基于注意力机制的海关报表识别方法研究

海关报表作为进出口业务中的重要材料,需要快速识别文本并录入系统,提高业务效率。海关报表图像通常存在字迹模糊粘连、字号过小和噪声污染等问题,增加了报表文本识别的难度。本文针对海关报表图片识别准确率低的问题,提出了基于注意力机制的海关报表识别方法。在DBNet模型中引入了注意力机制,提升小字符文本检测能力,使网络更加关注字符相关区域;在视觉模型中引入可变形卷积模块,扩大感受野,并将视觉特征和语义特征增强后通过门控机制实现多模态融合,提升对低质量字符的识别精度。实验结果表明,本文方法在海关报表低质量图像的检测和识别准确率方面领先其他方法。

基于Mask R-CNN和CEDN的人体实例分割方法

针对人体实例分割任务中Mask R-CNN方法对于边缘分割较差的问题,本文提出了一种结合轮廓检测算法CEDN进行改进的方法。首先,通过Mask R-CNN检测出背景中的人体实例掩码,通过区域填充获取到精细化人体实例分割结果的方法。首先,通过Mask R-CNN检测出背景中的人体实例掩码;其次,利用轮廓检测算法得到精细化人体轮廓,再通过改进的区域填充算法填充出人体分割掩码,从而提高人体分割精度。在LSP数据集上进行验证,本算法相较Mask R-CNN准确率提高了4%,召回率提高了8%。算法有效的改进了Mask R-CNN的分割结果,改善了人体分割边缘较差的问题,进一步提升了人体分割的精度。

基于微服务架构的大宗商品ERP仓储系统的研究

当前针对大宗商品企业开发的ERP仓储信息管理系统大多为单体架构,存在功能老旧[1]、安全性低且业务模块耦合度高的问题[2]。本文涉及的跨国公司主营大宗商品,业务复杂且涵盖海内外多地、更新频繁、交易量巨大,单体架构下的系统无法满足大型公司复杂的业务需求、严格的安全需求、高并发场景下的可用性以及数据一致性。为解决以上问题,本系统以微服务架构为基础,基于Spring Cloud框架,结合服务熔断限流、服务无状态化设计、分布式事务管理等技术,设计开发了低耦合、易扩展、高并发,高可用、高安全性的分布式系统[3]。本系统现已交付某大型跨国企业使用,并取得良好效果。

基于微服务架构的木材订单系统设计与应用

传统的单体式ERP系统开发快、部署简单,但有着内部耦合性高、拓展性差、灵活性低等弊端,随着企业的发展曾经的单体式ERP系统已难以满足发展需要。为此,本文在开发某木材大宗商品订单ERP系统时,提出了基于微服务架构的设计方案,按照业务功能对微服务进行了划分,并进行了系统整体技术架构设计。系统整合服务注册与配置中心、鉴权中心、微服务网关实现微服务功能,并针对企业需求设计了权限分配策略、使用了分布式事务管理保证数据一致性、使用了负载均衡与服务熔断技术提升了系统可用性。

低质量海关报表字符识别模型研究

海关报表单据图像质量差,其中字符往往有模糊、笔画缺失、笔画粘连和噪声污染等特点。本文针对海关报表单据中低质量字符识别准确率低的问题,提出了Enhanced-DBNet文本检测模型并改进ABINet文本识别模型。基于DBNet模型重新设计其主干网络,引入可变形卷积模块(DCN)扩大感受野,提高长文本识别能力;采用双向特征金字塔增强模块(FPEM),使网络具有更强的表征能力;引入特征融合模块(FFM)将图像高层次语义特征和低层次位置特征充分融合。针对形近字符难区分的问题,在ABINet模型中引入可变形注意力模块,使注意力集中在字符相关区域,捕获到更多的字符特征。对比实验结果表明,本文的模型在海关报表低质量字符上的检测和识别准确率优于当前其他模型。

面向对象软件覆盖度量的研究和软件测试工具的实现

面向对象软件测试技术的研究是面向对象开发方法不可缺少的一环 .但是面对面向对象技术所引入的新特点 ,传统的测试技术已经无法有效地进行测试 .因此 ,结合传统的测试技术 ,提出了一种新的面向对象软件覆盖度量——基于段的面向对象覆盖度量 (object- oriented segmentcoverage) ,解决了传统的覆盖度量没有考虑到继承和多态等语言特征对面向对象软件测试过程的影响的不足 ,可以比传统的结构化覆盖度量获得更精确的测试覆盖数据 .同时 ,还分析了一个已实现的、具有高度可重用性和灵活性的面向多种

