中空铜纳米线的拉伸断裂分布与初始滑移分布的关系

构建了系列球形中空结构的纳米线(NW),采用分子动力学(MD)对每个模型300个不同初始态的样本开展拉伸形变模拟。并利用基于密度的噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)机器学习算法,获得了初始滑移面的位置。基于大数据统计,分析了初始滑移位置分布以及断裂位置分布两者之间的相关性。研究结果表明:当内部中空半径较小时,断裂位置分布形成于塑性形变阶段,初始滑移分布与断裂位置分布之间无显著的相关性;但是对于脆性特征明显的大中空半径的NW,高能内表面诱导产生的滑移面迅速积累,产生颈缩并导致最终的断裂。因此当内部中空结构达到一定尺寸时初始滑移位置的分布与最终断裂位置的分布之间有明确的因果关系。

应变速率对纳米杆断裂分布与初始滑移分布相关性的影响

金属纳米材料具有独特的物理和化学性质,因此被广泛应用于各种领域的器件制造中。然而,纳米尺度下材料性能表现的外在响应具有很大的不确定性,应变速率是一个重要的影响因素。为了深入探究金属纳米材料机械力学性能对应变速率的响应以及纳米杆断裂失效与初始微观结构之间的关系,本文构建了金属纳米杆模型,并通过分子动力学模拟研究了单晶Cu纳米杆在不同应变速率下拉伸的形变过程。利用基于密度的噪声应用空间聚类(DBSCAN)机器学习算法,获得了初始微观结构缺陷的位置。在对比了每个速率300个样本,共计2700个样本后,得出纳米杆断裂位置与初始滑移分布的相关性特征。结果表明,当应变速率高于0.08%ps^(-1)时,初始滑移主要分布在纳米杆两端,但断裂位置分布却集中在中间。随着应变速率的降低,初始滑移分布则愈发均匀,断裂位置分布则更趋向于两端。而纳米杆的断裂强度和塑性形变能力则随着应变速率的提高而提高。这一研究结果可以为金属纳米材料的设计和制造提供有价值的参考。

基于昇腾平台的图像描述算法的部署与优化

图像描述是一种通过文字来解释和呈现图像内容的技术,在计算机视觉、图像识别和人工智能等领域中具有重要的应用。针对华为昇腾平台,提出一个可部署的高性能图像描述模型。首先从高精确度的图像描述模型出发,通过算子可行性、精确度与计算量两个方面进行综合分析,得到可部署且高效的方案,并对其进行一些算法上的优化,最终得到一个高性能的昇腾离线模型。在华为昇腾平台上,使用生成的模型对多张图像进行描述并分析描述结果,所生成的模型各个指标均有提升,其中CIDEr指标提升9%,每张图片推理时间为210.43 ms。

面向识别的长弯曲文本预处理算法

光学字符识别(Optical Character Recognition,OCR)是对文本图片进行扫描,然后对图像进行分析处理,获取到其中的文字内容的过程。但是目前的OCR算法对于弯曲的长文本普遍识别效果不佳,为此,提出了一种面向识别的长弯曲文本预处理算法,即在文本行识别之前添加长弯曲文本处理模块(Long Curve Text Processing,LCTP),以提升图像中所有文本行识别的准确率。首先,在进行文本区域检测后,获取单条长弯曲文本行并清除干扰信息;其次,根据单条长弯曲文本行的特征计算每条弯曲文本行的关键拐点;进而,使用关键拐点对单条文本行进行切分和融合;最后,将经过切分与融合后的文本行输入文本行识别模型中得到最终识别结果。通过手动采集长弯曲文本图像形成的数据集Long Curve Text与目前主流OCR框架PP-OCR和Tesseract OCR进行对比实验可知,LA、MED、NED指标均有提升,相比于PP-OCR,LA提升49.5%,MED和NED分别降低了44115和0.182;相比于Tesseract OCR,LA提升3.2%,MED和NED分别降低了30282和0.125。同时,也在Long Curve Text数据集中进行了消融实验以验证本文提出LCTP的有效性以及进行了LCTP各个结构的时间对比实验以验证本文提出LCTP的高效性。结果表明LCTP可以提高长弯曲文本识别准确率,总体上可以地获得更加准确、有效的识别结果。

基于对抗训练和片段级别的双向情感三元组抽取模型

方面级情感三元组抽取(Aspect Sentiment Triplet Extraction,ASTE)旨在识别句子中的方面词、观点词及其对应的情感极性。针对现有模型语义理解能力和泛化性不佳的问题,提出了基于对抗训练和片段级别的双向情感三元组抽取模型,预测情感极性时考虑了片段之间的相互作用,使用双仿射分类分析它们之间的情感依赖关系。为了保证上下游任务的一致性,通过SpanBERT(Improving Pre-training by Representing and Predicting Spans)模型得到词向量表征,使用BiGRU(Bidirectional Gated Recurrent Unit)网络进行特征提取,提出使用FGM(Fast Gradient Method)对抗训练算法提高模型的鲁棒性和泛化能力。相较于基线模型,基于对抗训练和片段级别的双向情感三元组抽取模型在4个数据集上的F1分数分别提升了0.85百分点、1.42百分点、2.27百分点和2.85百分点,表明了本文所提方法的可行性。

