基于K-means聚类和特征空间增强的噪声标签深度学习算法

深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。

基于深度相机的空间增强现实动态投影标定

为实现面向动态场景的空间增强现实,提出了一种基于深度相机的连续实时投影标定方法。提出将深度相机安装在投影机上,组成投影机-深度相机系统,系统的处理流程包括离线的标定及初始注册阶段,以及在线的跟踪阶段,最终生成虚拟模型与真实投影表面的投影映射,实现了虚实物体的对齐。为了验证所提出的方法,搭建了一套原型系统,实验结果证明,所提出的方法可以实时、精确地实现空间增强现实应用中的动态投影标定。

1维非稳腔空间增强探测CARS技术对稳态燃烧场温度的测量

建立了1维非稳腔空间增强探测CARS实验系统,该系统由光源(YAG激光器、染料激光器)、实验光路和信号采集系统组成。分别测量了空气和化学平衡比为1,甲烷流量为0.7 L/min的甲烷-空气预混火焰中的氮气Q支的CARS实验谱。给出了火焰不同高度处小范围内的温度分布结果,并对实验结果进行了分析,结果表明:预混火焰温度随高度的增加呈下降趋势,测量结果的不确定度优于7%。该技术可用于稳态燃烧场温度的测量。

远距离空间增强现实系统的设计与实现

为扩展增强现实中标识物识别的距离,利用Open CV,Open GL以及Kinect API,构建基于深度传感器的远距离跟踪注册技术,开发了基于PC平台的远距离增强现实系统。Kinect结合摄像头构成追踪系统,改进了一般摄像头在远距离识别所存在的不足,实现了人机交互的增强现实。通过对姿态标定模块、无标记虚实注册模块、自然交互模块等主要功能模块实现的描述。实验验证了该系统的实时性、稳定性和有效性,同时该系统为增强现实无法远距离识别的问题提供了一种解决方案。

基于空间增强和谱减法的语音识别系统

为了解决连续语音识别在自然环境中噪声估计高误差、去除噪声和语言失真不能良好平衡、导致关键词识别率低下的问题,提出了一种全新的自动语音识别系统(ASR).本系统将双通道含噪语音信号通过空间增强模块进行噪声提取,通过均衡考虑语音信号和参考噪声输入谱减法模块进行去噪与语音失真的噪声去除和信号放大,最后进入基于隐马尔科夫模型(HMM)的自适应语音信号识别模块进行识别处理.实验显示,本系统可有效减少运算负载、提高关键词识别率.

基于空间增强现实技术的工程训练系统的设计

增强现实(AR)是现代工程训练从传统方式转向智能化交互方式的关键技术之一。然而,目前尚不清楚用何种方式在工程训练场景中实现这些设想。文章基于空间增强现实技术(SAR),设计了一个旨在用于现代工程训练教育的增强现实工作站系统原型。本设计对比评估了空间增强现实技术与传统纸质技术手册在传达技术信息的效率,分析发现SAR对于困难的任务比简单的任务更有效,并且SAR的主要优势是降低错误率且缩短训练时间。本设计可以成为现代新工科工程训练的有效解决方案。

空间增强现实中的人机交互技术综述

空间增强现实是增强现实的三大形式之一,它利用投影等方式在物理空间中增强显示虚拟内容.在空间增强现实系统中,用户可以在物理空间与虚拟内容交互,具有良好的环境感知、空间感知与协同感知,交互任务执行过程中认知负荷低.首先以空间增强现实显示方式为例,通过其系统架构介绍空间增强现实的技术原理;然后将空间增强现实中的人机交互技术分类为基于触控的交互、基于手势或姿势的交互、基于控制器的交互、手持投影仪交互、实物交互及多模态交互并进行分析,对相关技术在三维配准、虚实融合等方面带来的挑战进行阐述;同时总结了空间增强现实在运动锻炼、医疗辅助、教育娱乐、艺术等领域的应用状况;最后对空间增强现实中的交互技术发展趋势进行了展望,指出未来要克服现有技术在稳定性、准确性和实时性上存在的缺陷,在交互方式更自然、交互遮挡处理方法更智能、系统使用场景更广泛、与社会文化和心理现象研究相结合以及新型成像方式等方面得到突破和发展.