软件测试自动化关键技术的研究

软件测试是软件开发生命周期的重要组成部分,也是目前和今后相当长一段时间内保证软件质量和可靠性的关键手段。为了提高软件测试的效率,开发软件测试自动化工具是十分必要的。本文在已经实现了的面向对象语言的软件测试自动化工具-Panorama的基础上,介绍了开发软件测试自动化工具中的一些关键技术的实现原理。

一种三维人体表面成像技术在人体烧伤面积估算中的应用

提出了一种人体成像技术应用在人体烧伤面积评估中的系统框架.通过Kinect设备扫描烧伤人体获取真实的三维坐标数据及颜色信息,对这两种数据进行配准和叠加,并利用Kinect Fusion技术将各帧数据融合以重建三维彩色模型,设计了三维模型特征区域提取及面积计算方法.最后,通过对纸箱模型进行测量并采用贴片对真实人体模型模拟烧伤区域与面积计算的试验,证明了系统的可行性.

用JavaCC构造编译器的方法

介绍了编译器自动生成器的原理，并分析了Sun公司提供的一个编译器自动生成器工具——JavaCC，最后，通过设计一个简单的命令行计算器说明了如何利用JavaCC构造编译器。

基于三角网格模型的局部纹理映射

局部纹理映射可以增添三维模型的局部细节,加强模型的真实感。为了实现对三维模型的局部特征描写,增强局部纹理映射的用户可交互性,提出一种基于区域增长和平面投影的方法来实现三角网格模型的局部纹理映射。区域增长是以指定的三角面片为初始种子面片,搜索与种子面片共顶点的增长规则扩散出待映射区域。算法不仅保证了选取区域的完整性,不会出现缺角的情况;同时用户可以改变待映射区域的位置和大小。采用平面投影法对待映射区域进行纹理映射,将三维顶点投影到基准平面上,建立二维坐标系与纹理坐标系的关系,从而确定三维顶点和纹理坐标的对应关系。算法成功应用于实验,表明该方法的可行性。

基于Java的捕获/回放测试工具的实现

目前，越来越多的应用程序需要和图形用户界面一起工作，一个优秀的软件测试工具必须提供捕获（Capture）用户操作（如击键、鼠标活动等）的能力并在代码被修改之后能够自动回放（Playback）用户的操作。文章结合自主开发的面向Java的事件捕获/回放工具JPlayer (Swing/AWT 事件记录器/回放器)，介绍了基于事件源识别的捕获/回放技术，以及基于事件跟踪的回放同步技术。

个性化人体特征曲线驱动的三维服装变形

针对目前三维试衣系统中人体建模方法难于建立大量个性化的三维人体模型的问题,提出一种采用Kinect扫描人体重建个性化人体模型,利用个性化人体特征曲线驱动服装变形的三维试衣方法。方法提取人体特征曲线,并根据曲线所在人体部位特征进行曲线拟合,依据拟合曲线计算服装控制点位置,最终使服装适合人体模型。根据个性化人体体型特征对服装模型变形,符合真实人体试衣过程中服装形状随人体体型不同而改变的特点。改进方法取得了个性化人体模型三维试衣的较好效果,使虚拟试衣效果更好地预测真实着装效果。

一种改进的基于动态链接库的代码插装技术

介绍了动态测试的关键技术—“代码插装”的原理 ,并在已经实现了的面向VisualBasic语言的测试工具的基础上 ,提出了一种改进的基于动态链接库的代码插装技术 .