全过程、多源智慧隐患排查系统

目前有些建筑工程尚未实现通过信息化的手段对安全生产过程中的安全隐患进行管控,缺乏对安全隐患规律的探索与挖掘,导致安全隐患类别易混淆、安全隐患识别易出错、安全隐患识别不完全、安全隐患识别不精准等管控准确度问题,存在安全隐患之间的关联特性被忽略的问题;实现全方位、全过程、全要素、全天候安全管控需要在安全隐患识别上投入大量的人力、时间。随着工程规模的扩大,传统的人工排查安全隐患模式的弊端也更加明显,本文针对建筑工程建立安全隐患指标体系,开发安全隐患排查系统,实现全要素、多维、全过程安全隐患智慧排查,以及隐患的智能分析、分析与挖掘。

浅析《算法导论与体系结构》的教学改革

《算法导论与体系结构》课程是电子信息技术类的基础课程，但也比较强调实践性。本文针对当前该课程教学中存在的问题，探索基于案例驱动的算法导论与体系结构教学改革，探索算法导论与体系结构教学中案例设计，并将其应用于实际教学过程中。

基于纹理方向的运动图像插值算法

为解决插值过程中图像纹理方向的马赛克效应和结构信息丢失问题,设计纹理结构驱动的运动图像插值算法。通过有限Radon变换提取图像的纹理方向信息,对随机纹理的区域采用传统插值方法;对规则纹理的区域,根据纹理方向与待插值点的位置分别设计不同的插值滤波器。实验结果表明,与常规方法相比,采用该插值方法可以得到更高的图像质量。

基于SPIN的HMSC模型自动检验方法

自动检测与验证HMSC(high-level message sequence chart)模型的正确性对保证文本需求被正确建模具有十分重要的意义,为此提出一种为HMSC模型进行自动检验的方法,并将其实现。利用转换规则为HMSC模型生成Promela检测语言,借助SPIN工具对需求进行验证。该方法不仅支持模型检测,同时通过对系统行为的动态模拟可以实现需求的合理性分析。从Promela实现到SPIN验证整个过程实现自动化操作。在该方法的基础上实现一个文本需求自动建模及检测分析的工具,通过一个实例展示其自动建模检测分析的效果,表明了其有效性和实用性。

用激活地图集探索神经网络的算法研究

当今信息时代,人工智能的应用几乎渗透到了各种领域,如航空航天图像处理技术的地质探测,军事目标的侦测制导,医学上的临床病理诊断,如今它已经真正地融入到我们的日常生活当中,虽然机器视觉系统得到了广泛应用,但是要理解它到底是如何“分辨”这些事物,将水果A归类为苹果而把水果B归类为梨,仍然不为我们所知。本文主要以“激活地图集”为核心,首先从网络上收集带有标签的图片形成数据集和使用已有的数据集,利用tensorflow自行搭建一个卷积分类神经网络对两类数据集进行训练,最终从训练模型中得到一个较为准确的分类结果。其次就是地图集的构建,将输入图像运行到神经网络中的某一层,然后经过特征提取能够还原图像,经过图像整合并形成一张地图集。总的来说,它不仅能够从这些图像中识别出其形状、颜色,还能够把这些特征结合起来形成特定的场景或者物体。

基于视频压缩域的深度图推理算法研究

对2D到3D视频转换过程中的深度图推理算法进行了研究。该研究以视频压缩域中的宏块为单位进行深度图推理，根据不同的宏块类型选择不同的推理策略。首先，采用基于邻块的运动估计算法对帧内宏块的运动矢量进行计算；然后，针对帧间宏块，对直接提取出的运动矢量进行滤波处理以提升其鲁棒性；最后，采用运动补偿和上采样双边滤波技术获得深度图。实验结果表明该方法可以获得平滑而可靠的深度图像，并且具有更好的深度图像质量。

基于最小生成树的加权中值滤波算法

根据图像纹理分布特点,提出一种基于最小生成树的加权中值滤波算法。依据最小生成树计算像素点的相关度,对像素点进行初次分类。对初次分类中不能确定性质的像素点,采用模糊理论进行二次分类。根据像素点的分类结果,保持像素点的原有灰度值或采用不同的滤波方法进行滤波处理。仿真实验结果表明,在去除噪声和图像细节保持方面,该算法优于其他中值滤波算法。

摄屏类图像重构算法

目前摄影摄像设备所采集图像的分辨率远远高于屏幕分辨率,因此摄屏类图像经缩放后往往有大量摩尔纹产生.针对该类图像摩尔纹干扰以及内存过大、图像短焦距畸等现象,本文首次提出了摄屏类图像重构算法.首先,通过长度自适应的线型滤波算法分离网状高频信号.再通过快速Greedy算法和贝努利随机游走提取图像的高频信息,根据液晶点结构的先验知识,构建完整的液晶排布模型并数学拟合,分离出被拍摄屏幕画面信息和液晶点网状纹路.最后对图像矩阵空间重构,以及颜色通道的插值恢复.重构算法在矩阵空间上与原始图像一致,实验样本与原图的直方图相似度达到80%以上,远高于摄屏图像与原图38.7%的相似度.算法保留了图像信息,舍去高频网状噪声,恢复原始矩阵空间,使图像更符合实际需求.