面向非均质区域的空间增强型时空融合模型研究

随着遥感技术的发展,遥感数据日益增加。然而,受传感器限制及云雨天气影响,单一传感器难以获取高时空分辨率的遥感影像,从而在一定程度上影响全球及区域环境变化研究。遥感影像时空融合理论与技术的发展为解决这一问题提供了有效途径。近年来,国内外学者提出了大量的时空融合算法,但对于复杂地表景观区域空间细节的融合仍存在挑战,地表非均质区域时空融合的精度有待提高。为此,本文提出了一种面向非均质区域的空间增强型时空融合模型。首先,基于混合像元分解原理与遥感数据空间特征尺度不变性假设,将低分辨率光谱变化降尺度为高分辨率光谱变化值;然后,基于不同分辨率遥感数据光谱关系的时间不变性假设,获得最终融合影像。试验结果表明,相对于常用融合模型STARFM、FSDAF,本文模型既能有效反映不同地物物候变化信息,同时能更好地保留地表的空间细节,增强了非均质地表覆盖区域融合影像的空间特征与效果;本文模型的均方根误差RMSE、相关系数r及结构相似性指标SSIM平均值分别达到0.024、0.898、0.897,相对于常用融合模型STARFM、FSDAF,RMSE平均值分别降低了6.71%和4.33%,r平均值分别提高了1.95%和1.74%,SSIM平均值分别提高了2.33%和2.08%。本文模型精度高,模型简单、易于操作,尤其在非均质地表覆盖区域能够取得良好的融合精度与效果,具有良好的应用前景。

面向实物交互的空间增强现实数字孪生法配准技术

在支持实物交互的空间增强现实系统中,交互会引起实物对象方向、位置的快速改变.为了确保实物移动过程中的虚实配准实时性和精确性,提出一种面向实物交互的空间增强现实数字孪生法配准技术.通过在数字空间建立与物理空间一致的对象数字模型,实时捕获物理空间中对象的方向、位置信息,利用该信息实时调整数字空间中的虚拟对象方向、位置参数;离线标定投影机的内外部参数,同时在数字空间中建立与物理空间中投影机内外部参数一致的虚拟相机,将实时渲染生成的数字图像输出至投影画面,从而实现虚实图像的精确配准.使用搭建的投影式交互桌面开展中学物理认识磁感线实验,交互过程中磁铁、指南针的检测与配准结果表明,该技术具有很好的配准实时性和精度,能够满足空间增强现实系统中的实物交互需求.

子空间增强在大地电磁信噪分离中的应用研究

为了提高强干扰地区大地电磁测深数据质量、保留大地电磁信号低频段的有用信息,压制大尺度强干扰已刻不容缓。针对矿集区典型的强干扰类型,引入子空间增强方法对大地电磁信号与强干扰进行信噪分离研究。通过计算机模拟常见的大尺度方波和充放电三角波干扰,讨论了子空间增强算法中帧长与特征值判别阈值的最优选取范围,给出了算法流程,并对矿集区实测大地电磁数据进行了信噪分离处理。实验结果表明:该方法是切实可行的,能有效剔除时间域序列中的大尺度强干扰,近源效应得到了有效压制;经处理后,重构的大地电磁信号中包含了更为丰富的细节成分,视电阻率曲线更为光滑、连续,低频段的大地电磁数据质量得到了明显改善。

