基于金字塔分割和时空注意力的视频行人重识别

针对视频行人重识别任务中存在的行人外观、遮挡等问题,研究并设计了一个基于金字塔分割和注意力机制的视频行人重识别模型。首先,为了增强图模型对行人局部特征的识别能力,提出了多个尺度的水平金字塔分割方法,将各特征分别分割成不同大小的区域,并池化成统一尺寸后输入图模型。另外,鉴于简单的时空注意模块容易因遮挡破坏行人特征,因此使用时空相关注意力方法改进时空注意模块,逐步学习并聚合空间局部信息,同时在时序上相互作用,抑制行人干扰特征并增强判别特征。将模型在Mars和DukeMTMC-VideoReID两个数据集上进行了评估,实验结果证实了文中提出方法的有效性。

基于单模态的多尺度特征融合人体行为识别方法

针对人体行为识别任务中未能充分挖掘超距关节点之间潜在关联的问题,以及使用多模态数据带来的高昂训练成本的问题,提出一种单模态条件下的多尺度特征融合人体行为识别方法。首先,将人体的原始骨架图进行全局特征关联,并利用粗尺度的全局特征捕获远距离关节点间的联系;其次,对全局特征关联图进行局部划分以得到融合了全局特征的互补子图(CSGF),利用细尺度特征建立强关联,并形成多尺度特征的互补;最后,将CSGF输入时空图卷积模块中提取特征,并聚合提取后的结果以输出最终的分类结果。实验结果表明,在行为识别权威数据集NTU RGB+D60上,所提方法的准确率分别为89.0%(X-sub)和94.2%(X-view);在具有挑战性的大规模数据集NTU RGB+D120上,所提方法的准确率分别为83.3%(X-sub)和85.0%(X-setup),与单模态下的ST-TR(Spatial-Temporal TRansformer)相比,分别提升1.4和0.9个百分点,与轻量级SGN(Semantics-Guided Network)相比,分别提升4.1和3.5个百分点。可见,所提方法能够充分挖掘多尺度特征的协同互补性,并有效提高单模态条件下模型的识别准确率和训练效率。

基于多尺度和注意力机制的混合监督金属表面缺陷检测

针对缺陷检测中被检测样品中因缺陷目标形状各异引起的无法提取有效特征的问题,本文提出基于深度学习的缺陷检测模型。该模型使用改进后的多尺度特征融合模块,在控制计算量的基础上解决识别不同大小缺陷的问题。通过引入非局部注意力机制模块,模型对缺陷特征的提取能力得到加强;在训练中使用混合监督训练,探索模型所需要的标注量和检测准确度之间的关系。本文方法在KSDD、KSDD2和STEEL 3个数据集上都获得了比先进方法更好的精确度,对于不同类型的缺陷都能提取到有判别力的特征。与先进的完全监督方法和无监督方法相比,在数据集上精确度平均提高0.8%和11%。

基于特征金字塔分支和非局部关注的行人重识别

关注全局轮廓和行人局部细节对现有行人重识别方法非常重要。为了能够提取这些更具代表性的特征,提出一种基于特征金字塔分支和非局部关注模块的行人重识别网络方法来提取行人全局和局部表征特征。该方法首先引入一种轻量级别的特征金字塔分支结构,从不同的网络层中提取特征,并且聚合成一个双向金字塔结构。其次为进一步提高行人重识别的精度,使用非局部关注模块提取全局特征,这样既能获取行人的全局信息,又能注重行人的局部细节,使两者最终融合的特征更具代表性。最后将不同层间的特征融合起来,并使用联合损失函数策略对网络模型进行训练,显著提高骨干网络的性能。通过在MSMT17、Market1501、DukeMTMC-ReID和PersonX四个公共行人重识别数据集上的大量实验,证明所提出的基于特征金字塔分支和非局部关注的方法相较于目前一些先进的行人重识别方法,具有一定的竞争力。

