面向小目标的多空间层次安全帽检测

由于目标视频中存在目标小、距离远等影响检测效果的因素,对小目标的捕捉难度较大,提出一种面向小目标的多空间层次安全帽佩戴检测算法,该算法将在Yolov5s的网络模型基础上进行个性化改进。设计一种多空间注意力模块,从不同角度考虑空间特征的效果并加以融合,加强显著性特征的空间位置关系;融合多空间尺度的特征,同时结合特征提取过程中的多种特征,适应对不同空间层次目标的捕捉,提高对小目标的检测能力;利用数据增强提高数据集的泛用性,使训练目标适应更多样的情景;优化损失函数,增强回归能力,提高训练效果。实验结果表明,所提算法的平均准确率达到91.5%,明显地减少了漏检情况。除此之外,将其部署到实际施工现场,展现了出对小目标优越的检测性能,具有极大的应用价值。

采用Benders分解的5G核心网用户面动态部署算法

为了应对5G网络时变的数据流量负载,同时满足5G低时延业务需求,提出基于Benders分解的用户面功能(UPF)部署与流量调度多阶段规划算法,以实现边缘网络环境下5G核心网用户面的动态部署.以最小化边缘服务器能耗、UPF部署成本及用户面数据时延为目标,考虑部署决策的延迟影响,建立UPF部署和流量调度多阶段规划模型.用Benders分解算法,将模型分解为UPF部署主问题和一系列流量调度子问题,交替迭代求解主问题和子问题,以获得最优的UPF部署和流量调度.仿真结果表明,所提算法在保证求解精度的同时具有较快的收敛速度;与逐阶段求解方法和基于马尔可夫决策过程(MDP)的启发式算法相比,所提算法分别节省了10.4%和5.1%的总运营成本.

特征平衡的无人机航拍图像目标检测算法

无人机航拍图像目标较小、图像视角变化大,导致目标检测效果不佳。针对此问题,设计了一种适用于无人机小目标检测的网络。该网络中的可变形卷积模块可以提高多视角目标的特征提取能力,以解决航拍图像目标视角变化剧烈致使目标特征难以提取的问题;特征平衡金字塔模块可以增强网络中底层小目标特征,以解决航拍图像中的小目标因特征易丢失而造成其检测效果差的问题;同时利用像素重组构建底层大尺度特征以解决特征平衡金字塔模块的底层特征卷积运算量大的问题;交叉自注意力机制获取目标上下文信息,改善严苛条件下的漏检错检问题。公开数据集上的仿真结果表明,在保证实时检测的情况下所提算法的平均准确度优于主流检测算法。

混合注意力机制的异常行为识别

随着人工智能的快速发展,基于计算机视觉的人体异常行为识别受到极大的关注,并被广泛应用到智能安防等领域。针对人们在加油站等重要场所抽烟以及司机驾驶途中打电话等违规行为,提出一种混合注意力机制的异常行为识别方法。利用引入的卷积块注意力模块重点关注输入对象的显著性特征,并对输入信息进行精细化的分配和处理,在突出重要信息的同时弱化无关信息。为提升网络模型的特征挖掘能力及增强网络的信息交互性,利用提出的卷积特征提取模块进一步提取识别对象的高层语义特征,并将其与低层细节特征进行融合以达到多尺度特征交互的目的。此外,为了减少网络训练过程中错误标签造成的损失,采用标签平滑对交叉熵损失函数进行修正以此来驱动模型的学习过程。实验结果表明,所提出的模型优于当前的主流网络,可有效检测出异常行为。

基于特征融合时序分割网络的行为识别研究

行为识别是当今计算机视觉领域的一个研究热点,是一项具有挑战性的任务.行为识别分析与其网络输入数据类型、网络结构、特征融合环节具有密切联系.目前,主流的行为识别网络输入数据为RGB图像和光流图像,网络结构主要以双流和3D卷积为主;而特征选择直接影响到识别的效率,多层次的特征融合工作还有很多问题有待解决.针对主流的双流卷积网络输入数据为RGB图像和光流图像的局限,利用低秩空间中稀疏特征能够有效捕捉视频中运动物体信息的特点,对网络输入数据进行补充.同时,针对网络中缺乏信息交互的特点,将深度网络中高层语义信息和低层细节信息结合起来共同识别行为动作,使时序分割网络性能更具优势.在行为识别数据集UCF101和HMDB51上取得了97.1%和76.7%的识别效果,较目前主流算法有了较大的提升.实验结果表明,该方法能够有效地提高行为识别的识别率.