基于机器人运动控制的空间增强现实方法

针对投影图像与投影板运动之间不匹配的问题,研究了基于机器人运动控制的空间增强现实方法。首先,建立机器人和投影板的几何模型,并使投影板几何模型能在机器人模型末端的牵引下运动。其次,应用逆向运动学技术,根据设计的投影板运动轨迹计算机器人关节的运动轨迹,提出一种机器人同步控制方法,使投影板在机器人牵引下的运动轨迹与设计的运动轨迹一致。最后,根据投影板的运动轨迹设计图像内容,并用投影仪将图像投射到运动的投影板上。在由两台机器人、两块投影板和一台投影仪组成的系统上进行了实验,实验结果表明,提出的方法能根据设计的投影板运动轨迹精确地控制投影板的运动,且投影图像与投影板运动之间的匹配程度很好。

基于空间增强现实的辅助装配系统研究

人工装配是飞机装配过程中的重要环节,但是由于装配零件种类多、位置复杂、装配工艺繁多等问题导致了装配效率低、装配质量难以保证,严重影响了飞机整体装配的质量和效率。通过对空间增强现实辅助装配应用中跟踪配准技术、投影仪–相机标定技术分析,以及在三维机器视觉技术研究的基础上,开发了具有引导信息编辑、待投影工件定位、引导信息投影功能的全流程投影引导辅助装配系统,通过在飞机工件表面投影辅助装配信息的方式简化复杂的装配流程。从验证试验中可以看出,采用该系统可以显著提高装配效率和装配质量,大幅度缩短装配周期。

空间增强现实(SAR)在商业空间设计中的应用趋势探究

文章分析目前全球具有代表性的SAR设计公司D'strict、TeamLab、SILO Lab的相关案例,对空间增强现实(SAR)在商业空间设计中的应用趋势进行梳理。通过对上述公司31个相关案例中的SAR营造的氛围状态、SAR的基础形态、SAR的表现内容以及SAR体验方式的分析,得出SAR在商业空间中的应用趋势,以供参考。

基于自适应空间特征增强的多视图深度估计

为了提高多视图深度估计结果精度,提出一种基于自适应空间特征增强的多视图深度估计算法。设计了由改进后的特征金字塔网络(feature pyramid network,FPN)和自适应空间特征增强(adaptive space feature enhancement,ASFE)组成的多尺度特征提取模块,获取到具有全局上下文信息和位置信息的多尺度特征图像。通过残差学习网络对深度图进行优化,防止多次卷积操作出现重建边缘模糊的问题。通过分类的思想构建focal loss函数增强网络模型的判断能力。由实验结果可知,该算法在DTU(technical university of denmark)数据集上和CasMVSNet(Cascade MVSNet)算法相比,在整体精度误差、运行时间、显存资源占用上分别降低了14.08%、72.15%、4.62%。在Tanks and Temples数据集整体评价指标Mean上该模型优于其他算法,证明提出的基于自适应空间特征增强的多视图深度估计算法的有效性。

基于空间相关性增强的无人机检测算法

针对无人机(UAV)体积小、复杂背景下特征难以提取导致被误检和漏检的问题,提出基于自适应上采样和空间相关性增强的无人机小目标检测方法.采用多尺度的空洞卷积获取重要的上下文信息,然后通过注意力特征融合模块抑制多尺度特征融合造成的信息冲突;采用亚像素卷积和双线性插值自适应融合的新上采样方式,融合更多无人机特征信息,同时平衡计算量;对深层特征图的空间局部特征和全局特征采用空间相关性增强策略,提高复杂背景下前景目标的敏感度,增强目标表达和抑制背景噪声.在自制无人机数据集上进行消融实验和对比实验,与原始YOLOv5算法相比,本算法的m AP0.5和m AP0.5∶0.95分别提高了2.4%和2.7%,检测速度能够达到58.5帧/s;在VisDrone2019数据集上进行验证,本算法较YOLOv5算法的mAP0.5和mAP0.5∶0.95分别提高了4.6%和1.3%.

