高,m AP达到89.7%,且在三种场景的图片测试中性能表现最好,即使在存在遮挡和模糊的情况下仍然能够成功检测出图像中的道路标识物目标。

融合时间感知和多兴趣提取网络的序列推荐

针对序列推荐任务中的时间动态性和多重兴趣建模问题,提出一种时间感知的项目嵌入方法,用于学习项目之间的时间关联性。在此基础上,提出一种融合时间感知和多兴趣提取网络的序列推荐(time-aware multi-interest sequence recommendation,TMISA)方法。TMISA采用自注意力序列推荐模型作为局部特征学习模块,以捕捉用户行为序列中的动态偏好;通过多兴趣提取网络对用户的全局偏好进行建模;引入门控聚合模块将局部和全局特征表示动态融合,生成最终的用户偏好表示。实验证明,在5个真实推荐数据集上,TMISA模型表现出卓越性能,超越了多个先进的基线模型。

融合深度神经网络和方面感知的可解释推荐方法

为提升推荐结果的准确性和可解释性,提出一种融合深度神经网络和方面感知的可解释推荐方法。针对评分数据的稀疏性问题,综合考虑显式和隐式评分数据,通过深度神经网络的矩阵分解模型学习用户和物品的潜在特征;通过无监督的方面提取模块来学习用户和物品的方面特征;将潜在特征和方面特征统一到预测层进行评分预测;针对生成解释质量低且缺乏个性化的问题,在评分预测的基础上,采用提取的主题词和预定义的神经模板相结合生成推荐理由,提高解释的生成质量。实验表明,提出的方法不仅能准确预测用户对物品的评分,还能够生成具有解释性的推荐理由,且生成的解释质量优于对比方法。

基于混沌映射算法的电力物联网加密通信认证方法

当前电力物联网通信过程中容易受到外界影响,出现数据包丢失的问题,导致获取的通信报文不精准。为了解决这个问题,提出基于混沌映射算法的电力物联网加密通信认证方法。采用位置置乱方法获取迭代密钥,构建扩散函数,结合混沌映射算法设计通信认证加密步骤。在确定混沌映射结果的基础上进行分段线性处理,再加入扰动机制,抵抗已知攻击。以密钥数值作为对称密钥,设计电力物联网加密通信流程。使用具有挑战性的握手验证机制,采用混沌映射技术进行通信验证,实现加密通信验证。由实验结果可知,该方法上、下行包数变化情况与实际数据包统计结果一致,截取的通信认证报文与响应报文一致,说明该方法具有良好的通信认证效果。

基于RISC-V内核的UHF RFID阅读器SoC设计

为降低RFID阅读器产品设计的难度和结构复杂度,设计一款符合ISO/IEC 18000-6C协议的RFID阅读器SoC。系统用硬件实现协议中对于阅读器要求的脉冲间隔码模块、循环冗余编码/校验模块、FM0码/Miller码解码模块等。(有歧义)选用开源RISC-V内核蜂鸟E203提供控制和用户可编程空间。编写基于FreeRTOS实时嵌入式操作系统的SoC配套软件。经过测试,该设计能够在FPGA芯片内正常运行,实现符合协议对阅读器通信要求的相关操作,能够支持二次开发实现除RFID通信外的其它操作。

基于视觉传达的过度曝光激光图像智能复原方法

图像的过度曝光直接影响图像中有效信息的读取效果,激光图像具有能量高、亮度高等特点,导致其极易出现过度曝光现象,为恢复过度曝光激光图像中的信息,提出基于视觉传达的过度曝光激光图像智能复原方法。通过激光图像过度曝光过程的模拟,得出退化图像作为图像复原的处理对象。综合考虑激光图像的直方图特征以及亮度特征,确定激光图像中的过度曝光区域。针对过度曝光区域,以提升视觉传达效果为目的,通过光线补偿、颜色校正、噪声抑制等步骤,实现图像的智能复原结果。通过效果测试实验得出结论:与传统复原方法相比,优化设计方法得出复原激光图像的峰值信噪比达到了49.5 dB,图像复原耗时仅为4.9 s,并且结构相似度达到了0.987,说明该方法具备更高的峰值信噪比,图像更加清晰,与原图像更加相似,并且有效提高了图像复原效率。

基于机载激光雷达的低照度交通事故现场重建及实证研究

在低亮度条件下,传统的事故勘察方法难以获取高质量的勘察数据。提出了基于机载激光雷达的低照度事故现场重建方法。首先,建立机载激光雷达勘察的方法框架。接着,使用高斯分布的统计学滤波算法去除噪点,通过判断空间划分体素的占据状态来滤除现场周围移动物体。然后,利用传感器自身的位姿数据配准点云数据,建立事故现场的三维点云模型。此外,探究了无人机飞行高度和激光旁向重叠率如何影响建模精度。最后,在夜间模拟事故现场进行实证研究,研究发现当无人机飞行高度为15 m,激光旁向重叠率为50%时,建模精度和处理时间能达到较好平衡。与航拍摄影建模、传统人工勘察方法相比,机载激光雷达建模均方根误差(root mean square error,RMSE)为0.04636,低于航拍摄影建模误差,表明方法能够应用于低照度交通事故现场勘测。

