面向骨骼动作识别的优化梯度感知对抗攻击方法

基于骨骼的动作识别模型被广泛应用于自动驾驶、行为监测和动作分析等领域。一些研究表明,这些模型容易受到对抗攻击,引发了一系列安全漏洞和隐私问题。虽然现有攻击方法在白盒攻击下能够取得较高的成功率,但是这些方法都需要攻击者获得模型的全部参数,这在现实场景中不易实现,且在黑盒攻击下的可迁移性较差。为了解决上述问题,文章提出一种面向骨骼动作识别的优化梯度感知对抗攻击方法NAG-PA。该方法在梯度计算的每次迭代中都优先估计下一步参数更新后的值,并在更新后的位置进行梯度累积。同时,对当前位置进行修正,避免落入局部极值,从而提高对抗样本的可迁移性。此外,文章所提方法还使用了感知损失以确保迁移攻击具有不可感知性。在现有公开数据集和骨骼动作识别模型上的实验结果表明,文章所提方法可以显著提高对抗攻击的可迁移性。

聚焦超声清洗机的仿真设计与实验研究

目前,超声清洗机通常是将一组换能器排布于平面式清洗槽底部,但用此方法会形成驻波现象,不利于超声清洗。文章提出了一种球面式聚焦超声清洗的方法,与普通超声清洗相比,该方法提高了超声清洗的效率。文章采用有限元COMSOL Multiphysics软件对清洗机内声场进行分析,得到三维模型内声压的分布情况;研制了聚焦超声清洗机,并通过薄膜腐蚀实验验证了清洗机内的声压分布情况;通过对比试验发现,聚焦超声清洗油污的速度比普通超声清洗提高了77.27%。通过薄膜腐蚀实验和超声清洗实验可知,聚焦超声清洗机内声场分布均匀,且声场内存在能量聚焦区域,清洗速率高于普通超声清洗机。

铁路钢桁梁桥在重载列车下的受力适应性分析

在既有线上开行重载列车可满足我国快速发展的铁路运量要求,但势必会对既有铁路桥梁的安全性产生不利影响。以长东黄河大桥4跨铁路连续钢桁梁为工程背景,采用Midas软件建立了有限元模型,对其整体受力性能和杆件局部受力性能在30 t重载列车下的适应性进行了分析。结果表明:长东黄河大桥连续钢桁梁的整体受力性能满足30 t重载的运营要求,其中竖向挠度安全裕度较中-活载下降约22%,但横向挠度安全裕度无明显下降。钢桁梁各杆件的应力安全储备系数、疲劳安全储备系数和稳定安全储备系数均较中-活载下降低近20%左右,且个别杆件在30 t重载下的疲劳和稳定性能不满足规范要求,需进行适当加固。

亚低温对重型颅脑创伤患者脑源性神经营养因子表达的影响

目的:研究亚低温对重型颅脑创伤患者脑源性神经营养因子表达的影响及其临床意义。方法:50例重型颅脑创伤患者随机分为亚低温组24例、常规治疗组(对照组)26例。亚低温组均于伤后24h内接受亚低温治疗。ELISA测定两组患者不同时间点的血清脑源性神经营养因子水平,同时监测病人颅内压(ICP)以及生命体征、血气、血电解质及动脉血氧饱和度等,并根据GOS评估法判断预后。结果:与对照组相比,亚低温组患者血清脑源性神经营养因子表达水平明显增高(P<0.01),颅内压明显降低(P<0.01),生命体征、血气、血电解质、动脉血氧饱和度差异无显著性,无严重并发症,死亡率低,预后改善明显。结论:亚低温治疗可提高重型颅脑创伤患者血清脑源性神经营养因子的表达水平,降低颅内压,具有肯定的脑保护作用。

基于YOLOv5的物流托盘实时检测方法研究

传统物流作业主要依靠人工操作叉车对托盘进行搬运,自动化程度低。工厂实际环境复杂多样,导致现有的托盘检测算法的模型复杂,耗时较长,无法同时达到准确性和实时性要求,难以实际运用。针对浙江某机械(搬运)设备有限公司下属的电动车工业园实际工厂环境下,XP3托盘自动搬运机器人工作效率问题,提出了一种高效准确的托盘检测算法,该算法利用改进的YOLOv5s网络检测托盘,在托盘定位部分准确率达到了99.8%,定位仅耗时10ms,同时算法的总体正确率达到了98.9%,总体耗时仅54ms,实现了对托盘高效精确的检测。

面向骨架行为识别的角空间对抗攻击方法

深度学习模型在基于骨架数据的行为识别任务中取得了较好的性能。然而,骨架行为识别模型的鲁棒性最近受到了质疑,因为它们很容易受到对抗攻击的威胁。目前现有的行为识别白盒攻击方法无法对对抗骨架动作样本的独特空间结构进行严格约束,其生成的对抗骨架动作样本为非流形对抗样本,即对抗分布远离了原有的数据分布,使得骨架动作不自然,很容易被人眼察觉。提出了一种利用球坐标系表示骨架结构的角空间对抗攻击方法,球坐标攻击(spherical coordinate attack,SCA)。在公开数据集上的实验结果表明,SCA可以发现大部分存在流形空间上的对抗样本,而目前已有的行为识别白盒攻击方法只能寻找到非流形空间上的对抗样本。

