融合分类校正与样本扩增的小样本目标检测

现有小样本目标检测方法在扩增样本时往往存在数据分布偏移问题,同时分类任务性能容易受定位任务影响。针对上述问题,提出一种新的小样本目标检测算法。该算法在Faster R-CNN框架基础上引入分类校正模块(CCB)、样本扩增模块(SAB)和梯度限制层(GCL)改善性能。CCB使用离线的强分类网络对检测器最终结果进行校正;SAB在特征域利用基类样本信息修正新类样本分布,从而在修正的分布中进行采样完成新类样本扩增;在梯度反向传播中通过GCL限制主干网络接收的基类和新类信息。在PASCAL VOC和COCO数据集上的实验结果表明,相较于目前已知的最新算法结果,提出的小样本目标检测算法在样本数量很小的情况下提升了检测效果,在公共数据集PASCAL VOC上最高提升可以达到5.1%,更难的数据集COCO上最高提升可达到1.9%,同时拥有很好的鲁棒性和泛化能力。

结合坐标Transformer的轻量级人体姿态估计算法

针对现有的大多数自底向上人体姿态估计算法存在模型规模大、计算成本高及对边缘设备不友好等问题,提出了一种基于YOLOv5s6-Pose的轻量级多人姿态估计网络模型YOLOv5s6-Pose-CT。该模型在颈部网络中引入空间和通道重建卷积,以减少空间和通道维度上的特征冗余。同时,提出了一种坐标Transformer嵌入于主干网络中,使模型专注于长距离依赖和拥有高效的局部特征提取能力。其次,通过使用无偏特征位置对齐来解决多尺度融合过程中出现的特征错位问题。最后,使用损失函数MPDIoU对边界框的回归损失重新定义。在COCO 2017数据集上的实验结果表明,本文优化的网络模型与主流的轻量级网络EfficientHRNet-H1模型相比,在保持相同精度的同时,参数量和计算量分别减少16.2%和66.1%。相比于基准模型YOLOv5s6-Pose,参数量减少11.2%,计算量降低5.8%,平均检测精度和平均召回率分别提升2.5%和2.6%。

基于注意力机制与编解码结构的人群计数网络

针对人群计数任务中背景干扰和尺度变化影响计数精度的问题,提出一种基于注意力机制与编解码结构的人群计数网络CAENet。网络以编解码结构为骨干,基于特征金字塔设计多尺度融合(MF)模块,使编码器中具有不同尺度语义信息的特征进行融合。引入通道注意力机制,使用一条单独的解码通道设计注意力模块(AM),将模块生成的注意力图反馈到解码器的各个阶段用于抑制背景干扰。网络通过逐级监督的方式完成训练,并将最后一层输出的密度图作为最终的预测结果。在多个公开数据集的测试结果表明:该网络在固定场景中的人群计数任务中具有较高的准确性,且鲁棒性强,泛化性能良好。

职业本科视角下的物流课程实践教学改革与探索

以物流信息技术课程为例介绍了目前职业本科物流专业的教学现状,对其中的教学模式如人才培养方案、教学内容、师资配置、实践教学体系等方面进行了详细的分析,针对双师型教师队伍的缺乏、职业本科教材编写滞后、实践教学内容及考核不清晰等问题,结合本校实际情况,提出职业本科背景下,课程内容整体框架需要改革,组建教研小组、构建全新的课程教学内容体系和实践教学体系、采用多元的实践教学方法融入课堂思政,提升职业本科的物流人才培养质量。

职业本科院校物流类专业课程实践教学改革研究——以“物流信息技术”课程为例

实践教学是实现职业本科培养目标的重要途径之一。文章首先以物流专业课程“物流信息技术”为例,对实践教学进行调研分析,发现存在实践教学目标及内容不清晰、教材难以契合职业本科教育要求、实践教学场所欠缺、课程实践教学师资欠缺、实践教学和考核方式单一等问题。文章基于教学实践,以“物流信息技术”课程为例,提出职业本科物流专业实践教学的改革思路与内容,包括更新教学文件,明确课程实践教学目标、更新实践教学内容、采用多种形式的实践教学方法、提升专业教师的实践教学能力等,以期为培养高素质技术技能型人才提供一些可行的参考。

AVS反扫描、反量化和反变换模块的一种优化设计

根据AVS标准中的反扫描、反量化和反变换算法特点提出了一种用于AVS解码芯片中的反扫描、反量化和反变换硬件模块的设计方案,该设计以宏块为单位进行操作,便于集成到整个解码芯片的流水线中。同时,在宏块内实现了8×8子块的流水线操作并进行了优化,在反变换中用RAM代替寄存器堆进行转置操作。综合结果表明,该设计在获得了较高处理速度的同时节省了大量的寄存器和选择器资源。

一种基于Harris与SIFT算子结合的商标搜索方法

针对基于SIFT算子的商标图像搜索方法提取特征点耗时过长的问题,提出了一种Harris和SIFT算子相结合的商标图像搜索方法,利用角点计算量小、用时少且特征点分布均匀的优点,能够反映图像内容的结构,具有较好的稳定性。实验结果表明,与基于SIFT和基于Harris特征的商标检索方法相比,该方法既保留了Harris方法提取特征点的高效性,也解决了SIFT方法对特征点提取时间过长的问题,具有实时性。