图像噪声方差大小的测量新算法

针对图像中的高斯白噪声，提出了一种利用小波系数分布特征进行噪声估计的算法。根据小波系数的分布特点，利用广义高斯分布模型对小波系数进行拟合，并用广义高斯分布模型参数（尺度和形状参数）提出了一种有效的噪声方差估计算法。实验结果表明，提出的噪声方差估计算法能有效地估计噪声方差大小，同时估计的结果要好于其它相关的算法。这种噪声测量算法具有高精度性和快速性。

字典原子优化的图像稀疏表示及其应用

为了提高图像稀疏表示性能,提出了一种有效的结构化字典图像稀疏表示方法.针对过完备字典构造和稀疏分解中原子筛选问题,提出了一种基于灰色关联度的字典原子筛选和结构聚类方案.首先,对测试图像分块处理,利用块作为原子样本;然后,计算原子间的灰色关联度,并设置原子灰色关联度的筛选准则;最后,利用结构特征对原子聚类,构造图像稀疏字典.算法利用灰色关联度选择表征能力强的原子,提高字典的表征能力,缓解了传统字典设计对原子个数的依赖;同时,降低了算法的复杂度.将该方法得到的字典用于图像去噪,结果表明,视觉效果明显优于同类算法,峰值信噪比提高2 dB左右,且算法复杂度显著降低.

Contourlet变换中不同滤波器对图像去噪效果的研究

在对Contourlet变换涉及的方向滤波器和金字塔滤波器分析的基础上,验证了选择不同滤波器对图像去噪的影响,提出在Contourlet变换中应用具有视觉特性的紧支双正交滤波器,可以提高图像去噪的效果。仿真试验表明,文中提出的滤波器不仅使原有的Contourlet变换的去噪效果获得提高,而且文中提出的滤波器使CHMT(Contourlet domain Hidden Markov Trees)去噪效果得到优化,去噪后图像的PSNR有明显提高。

一种自适应的非局部均值图像去噪算法

对Buades等人提出的非局部均值图像去噪算法进行改进。传统的方法在滤波参数定义上存在缺陷,为了解决这个问题,通过建立噪声方差与滤波系数的关系,提出解决噪声估计的方法。另外,根据小波系数的分布特点,利用GGD模型参数(尺度和形状参数)对系数进行拟合,并用GGD模型参数提出一种有效的噪声方差估计算法。实验结果表明,该噪声方差估计算法不仅能有效地估计噪声方差大小,而且使原有的非局部均值算法具有自适应性。这种自适应的非局部均值算法可以达到近似最优,具有鲁棒性和快速性,且算法精度高。

小波域的灰色关联度图像压缩

为了改善小波变换的图像稀疏表示性能,提出了一种小波域的灰色关联度图像压缩算法.首先,利用小波变换对测试图像进行分解,获得不同区域的小波系数;然后,利用小波系数特点,将灰色关联度用于系数关联度的刻画中,并计算不同尺度间系数的灰色关联度;根据小波系数区域特征,将小波系数进行分类,构造出不同系数类型下的稀疏表示方法;最后,将该算法应用于图像压缩.实验结果表明,在相同压缩率下,所提算法的客观评价指标峰值信噪比较现有同类算法提高了1.04~3.65 d B,图像主观视觉质量明显提高.所提算法能够结合系数特征和视觉特性自适应地构造字典,提高了图像稀疏表示能力,进一步提高了图像压缩性能.

噪声稳健性的卡方生成对抗网络

针对不同分布噪声下生成对抗网络生成样本质量差异明显的问题,提出了一种噪声稳健性的卡方生成对抗网络。所提网络结合了卡方散度量化敏感性和稀疏不变性的优势,引入卡方散度计算生成样本分布和真实样本分布的距离,减小不同噪声对生成样本的影响且降低对真实样本的质量要求;搭建了网络架构,构建全局优化目标函数,促进网络不断优化并增强博弈的有效性。实验结果表明,所提网络在不同噪声下的生成样本质量和稳健性优于目前几种主流网络,且图像质量差异较小。卡方散度的引入不仅提高了生成样本质量,而且提升了网络在不同噪声下的稳健性。

尺度参数分布斜率模型的无参考图像质量评价算法

无参考图像质量评价是一种无需任何先验知识的图像质量评价算法.大多数无参考评价算法基本都是针对某种类型的失真而不能较好地应用于其他类型.因此,设计一种能够广泛应用的无参考评价模型非常必要.文章采用小波变换分析图像失真特点,利用广义高斯分布对小波系数分布进行拟合,并分析各尺度参数分布的斜率特性,建立测量失真程度模型,提出了一种基于斜率分布的无参考图像质量评价方法.该算法利用LIVEⅡ图像质量评价数据库进行仿真测试.实验结果表明,算法不仅能够适应大部分失真类型,而且图像质量评价结果与主观评价结果有较好的一致性.

