基于近端策略优化模板更新的实时目标跟踪方法

基于孪生网络的目标跟踪算法往往采用第一帧的外观特征作为固定模板,难以应对目标外观剧烈变化等问题。为此,所提算法在孪生网络的基础上,引入深度强化学习,将模板更新问题建模为马尔可夫决策过程,采用近端策略优化算法进行优化,减少因目标外观变化带来的误差积累。针对孪生网络跟踪算法搜索域太小,无法全局搜索目标的问题,引入全局检测算法,找回丢失的目标。所提跟踪算法能够自适应更新模板和全局检测丢失的目标,在OTB数据集和GOT-10k数据集上进行测试,实验结果表明,该方法较代表性方法,具有实时性强和准确率高的优点,能够很好应对目标外观形变以及目标丢失。

用于遥感图像目标检测的少样本算法

针对遥感场景数据量匮乏,高空拍摄捕捉的地表物体尺寸变化明显,包含大量多个类别的物体以及复杂背景,导致检测准确率低、分类不准确等问题,提出一种基于二阶段检测模型(Faster RCNN)的少样本遥感目标检测网络。新增新型反转卷积算子构建检测器主干,提高特征提取能力;融入多尺度对象级正样本特征进行原始特征增强,抑制负样本的不利影响,充分挖掘各目标尺度的特征信息,帮助语义信息进行定位;采用对比监督的思想改进损失函数,细化目标分类,降低误检率。在公开遥感数据集上的实验结果表明,在仅有少量遥感标注样本的条件下,该网络能适应遥感图像的多尺度特征并有效缓解数据稀缺引发的过拟合现象。与先期Meta RCNN和FsDet网络相比,平均准确度进一步提升了3.8个百分点和2.5个百分点,为遥感领域的图像目标检测提供有意义参考。

基于双注意力擦除和注意力信息聚合的弱监督目标检测

现有的弱监督检测方法主要采用多示例检测网络,但在这些方法中应用分类特征提取网络易使目标尤其是非刚性目标的检测结果收敛到目标最显著局部区域。提出一种基于双注意力擦除和注意力信息聚合的端到端的弱监督检测框架DAENet。双注意力擦除模块的目的在于擦除生成的最显著性局部前景区域和部分背景区域,以此来扩展目标显著性区域,使网络能够尽可能地关注目标整体,从而更好地捕获目标整体区域。此外,为准确定位不同目标区域并精确生成注意力擦除掩码,提出注意力信息聚合模块,该模块可提取通道的全局特征和局部特征,并引入空间依赖性进一步提高检测精度。通过将双注意力擦除和注意力信息聚合进行协同工作,从而更好地提高弱监督检测性能。在PASCAL VOC 2007和VOC 2012数据集上的实验结果表明,DAENet框架在两个数据集上的检测精度分别达到50.5%和47.4%,相比基准模型,在部分非刚性目标上的检测精度提高了约5%~20%。

基于间断自适应MRF的相位解缠算法

合成孔径干涉雷达(InSAR)技术已被广泛应用于地面高程信息的获取。相位解缠作为其关键步骤直接关系到地表高程的提取精度。然而,相位解缠受相位连续性假设的限制无法识别间断相位,影响在陡峭地形区域的高程反演精度。针对上述问题,本文提出了一种基于间断自适应马尔可夫随机场模型(DA-MRF)的相位解缠算法处理间断相位。首先构建DA-MRF模型的能量函数能够自适应地在连续相位处保持像素连接,同时在间断相位处阻断像素连接;然后再利用图割算法优化能量函数,完成相位解缠。仿真和实测数据试验证明,本文方法与常用的相位解缠算法相比,具有更强的间断相位保持能力,更适用于地形变化剧烈场景中的地形重建。

翻转课堂在Oracle数据库课程中的应用

本文针对Oracle数据库课程教学中存在的问题,提出了将翻转课堂应用到Oracle数据库课程中,探讨了翻转课堂在Oracle数据库教学中的具体操作,并给出了教学案例。实践证明翻转课堂是信息时代全新的教学模式,是对现有Oracle数据库课程的教学模式的改革,对于Oracle数据库课程新模式的探索具有重要的指导意义。