基于边缘PUnet网络的虚拟视图空洞修复

基于深度图的绘制(DIBR)是虚拟视点合成的关键技术,但其生成的虚拟视图存在大面积连续的空洞.传统的图像修复算法修复后的空洞缺乏语义感,现有的部分卷积神经网络修复后的空洞边缘失真,因此本文提出基于边缘信息的部分卷积神经网络修复算法.首先本文利用视差移位来生成虚拟视图,并对虚拟视图进行赋值和膨胀预处理操作,以消除裂缝和伪影对后期空洞修复的影响,然后在部分卷积神经网络中加入设计的边缘检测器,使部分卷积神经网络重点学习图片的边缘部分,最后利用学习好的网络模型修复虚拟视图中的大面积空洞.实验结果表明本文方法可以对大面积连续的空洞进行修复,修复后的空洞区域不仅具有语义感,且边缘细节也更精细.

基于NS2的能量模型的研究

随着无线网络的迅速普及,人们对无线网络的要求也逐渐提高,对于无线网络的研究也成为热点话题。在大规模的无线网络中,其功率控制问题显得非常重要。首先介绍了免费网络仿真平台NS2的构成及其原理;其次对NS2上无线网络的能量模型进行了仿真;最后对仿真结果进行了分析。它们为今后进一步研究无线网络的功率问题奠定基础。

基于HGCN的序列手势骨架生成方法研究

手势是交流互动中一种重要的非语言媒介,手势序列生成作为手势表达行为建模的重要任务,在手势分类、手势识别和虚拟人手语驱动等场景有大量应用需求。针对序列手势骨架生成问题,提出了基于Hand-Gesture Graph Convolution Neural Network(HGCN)的手势骨架序列生成方法,采用生成对抗训练框架,在图卷积骨架序列生成方法基础上针对手势骨架序列数据特点,提出图卷积的手部特征增强和基于时空位置编码的自注意力结构的改进方法。实验结果表明,提出的HGCN方法相比基准图卷积骨架生成方法在手势骨架序列生成问题中有更好的结果。

基于众核处理器的高并发视频转码与分发系统

针对海端视频应用的要求,基于36核众核处理器平台设计了高并发的视频转码及网络分发系统,设计了基于多粒度划分的数据和任务并行视频转码与分发机制,研制了高密度低功耗的视频数据服务器。实际结果表明,该系统能有效挖掘众核处理器的处理能力及I/O端口容量,性能明显优于业界当前水平。

视频可见水印检测与去除关键技术研究

针对可见水印多样性的特点和视频可见水印检测与去除过程中需要大量人工干预的问题,提出了一种基于图像修复的视频可见水印去除方法。该方法主要分为水印检测和水印去除2部分,水印检测采用目标检测和图像分割结合的方法,使检测的水印图案更准确;水印去除采用基于深度图像先验的图像修复实现,并在损失函数中引入结构相似度,修复网络通过学习水印以外的区域获得图像先验修复图像。为了验证该方法的有效性,用公开网站上的真实视频进行了综合的实验评估,实验结果表明该方法与其他修复方法相比,修复后的视频帧结构相似度和峰值信噪比更高。

基于BERT的突发事件文本自动标注方法

信息提取技术是自然语言处理技术的关键技术之一其中最主要的任务是事件元素提取。本文利用深度学习网络模型实现信息提取任务进行了深入研究。训练数据来源于上海大学构建的CEC已标注的语料库。相比于采用手工设立规则的识别方式和BiLSTM网络模型本文通过对数据进行预处理和搭建BERT-BiLSTM-CRF深度网络模型,对文本数据训练实现标注,在时间、报道时间、参与对象的识别准确率上均有所提升。

基于图卷积的手势骨架生成

目前手势生成的工作多用于从语音或文本中产生协同的手势以及实现手势数据增强。前者作为非语言信号辅助交流,却难以单独表达语义。对于后者,大多数都是将骨骼关节点当作图像的一个像素,整体当作图像处理,而没有考虑到关节点间丰富的人体结构信息,从而可能导致生成的结果是扭曲的、不自然的。本文提出了基于图卷积的生成式模型,以有效地编码结构信息到手势生成中。研究中将本文的方法与基于全连接神经网络以及基于卷积神经网络的方法进行了对比,实验结果表明,本文生成的手势在定量和定性结果上有了明显的改善。图卷积在手势骨架生成上的成功应用,可以进一步指导手势骨架到真实手势的生成工作,因而对生成自然、真实的手势有重要意义。