图像关联度在全变分模型停止准则中的运用

以全变分去噪模型为基础,详细阐述全变分模型的构造,利用图像的最优关联度作为停止准则的参考,获得一种新型的全变分图像去噪模型。该模型不仅能够获得一种较好的迭代准则,同时,图像去噪后的效果接近最优值。实验结果表明,该算法能够获得较好PSNR值,而且算法的复杂度也降低。

三维定向治疗计划系统在恶性肿瘤治疗中的应用

目的:探讨三维定向粒子放射治疗计划系统在恶性肿瘤治疗中的应用价值。方法:19例临床确诊为中晚期恶性肿瘤患者应用三维定向治疗计划系统进行放射性粒子植入内放射治疗,随访3～12个月,观察临床症状改善情况、肿瘤大小变化、局部复发、转移情况、生存率及并发症出现情况等。结果:术后大多数患者临床症状明显改善,肿瘤缩小,3例完全消失,无与放射性粒子植入内放射治疗相关的明确并发症发生,局部复发率很低,生存率和生活质量显著提高。结论:应用三维定向治疗计划系统进行放射性粒子植入内放射治疗恶性肿瘤疗效显著,安全性高,并发症少,值得临床推广。

地方高校一流专业建设下的校企协同育人机制探索与实践--以南通大学电子信息工程专业为例

教育部为建设高水平本科教育、全面提高人才培养能力,进行面向未来、适应需求、引领发展、理念先进、保障有力的一流专业建设。南通大学电子信息工程专业,以习近平新时代中国特色社会主义思想为指引,以一流专业建设为契机,坚持以本科教育为重点,引导学生求真学问、练真本领;引导教师热爱教学、倾心教学、研究教学、潜心育人;推进科研资源、教学资源、校企合作资源的高效融合,大力促进专业内涵发展,不懈推进改革创新,践行校企协同育人机制探索与实践。

数字信号处理实践型教学改革研究

以工程教育专业认证为背景,结合电子信息专业培养要求,以培养学生的创新实践综合能力为目标,提出基于实践型人才培养的教学改革思路。以优化教学内容为基础,采用多种教学方式为手段,激发学生兴趣,夯实理论基础,优选课程实验,提高学生实践和创新能力,建立多层次评价体系和反馈机制并持续改进,以达到教与学的最优化。

以兴趣为导向的数字图像处理教学改革探索

基于高校数字图像处理教学中的一些问题,提出以兴趣为导向的教学改革探索。分析学生对课程缺乏兴趣的原因,通过教学内容、教学方法、实验指导以及考核方式等方面的改革,提高学习兴趣,使学生能够积极主动地学习。

工程教育专业认证背景下电子信息类实践课程建设与改革

通过分析电子信息类实践课程现状,探索工程认证背景下的电子信息类实践课程建设与改革,初步形成综合课程设计的实践课程体系,构建项目和竞赛混合的教学模式,实现学生自主学习,提高学生解决复杂工程问题的能力,全面提升培养质量,达成工程认证背景下的人才培养目标。

放射性粒子植入治疗恶性肿瘤

放射性粒子植入技术是近距离治疗的一种,放射性粒子植入治疗恶性肿瘤已有100余年的历史。计算机治疗计划系统的发展使其更有效,副作用更小,对正常组织的损伤更少,因此,放射性粒子植入治疗恶性肿瘤具有较广阔的临床应用前景。

基于映射节点级联宽度学习的人体坐姿识别

为了有效地识别办公场景下的人体坐姿,提出一种映射节点级联宽度学习系统。采用Kinect硬件设备获取相关数据并建立坐姿识别数据库;创新性地设计基于映射节点级联的坐姿识别模块,通过级联特征节点,有效地将低级特征逐步映射为高级特征,提高特征的可区分性,便于识别不同坐姿;由于真实视频中包含不同坐姿变换之间的过渡帧,同时引入帧判别概率和结构相似性指标建立视频序列中的过渡帧检测模块,筛选过渡帧,提高识别率。在公共数据集和自建库的测试实验结果表明:该模型不仅在公共数据集上取得显著效果,而且在自建库图像上的平均识别精度达到99.90%,在视频序列上的平均识别精度达到79.21%,平均识别率相较经典的宽度学习系统提高了5.5%。该模型的识别精度明显提升、速度增快,具有一定的泛化性能。