抗遮挡自适应的粒子滤波算法

针对局部遮挡对粒子滤波跟踪算法的影响,提出了抗遮挡自适应的粒子滤波算法。该算法采用矩形作为跟踪窗,在重要性重采样之后,引入K均值聚类(KM聚类)算法,将空间特征与权重分布近似的粒子进行聚类,得到粒子子群,并通过粒子子群估计目标的最终状态。当目标外形变化超过5%时,说明存在遮挡或同色干扰现象,则跟踪窗保持上一帧尺寸不变,否则跟踪窗随着运动目标尺度变化而自适应变化。实验结果表明该算法对局部遮挡和运动目标尺度变化具有较强的鲁棒性。

翻转课堂中的深度学习模式应用

分析深度学习理论的内涵和要求,明确翻转课堂深度学习教学模式改革的必然发展方向,阐释深度学习路线的各个阶段和教学要素,提出翻转课堂深度学习教学模式,介绍教学实践过程并总结。

基于深度学习的大学计算机技术实验教学改革与实践

基于深度学习的理论性研究,阐述深度学习对于大学计算机技术实验教学的作用,提出通过论述情景任务巧设法、蓝墨云班课的课堂教学法、多元表征引导法、持续性教学改进等方法实施实验教学,深入探讨在教学过程中如何通过深度学习帮助学生由浅层思维向高阶思维递进,最后通过课程满意度问卷调查说明实验教学改革效果。

人工智能大数据伦理问题的研究

在斯诺登事件后,人工智能大数据伦理背景下,对伦理问题进行深入研究。以人工智能大数据伦理问题需要跨学科的对话为主线,通过计算机技术及其在监视社会中的应用关系来探讨切实可行的出路。最后在教学和研究中提出价值和方向引导,呼吁相关人士采取行动。

基于试探采样的自回馈目标跟踪算法

针对粒子传播过程中因欠缺观测信息而导致退化现象和异常粒子,提出一种基于试探采样的自反馈目标跟踪算法。该算法在当前帧完成采样后向前试探采样粒子,并且反馈到当前帧,此举是利用未来帧提前采样形式把观测信息融入到状态转移模型中,从而使概率密度分布逼近真实值。分析上下帧间粒子权值关系,舍弃异常元素,进行不完全重采样,在缓解退化问题的同时保持样本集多样性。目标状态估计采用加权—最大后验准则,提高了目标跟踪精确度与稳定性。实验结果表明,所提算法提高了状态空间质量,相比其他算法具有更好的跟踪性能。

深度学习下大学生自主学习模式研究与探索——基于蓝墨云班课平台的实践

本文主要针对大学生自主学习模式开展相关研究,遵循深度学习路线和教育心理学原理,将文章分为三个部分来论述大学生自主学习模式。首先介绍了大学生自主学习中会遇到的问题,阐明了大学生自主学习模式教学改革的发展方向是深度学习,然后对问题设计和实践内容进行了详细说明。最后,通过问卷调查分析,阐述了在深度学习下,大学生自主学习模式确实有利于提高学生的自主学习能力。

混合式教学中深度学习模式研究

针对混合式教学特点,以“信息安全与防护”教学为例,提出混合式教学中深度学习模式,分析了课程设计,课堂实施策略以及过程化持续改进的实施过程和应用效果。最后通过问卷调查,两班学生成绩对比以及近年来取得的教育教学研究成果,验证了该模式的有效性,为混合式教学的创新模式开辟了新途径。

论科研与生产交叉下的技术管理

本文论述了科研阶段和生产阶段交叉的成因，指出了科研和生产交叉状态下的特点，提出了由于科研和生产两个不同阶段的工作和任务同时在一个阶段内交叉进行。给技术管理工作带来新的问题，有针对性地提出了新的管理思路和控制方法。重点从技术状态控制的确认、更改以及关键件、重要件控制方面描述了如何在这一特殊时期下开展技术管理工作。

基于产品实现过程的风险管理

本文从风险的产生和由来，引出了风险管理的概念，通过对风险管理的描述，对风险有了较为正确的认识。本文重点论述了风险评估，包括风险识别、风险分析和风险排序的方法和意义；并通过有效的风险策略，能够对风险进行规避、预防、转移、控制。