SGEU-Net:用于从高分遥感影像中提取道路的空间分组增强注意力网络

道路提取是现代路网规划的重要组成部分。近来,许多深度学习方法已被应用于该领域。然而,由于车辆以及树木和建筑物阴影的遮挡,在保持连续性的同时准确提取道路区域仍然是一个问题。论文提出了一种新型的道路提取网络-空间分组增强网络(SGEU-Net),由两个部分构成:一个改进的U-Net编码器-解码器网络和空间分组增强(SGE)注意力模块。SGE模块可以明显改善不同语义子特征在组内的空间分布,产生更可观的统计差异,增强语义区域的特征学习。改进的算法在马萨诸塞州道路数据集上进行实验,结果表明,与当前先进算法相比,所提算法提高了从遥感图像中提取道路的效果。

基于信号子空间增强和端点检测的大地电磁噪声压制

为了进一步保留大地电磁低频段的有用信息、提高矿集区复杂噪声环境下大地电磁测深深部探测能力,在形态滤波的基础上结合信号子空间增强和端点检测做二次信噪分离处理.首先,针对形态滤波预提取的噪声轮廓运用信号子空间增强分离出信号子空间和噪声子空间.然后,将信号子空间和重构信号相结合并将噪声子空间置零.最后,借鉴端点检测做后处理,以识别波形突变的起止点.仿真结果表明,卡尼亚电阻率曲线在低频段的数据质量得到了明显改善、视电阻率值相对稳定;有效地补偿了形态滤波处理过程中损失的低频有用信号,其结果更加真实地反映了测点本身所固有的大地电磁深部构造信息.

用单次脉冲非稳腔空间增强探测CARS技术测量火焰温度

采用宽带相干反斯托克斯拉曼散射 (CARS)技术测量了甲烷 空气预混火焰温度场分布 ,并分析了温度测量的不确定度。建立的宽带CARS实验系统采用非稳腔空间增强探测 (USED)相位匹配构造 ,其横向空间分辨率约0 1mm ,纵向空间分辨率约 3mm ,该系统能实现 10Hz重复频率测量火焰瞬时温度。采用宽带非稳腔空间增强探测CARS在甲烷 空气预混火焰中获得了单次激光脉冲的高信噪比氮气Q支CARS实验谱 ,用CARS理论计算软件拟合理论谱和实验谱确定了预混火焰的温度随高度的分布 ,采用单次激光脉冲的氮气Q支CARS实验谱测量火焰温度的不确定度小于 5 %。

空间可扩展视频编码中增强层上的帧内预测算法研究

针对空间可扩展视频编码,提出了一种新的增强层上的帧内预测算法。该算法充分考虑了相邻层间所固有的空域相关性,在无法正确获取本层邻块预测值的情况下,利用基本层上插值放大后的解码,通过重构宏块来对增强层上的编码宏块进行帧内预测。此外,还在预测过程中,通过引入与图像纹理特征相关联的自适应加权因子对(Wv,Wh)来进一步提高新算法的编码性能。实验结果表明,与H.264标准中的帧内预测算法相比,新算法在保持原有码率和不增加额外的计算复杂度的前提下,可一定程度地提高亮度分量的PSNR值,因此可以作为空间可扩展视频编码中增强层上的帧内编码方案。

基于联合失真控制的子空间语音增强算法

为提高低信噪比环境下的语音可懂度,提出了一种基于联合失真控制的子空间语音增强算法。由于误差信号中的语音失真和残余噪声分量不能被同时最小化,同时,由语音估计器引起的语音放大失真超过6.02 d B时会严重损害语音可懂度。为此分别对语音失真和残余噪声进行最小化处理,最小化时把语音放大失真控制在6.02 d B以下作为约束条件,通过求解两个约束最优化问题得到两个不同的估计器,再对这两个估计器进行加权求和,得到一种基于联合失真控制的语音估计器。实验结果表明,相比于传统的子空间增强方法,在低信噪比环境下所提出的算法能更有效提高增强后语音的可懂度。