钛合金铸造用支撑座砂芯改性工艺研究

简要分析了某支撑座型芯常规材质制备的局限性,提出了一种基于3D打印砂芯的钛合金铸造用砂芯改性工艺。通过两次无机粘结剂的浸渗、焙烧处理,使砂芯在具备一定强度的同时维持高的尺寸精度,并且具有十分优异的脱芯能力。在实际生产验证中,铸件表面质量高,荧光检测无明显线性缺陷,铸件表面污染层厚度小于20μm。

显微血管减压术治疗椎-基底动脉压迫型面肌痉挛的效果分析

目的分析显微血管减压术治疗椎-基底动脉压迫型面肌痉挛的临床效果.方法收集我院141 例经显微血管减压术治疗的面肌痉挛患者,比较椎-基底动脉压迫型（28 例）与非椎-基底动脉压迫型（113 例）面肌痉挛患者的术后症状改善状况.结果平均随访（13.81±1.57）个月,两类面肌痉挛的治疗有效率差异无统计学意义（96.43% vs. 98.23%,P=0.49）,其术后延迟治愈率差异亦无统计学意义（37.04% vs. 20.72%,χ^2=1.38,P〉0.05）.结论显微血管减压术治疗椎-基底动脉压迫型面肌痉挛安全、有效.

基于视频流的集装箱锁孔追踪及中心定位

随着自动化、智能化技术的发展,铁路站场需要对集装箱进行自动装卸作业。考虑吊具在作业过程中会发生晃动,为了直接准确地定位集装箱相对吊具的位置,采用视频流对锁孔进行追踪识别及中心定位。在对第一帧图像进行背景分割并提取出集装箱图像后,首先运用基于支持向量机(SVM)的滑动窗口再定位检测算法获取集装箱锁孔区域图像,然后追踪视频流中的锁孔区域并提取对应的Canny边缘轮廓,最后通过基于轮廓端点的轮廓修补算法和锁孔中心定位算法实现追踪锁孔的中心定位。使用了1∶15的起重机和集装箱模型进行模拟实验,实验结果表明:基于SVM的滑动窗口再定位检测算法可准确地提取初始帧的锁孔区域,准确率达到99.65%;基于轮廓端点的Canny轮廓修补算法和锁孔中心定位算法可有效地进行锁孔轮廓修补和锁孔中心定位;MOSSE追踪算法更适用于集装箱锁孔追踪,并可以满足站场自动化的实时性要求。

基于深度学习的实时集装箱箱号识别算法

集装箱站场装卸作业时,主要依靠起重机司机手工录入集装箱箱号,自动化程度低。站场的多样化环境容易造成识别模型的复杂度较高,导致计算耗时较长;同时由于集装箱表面纹理复杂、磨损腐蚀严重、箱号字体及排列方式多样等问题使得其字符特征难以提取且识别精度不高,现有的算法往往无法同时满足准确性和实时性两个要求,难以在实际场景中应用。因此,设计了一种前处理方法,能够有效降低图像的计算量,并利用改进的YOLOv3网络提出了一种可应用于实际集装箱站场的实时集装箱箱号识别算法,该算法箱号定位部分准确率达到了99.6%,定位耗时16 ms,同时算法箱号识别的总体正确率达到了98.4%,总识别耗时103 ms,实现了对集装箱箱号高效精确的识别。

带着感情和群众交流 融入群众、服务群众

一直以来,盖州市市委、市政府高度重视民心网工作,始终坚持“关注民生、情系群众、温暖民心”的宗旨,将民心网工作作为一项“民心工程”来抓,不断加大工作力度,实实在在地推进民心网工作,我市民心网诉求办理工作的成绩在全省排名还是比较靠前的.

基于U-net和YOLOv4-tiny的锁孔中心定位算法

文中针对目前集装箱由于锁孔中心定位算法误差大、鲁棒性不强等原因,造成难以满足实际集装箱货场需求的问题,采用深度学习方法,对集装箱锁孔中心定位问题进行了研究。首先基于YOLOv4-tiny模型获取锁孔位置,实现对锁孔的检测和提取;然后基于U-net模型对提取的锁孔矩形框进行分割,精确分割出锁孔区域;最后采用了图像处理的方法对分割的锁孔区域进行计算,从而得出锁孔中心。在实际的集装箱锁孔数据集上进行实验,结果表明,该方法能够快速准确地对锁孔中心进行定位。第1阶段的锁孔检测成功率为100%,单张图片的检测时间为35 ms;第2阶段的锁孔中心平均误差约为1.3个像素点,与其他锁孔中心定位算法相比中心误差更低。研究结果对实现集装箱货场的自动化具有较高的应用价值。

基于3D Experience平台的中小跨径梁式桥快速建模技术研究

以中小跨径梁式桥为研究对象,分类总结了中小跨径梁式桥上、下部结构,在该基础上完成了对核心几何参数和养护检修信息标准的定义,基于3D Experience平台采用EKL语言二次开发实现了中小跨径梁式桥的参数化快速建模,提高了建模效率,降低了建模成本。