基于HSV颜色空间特征的视频烟雾检测

由于烟雾具有形状不规则、扩散缓慢的特性,导致传统烟雾识别方法对烟雾检测存在一定的缺陷,如烟雾检测准确率低、烟雾警报响应时间长等问题。为了满足野外空旷场景下烟雾检测的准确性和实时性,提出了基于HSV(Hue, Saturation, Brightness,色调,饱和,明亮)颜色空间特征和卷积神经将网络相结合的视频烟雾检测的识别方法。通过将烟雾图像的RGB颜色空间特征映射到HSV颜色空间特征后提取烟雾候选区域,提取到的烟雾候选区域经过高斯混合模型进行运动判断,然后将符合运动特征的烟雾候选区域图像送入到训练好的卷积神经网络中进行烟雾识别。针对传统烟雾检测效率问题,设计了卷积神经网络conv-12用于烟雾识别。实验结果表明,基于HSV颜色空间特征和卷积神经网络conv-12相结合的视频烟雾识别方法对视频烟雾检测的准确率为96.45%,烟雾检测率为93.3%,烟雾报警平均响应时间为0.9 s。相较于其他方法,在烟雾检测准确率、烟雾检测率、烟雾警报响应时间都有一定的提升。

面向语义分割模型的外接多尺度投票网络

针对语义分割领域中多尺度共享网络训练复杂度高,以及网络在小目标、长条状目标、目标边缘处拟合效果不佳的问题,提出一种新型外接多尺度投票网络。通过投票网络融合各尺度分割结果,降低网络训练复杂度,并将共享网络中的分割网络与各尺度注意力头剥离开,仅训练各尺度注意力头,以便于网络收敛。在投票网络的结构设计中,使用多类别投票方法扩大投票空间,通过融入混合池化模块聚合近程与远程权值,扩大网络感受野,缓解权值图中长条状目标拟合间断与缺失的问题。在此基础上引入类内、类间投票注意力模块获取权值及类间关系,并采用不规则卷积,改善投票权值图的边缘拟合效果。在Cityscapes数据集上的实验结果表明,相比FCN、PSPNet、DeepLabv3+分割网络,该网络的平均交并比分别提升了0.92、0.88、0.80个百分点,与共享网络相比,其训练复杂度更低,精度更高。

柳树风致响应的实测分析与预测

为探究在不同时距和不同风速条件下树干各个高度的风致加速度响应的分布规律,对单棵柳树的树前风场及其树干加速度响应进行了现场实测.结果表明:树前顺风向脉动风速与风致树干加速度响应的概率分布特性有显著区别,树前顺风向脉动风速近似高斯分布,树干顺风向加速度响应的概率分布为明显的尖峰非高斯概率分布;柳树的风致响应为一个强迫振动的过程;采用广义Pareto极值算法计算其极值加速度响应,当时距为180 s时树前平均风速与树干顺风向极值加速度响应的相关性最高;对树前不同平均风速下树干不同高度的极值加速度响应进行拟合分析与预测,发现其树干顺风向极值加速度与树前平均风速呈二次非线性关系.关于柳树的风致响应规律特性的探究,对于研究树木抗风具有重要的意义.

基于图像处理技术的树木疏透度确定方法研究

如何确定树木的疏透度一直是研究的热点,应用现有的方法确定疏透度时多需要人工干预。文中提出了确定单株树木疏透度的新方法,该方法基于图像处理技术对树木的照片进行识别即可确定树木的疏透度。选取九里香六年苗、八年苗(Murraya exotica)和豆瓣黄杨(Buxus sinica)三株与真实树木外观相似的树苗作为实验材料,利用数码相机拍摄不同风速下的树木照片,再应用图像处理技术中阈值法以及分水岭算法对照片进行处理,从像素的层面通过计算获得单株树木疏透度。将运用文中方法所得到的树木疏透度与前人运用图像处理工具Photoshop所获得的疏透度相比较,结果表明:三株树木在各风速状态下的疏透度差异在2%~8%之间。文中提出的基于图像处理的树木疏透度确定方法精度比较高,而且该方法具备不需要人工干预、操作简单的优势;同时发现三株树木的疏透度均随风速增加而增大。

“西域佛教与文化”学术讨论会在乌鲁木齐召开

经过一年准备,由中国社会科学院亚洲太平洋研究所、世界宗教研究所,上海社会科学院宗教研究所、陕西省社会科学院历史研究所、中国佛教文化研究所、新疆维吾尔自治区佛教协会共同举办的“西域佛教与文化”学术讨论会,于1990年9月2日至4日在汉唐时期的西域中心乌鲁木齐市举行。9月初的边城乌鲁木齐正是金风送爽、瓜果飘香的时节,来自全国各地的36名代表聚集一堂,共同交流西域佛教的研究成果,向大会提交28篇论文。自魏晋隋唐以来,人们常把印度看作“西天佛国”。

某产品TC151—2—0—0相控阵天线支架铆接变形分析

某产品天线支架试制时铆接变形较大，影响辐射器电性能指标．为此进行了工艺攻关，本文着重阐述的是对铆接变形现象及成因的分析．