停车管理中车牌识别技术的研究

本文研究了基于视频的路边停车管理中车牌识别问题,提出了动态车牌识别算法。在视频场景下基于打分机制选取最佳结果,充分利用视频的特性提高车牌识别率,有效地解决了车牌遮挡导致无法识别的问题。对于单帧车牌的识别,使用场景文本识别算法EAST定位车牌,再通过投影变换进行矫正,以提高在倾斜状态下的识别率。实验证明该方法对倾斜扭曲车牌的识别率有一定提升。

基于D3.js的公安数据间关联关系可视化研究与应用

随着中国信息化建设和国民经济的不断发展,加速了社会人口的流动,同时公安机构的各个部门也积累了越来越多的数据。目前这些数据正以阶梯式增长。公安数据包含了大量的关联信息,将这些看似分散、杂乱无章的数据,以一种直观、简明的可视化形式展示出来,能够提高侦查破案和预警能力。本文提出的基于D3.js的可视化方案,将合理地整合有效数据,并利用相关算法,实现关联关系的可视化展示。

基于深度学习的驾驶证识别方法研究

依托不断发展的电子信息技术,对和车辆信息密切相关的驾驶证进行OC光学字符识别(OCR),成为实现智能交通的重要步骤。实际拍摄图像中,由于拍摄环境差别明显,光照不均匀和倾斜等情况普遍存在,识别时需要根据图像进行差异化处理,处理过程中很容易丢失文字结构信息,导致字符识别错误,降低系统识别率。本文针对驾驶证识别,采用"图片预处理+提取+识别"的整体思路,提出一种基于深度学习的机动车驾驶证检测与识别算法。首先,进行图片预处理,针对驾驶证图片存在的背景复杂、角度倾斜的问题,提出对边缘轮廓的位置进行定位以完成倾斜校正;其次,使用CTPN算法对图片中文字区域进行检测;最后,用RCNN算法对检测出的文字行进行文字检测,得到文字识别结果。

基于网格模型的三维区域面积测量

提出一种基于网格模型的物体区域面积计算方法,首先通过人机交互选取区域特征点,根据特征点生成整个区域的边界,采用平面与网格求交线的方法生成两点间最直的测地线,用测地线圈划整个区域的边界。重建被切割后的区域网格,通过区域生长法得到区域内所有三角面片的拓扑信息和坐标信息,将所有小面片的面积相加得到整个所选区域的面积。创新之处在于运用改进的网格切割算法,在切割过程中通过不断修正切割面使生成的切割线达到最优。实验证明,所提方法可行,可有效计算三维物体表面的区域面积,相对误差较小。

基于视频的人脸识别校园安全接送系统的研究

校园安全接送作为一个严肃的社会问题,需要及时发现不明身份人员混入校园等隐患,而市场上大多数的校园人脸识别系统,基本上都需要专用的硬件设备,且只支持单人逐个检测,这无疑提高了推广的成本。针对以上问题,本文提出了使用普通摄像头的支持多人的人脸识别系统。首先采用YOLOv3算法训练人脸数据集,利用K-Means++算法改进先验框中心位置的预测,提高边界框的准确性,得到人脸检测器,对视频中的行人进行人脸检测;之后利用本文的人脸图像质量评价FIQUE算法对人脸进行筛选,增加高质量的人脸图像占比;最后使用Inception-ResNet-v1模型提取人脸特征,进行识别。本文方法利用学校现有的摄像头设备,提高了系统的普及率。实验证明了本文多人识别系统的实时性和鲁棒性良好。

基于深度学习的集装箱编号识别

针对集装箱编号图像存在光照不均、背景复杂、模糊、污损、断裂等问题,本文提出,先采用基于深度学习的目标检测算法(YOLOv4)来实现集装箱编号区域定位,接着对定位后的集装箱编号图像进行预处理,采用连通域分割法分割字符,然后把一个个的字符送入模板匹配算法中进行字符识别。通过理论分析以及实验证明了本文方法的有效性,识别准确率相比其他方法明显提高。

基于人脸识别的客流分析技术研究与实现

在复杂的场景中,多目标跟踪算法会由于遮挡出现目标丢失和误报的情况,导致目标跟踪失败。针对以上问题,本文提出基于人脸识别的多目标跟踪算法。首先,采用基于深度学习的YOLOv3进行目标行人检测;其次,对目标行人脸部特征点进行人脸姿态估计,用欧拉角表示人脸朝向信息,再对正向人脸通过人脸特征比对实现数据关联,非正向人脸采用基于Deep SORT的多目标跟踪算法进行目标跟踪。实验证明,在一定程度上提高遮挡情况下多目标跟踪的准确性,降低了行人ID跳变次数,在实时性和鲁棒性上也有良好的效果。