语音文本对齐技术构建蒙古语语音识别语料库研究

目前,适用于蒙古语的语音识别数据在规模上与英语、汉语的训练数据存在着巨大的差距。因此需要一种低成本的数据集构建方法,以补全数据来源上的短板。在生活交往中已生成了海量的蒙古语数据资源,其中很多都是语音文本粗略对照的形式,本研究采用从这样的语料中提炼可供训练用的语料的技术路线,选择电视剧配音剧本和对应成片作为样例,将提炼工作看作是一个语音文本对齐问题。通过一系列自动化处理将剧本和对应的音频转换为适用于语音文本对齐处理的数据形式,利用迭代的对齐方法得到了语音文本对齐结果,利用这些结果生成了适用于蒙古语语音识别的逐句对齐的“语音—文本对”数据。通过对生成的数据进行抽样检查发现,生成的数据有较好的质量,与人工标注基本一致,节省了数据生产的成本。

蒙古语词同现网络和句法网络的比较研究

在计量语言学中,复杂网络方法用于研究语言系统的整体特征。本文以《中华人民共和国民法典》(蒙古文版)为原语料构建了蒙古语词同现网络和依存句法网络,在此基础上,比较研究了两种语言网络的统计参数,包括节点数、边数、平均度数、平均路径长度、密度、聚类系数等。结果表明:(1)词同现网络会造成句子部分信息的缺失;(2)词同现网络中词与词之间是线性关系,依存句法网络中词与词之间受依存语法的限制,从而两种网络的参数存在显著差异;(3)蒙古语作为一种典型的黏着语,其聚集系数小于孤立语和屈折语,平均路径长度大于孤立语和屈折语,该结果验证了前人的研究结论。此外,蒙古语与世界上其他语言一样,具有小世界、无标度和相关性的特征。本文拓展了计量研究领域,以新的视角研究了蒙古语,有助于推动少数民族语言研究的发展。

基于三角函数的加权平均全景环视图像融合方法

全景环视(AVM)系统是减小汽车盲区的有效工具,针对已有AVM图像中存在的拼接缝以及拼接误差等问题,提出了两种依据像素坐标的三角函数值计算权值的像素级图像融合方法。对于短距AVM图像的融合,提出了一种以融合区域像素坐标的正弦/余弦值为融合权重的图像融合方法,命名为“时钟扫描图像融合法”;对于长距AVM图像的融合,提出了一种依据正切函数曲线拟合矩形融合区域,并利用正切函数系数构造权值区间确定各像素权重系数的方法,以同时顾及3条融合边界,称之为“tan—加权图像融合法”。研究结果表明,两种图像融合方法在消除相邻图像之间的拼接缝、提升融合图像的清晰度等方面具有良好效果,可实现融合区域的平滑过渡。

基于稀疏优化的纺织品激光印花图像缺陷识别研究

通过对纺织品激光印花图像的缺陷识别,提高对纺织品印花质量检测能力,提出基于稀疏优化的纺织品激光印花图像缺陷识别方法,采用不同的像素块大小特征匹配方法实现对纺织品激光印花的瑕疵检测及显著图参数分析。采用纹理特征匹配方法实现对纺织品印花花边特征点提取与特征匹配处理,根据棉线与棉线间的纹理分布差异性,建立纺织品激光印花的稀疏化特征匹配特征检测模型,根据印花花边自身与生产的视觉特征表达能力,结合位置、尺度、旋转不变量的特征匹配结果实现对纺织品激光印花图像的缺陷识别和检测。测试结果表明,采用该方法进行纺织品激光印花图像缺陷识别的特征匹配能力较好,对缺陷部位的动态检测能力较强,具有很好的图像伪特征点筛出和特征检测能力。

融合上下文特征与密集网络的光学遥感图像配准

光学遥感图像的地理位置特征复杂多样,且多尺度特征空间信息丰富,在配准过程中难以充分提取图像特征,配准精度较低。针对上述问题,提出融合上下文特征与密集网络的配准模型,通过把位置信息嵌入注意力中加深对位置信息的关注,并集成多个不同内核的深度可分离卷积整合多个不同感受野来聚合丰富的多阶特征语义信息。首先采用融合后的密集网络对图像进行特征信息提取,接着使用双向皮尔逊相关匹配得到双向匹配关系,并通过回归得到的双向参数加权合成最终参数,最后通过仿射变换完成图像配准。实验结果表明,关键点正确估计的比例指标系数为0.05,0.03和0.01情况下,在Aerial-image数据集中分别高达83.9%,60.3%和15.3%,有效提高了光学遥感图像配准精度。

基于大数据分析的非侵入式电力负荷数据分类

非侵入式电力负荷监测可在不改变电路结构时,确定电力系统负荷状态。通过分类电力负荷数据能够对电力用户行为进行分析,但因电力负荷数据量多、种类复杂,导致分类误差率较高,无法达到数据融合要求。为此,提出了基于大数据分析的非侵入式电力负荷数据分类。通过收集电力负荷信息,构建电力负荷数据分解算法,并利用分解算法建立非侵入式电力负荷数据分解数学模型。根据该模型对已处理好的电力负荷数据进行分解,利用大数据挖掘技术的k均值聚类法和随机森林算法,实现了对非侵入式电力负荷数据的分类。实验结果表明,基于大数据分析的非侵入式电力负荷数据分类方法可以有效确定电力负荷数据的类型,暂态负荷数据分类误差率低于5%,稳态负荷数据分类误差低于0.30%,满足电力负荷数据分类的要求。

基于图神经网络的推荐系统模型

为了解决各种在线应用中信息爆炸的相关问题,增强用户体验,学者们开发了基于用户偏好的推荐系统,尽管已经为更加个性化的推荐做了大量的努力,但是推荐系统仍然面临着一些挑战,如数据稀疏性和冷启动问题。针对上述问题,提出一种基于知识图神经网络的推荐模型,将每个意图建模为KG关系的注意组合,强调不同意图的独立性,以获得更好的模型能力和可解释性。实验结果表明,该模型在一定程度上提高了推荐的精准度和推荐效果。