基于流形混合增强的小样本图像分类算法

针对训练样本不足,导致训练模型容易过拟合的问题,提出了一种流形混合增强方法。首先,将经过简单数据增强处理的样本输入网络,在训练过程中,随机选择一个输出特征层;然后,从训练集中随机抽取训练样本,按照混合参数进行不同方式的混合增强处理后,再送入下一个特征层,以此来缓解模型过拟合的问题。最后,针对传统神经网络获取长距离依赖关系困难的问题,融入一种光谱非局部块,使得特征提取网络可以更稳健、灵活地捕获远程依赖关系,以此来优化网络,提高网络性能。实验结果表明,在CIFAR-FS、CUB200和miniImageNet三个数据集及跨域分类上进行5-way 1-shot任务的平均与基准算法准确率对比,所提算法准确率有较高提升,验证了所提算法的有效性。

基于多分支注意网络与相似度学习策略的无监督行人重识别

无监督行人重识别的挑战在于学习没有真实标签的行人的判别性特征。为增强网络对行人特征的表达能力,进一步从空间和通道维度上提取更丰富的特征信息,提出了一种基于多分支注意网络的行人重识别特征提取方法。该方法通过捕获空间维度和通道维度上不同分支之间的交互信息,能够学习到更具判别性的行人特征表示。此外,针对噪声标签会对聚类质心产生干扰的问题,提出了相似度学习策略(SLS)。该策略先计算每个聚类中样本特征之间的相似性,然后选取相似性分数最高的特征向量所对应的样本进行对比学习,有效地缓解了聚类噪声导致的累积训练误差。实验结果表明,和无监督场景下的自步对比学习方法(SPCL)相比,在Market-1501,DukeMTMC-reID和MSMT17等3个数据集上的rank-1准确度分别提升了4.6%,3.3%和16.3%,显著地提高了无监督行人重识别的检索精度。

一种改进Snake模型的边缘检测算法

在心脏核磁共振图像分割研究中 ,针对传统的Snake模型存在的问题 ,提出改进的Snake模型及其二阶段贪心优化算法。对人工合成图像和真实心脏MRI图像实验表明 ,改进后的模型具有如下特点 :内部能量项物理意义直观清晰 ,且易于实现 ;对初始轮廓不太敏感 ,收敛范围扩大 ,且收敛速度提高 。

癌细胞显微图像分割与识别研究

文章采用竞争Hopfield神经网络的自动聚类分割方法从腹水脱落细胞显微图像中分割可疑细胞和可疑细胞核,提取癌细胞的15个形态特征,利用柔性BP神经网络分类器对腹水脱落癌细胞进行分类识别。通过对临床病例的检验分析,表明该方法能获得较高的诊断正确率。

石油化工过程智能仿真培训系统软件设计与实现

介绍了石油化工过程智能仿真培训系统功能及其软件总体结构和数据结构，同时介绍了通用型石油化工过程仿真培训系统模拟议表盘接口程序和仿真调节器程序，并介绍了智能仿真培训系统软件编程技术.

Aspen Custom Modeler软件应用研究

以AspenCustomModeler软件为开发平台 ,从机理出发 ,用CustomModeler语言建立贮槽、蒸发器等典型化工过程对象静态模型和动态模型 ,并以模型为基础 ,对双级贮槽串级控制系统进行了动态模拟研究。同时 ,对乙二醇溶液的双效蒸发过程进行了稳态优化模拟研究 ,考察了换热面积、换热系数的变化对该过程最优化结果的影响。研究了VisualBasic与CustomModeler及Excel之间的通信方法并编程序 ,在VisualBasic开发的操作界面上实现对AspenCustomModeler模拟监控和结果分析。

柴油在线调合优化控制系统设计与分析

通过对柴油质量指标体系和添加剂作用分析，柴油在线调合优化控制涉及的主要问题的分析，设计了柴油在线调合优化控制系统。

柴油调合在线优化内模控制

根据某炼油厂加工不同外来原油时的柴油调合生产实测数据，建立了以柴油组分油流量和倾点为输入参数、柴油倾点为输出参数的柴油调合ＲＢＦ神经元网络模型，该模型能较好预测柴油产品倾点值；提出了闭环优化控制策略。

数据挖掘技术在故障诊断中的应用

数据挖掘技术是当今计算机信息技术的一项新兴技术 ,它综合运用了人工智能、计算智能、模式识别、数理统计等先进技术 ,从大量数据中挖掘和发现有价值和隐含的知识。

基于神经元网络模型的柴油调合非线性预测控制和在线优化

针对炼油厂柴油调合生产这个强非线性、多输入、多输出、多扰动、大纯滞后对象 ,提出了以柴油调合倾点RBF神经网络模型为质量指标约束条件的柴油连续调合生产非线性在线最优化方法 ,提出了基于RBF神经网络预测模型、滚动优化目标函数中带有静态经济指标的柴油连续调合倾点非线性预测控制策略。仿真计算证明本文的非线性优化方法能计算柴油调合生产最优配方 ,在满足生产能力约束和产品倾点质量指标的前提下可实现组分油最优利用而获最大利润 ;预测控制策略在预测模型与实际对象模型失配时仍具有良好的跟踪性能和抗干扰性能 ,展示了其良好的工业应用前景。

基于DSP和S-function的数字图象处理方法与实现

文章以高性能数字信号处理器DM642为核心搭建了数字图象处理系统硬件平台,采用Matlab中的M文件S-function开发了用户自定义算法模块并建立了复杂图象处理算法的Simulink模型,实现了数字图象的高速处理,并以Canny边缘检测算法为例进行了实验。实验结果表明,在DSP平台中实现数字图象处理大大地提高了处理速度,采用S-function自定义算法模块大大地提高了编程效率。

用Delphi开发柴油调合生产数据库管理软件

在某炼油厂实施柴油调合生产的优化控制技改项目时，作者开发了配套的柴油调合软件。现在结合该软件的实际开发过程，介绍了柴油调合软件中通讯模块和数据库管理模块设计原理及其用Ｄｅｌｐｈｉ语言实现方法，给出了相关Ｄｅｌｐｈｉ核心实例。

一种WIA网络中的无线低功耗温度传感器节点设计

介绍了WIA中以MSP430F149单片机为核心的热电阻温度采集节点软硬件的设计方法。针对热电阻负温度信号设计了调理电路,并增加了电源监测的功能。该系统选用向下兼容HART协议的WIA无线模块,结合Matlab工具进行温度系数的远程标定。测试表明经标定修正后的节点在满足低功耗的前提下可实现较大区间温度的高精度测量,可应用于WIA环境中工业流程控制、工业安全监测等多种场合。

基于多特征组合的车牌识别算法

车牌识别是智能交通系统中的重要组成部分,主要包括车牌定位、车牌字符分割和车牌字符识别3部分。本文使用MATLAB对车牌识别进行了研究,提出了一种基于多特征组合的车牌识别算法。该算法首先通过边缘检测算子和数学形态学运算得到车牌候选区,然后利用车牌的矩形特征、宽高比特征和垂直投影特征对这些候选区域进行筛选,并定位出车牌;二值化、滤波和形态学开运算后使用投影二分法分割出7个车牌字符;最后使用模板匹配和特征统计相结合的方法识别出车牌字符。实验表明该算法是有效的、可行的,能够在复杂背景下准确的定位和识别出车牌字符。

Delphi与VC++混合编程技术在工控软件中的应用

结合实际开发过程 ,介绍了柴油调合软件中使用的Delphi与VC 混合编程技术及其实现方法 ,给出了相关的实际例程。

跨学科研究生协同培养模式探究——基于技术转移人才培养的实践

针对中国式现代化建设对研究生教育高质量发展的迫切需求,探索深化产教融合的研究生协同培养模式,破解制约国家创新体系建设中的技术转移专业人才匮乏难题。通过分析我国技术转移人才培养的现状与问题,以“多主体、跨学科、项目制、复合型”为基础开展技术转移领域研究生培养实践探索,构建了工程与商科融通的跨学科研究生协同培养模式,形成了专业学位+技术转移能力的复合型人才培养特色,为推动产教深度融合的研究生协同培养模式变革和体制机制创新,提升研究生的工程意识、实践经验和创新能力,积累了实践经验。