大学校园快递包装回收现状分析及解决方法——以广州科技职业技术学院为例

随着电子商务的快速发展,大学校园快递包装物不断增加,校园快递包装物浪费的现象也越来越严重。针对这个普遍现象,结合广州科技职业技术学院的实际情况,对快递包装物回收中存在的问题及解决方法进行研究,构建了适合校园的快递包装物回收模式,做到校园快递包装优化,一定程度上降低了包装成本,并提高了环保效益,实现了资源的循环利用。

融合卷积注意力机制的图像描述生成模型

图像描述模型需要提取出图像中的特征,然后通过自然语言处理(NLP)技术将特征用语句表达出来。现有的基于卷积神经网络(CNN)和循环神经网络(RNN)搭建的图像描述模型在提取图像关键信息时精度不高且训练速度缓慢。针对这个问题,提出了一种基于卷积注意力机制和长短期记忆(LSTM)网络的图像描述生成模型。采用Inception-ResNet-V2作为特征提取网络,在注意力机制中引入全卷积操作替代传统的全连接操作,减少了模型参数的数量。将图像特征与文本特征有效融合后送入LSTM单元中完成训练,最终产生描述图像内容的语义信息。模型采用MSCOCO数据集进行训练,使用多种评价指标(BLEU-1、BLEU-4、METEOR、CIDEr等)对模型进行验证。实验结果表明,提出的模型能够对图像内容进行准确描述,在多种评价指标上均优于基于传统注意力机制的方法。

基于SWOT分析的我国生鲜电商物流研究

随着网络的普及,网购群体越来越庞大,对生鲜产品的需求也越来越大,但是我国的冷链物流还处于初级阶段,通过SWOT分析法对我国生鲜电商物流的优劣势、面临的机遇和挑战进行分析,并提出相应的对策,为促进我国生鲜电商物流的发展提供参考借鉴。

结合双注意力和结构相似度量的图像超分辨率重建网络

针对低分辨率图像到高分辨率图像的映射函数解空间极大,导致超分辨率重建模型难以产生细致纹理的问题,本文提出一种结合双注意力和结构相似度量的图像超分辨率重建网络。以改进的U-Net网络模型作为基本结构,引入针对低级别视觉任务的数据增强方法,增加样本多样性。编码器部分由卷积层和自适应参数线性整流激活函数(Dynamic ReLU)组成。同时引入了一种残差双注意力模块(Residual Dual Attention Module,RDAM)与像素重组(PixelShuffle)模块共同构成解码器,通过上采样操作,逐级放大图像。为了使生成图像更加符合人眼视觉特性,采用了一种结合结构相似度量准则的损失函数,增强网络约束。实验结果表明重建图像的质量对比SRCNN,在Set5、Set14、BSD100和Urban100标准测试集上的平均PSNR提升约1.64 dB,SSIM提升约0.047。本文方法能够使重建的图像纹理细节更丰富,有效地减少了映射函数可能的解空间。

具有仿射不变性的彩色图像配准方法研究

经典SIFT算法在特征提取及特征匹配阶段存在耗时过长的问题,而SURF算法对仿射角度大的图像配准时错配率较高;且已有算法对彩色图像的处理均把彩色信息转为灰度信息,从而丢失了表征图像的颜色信息.提出一种具有仿射不变性的彩色图像配准算法:C-ASURF算法,通过模拟仿射变换得到一系列模拟图像,对模拟得到的图像计算颜色不变量,再对其进行特征点的检测及特征点的匹配,因此,它能够很好的解决图像配准时因图像仿射角度过大而造成的配准失效问题,且能够保留彩色图像的彩色信息.实验结果表明,C-ASURF算法的运行速度比具有仿射不变性的SIFT算法要快很多,且图像配准的准确率也很高,能够满足图像配准的高效性及实时性要求,具有很好的稳定性.

基于RFID及物联网技术的茶叶溯源系统研究

分析了我国茶叶安全现状,介绍了物联网、溯源系统、射频识别(RFID)技术以及茶叶物联网关键技术,通过RFID及物联网技术整合供应链数据,建立基于RFID及物联网技术的茶叶溯源系统,以实现对茶叶的规范和高效管理,为茶叶质量安全追溯体系的构建提供参考借鉴。

一种HEVC标准中IDCT变换的FPGA实现

为降低新一代高效视频编码(HEVC)标准中解码端多尺寸逆离散余弦变换(Inverse Discrete Cosine Transform,IDCT)中的资源消耗,设计了一种IDCT硬件电路结构。通过使用现场可编程门阵列(Field-Programmable Gate Array,FPGA)内部嵌入式RAM单元进行矩阵转置运算,从而减少了对内部寄存器的使用。对IDCT系数矩阵进行分解得到不同尺寸下的统一运算电路结构,利用流水线技术实现对运算单元的加速,同时采用并行数据调度减少数据处理等待时间。设计结果表明,设计吞吐量为3.6点/时钟周期,满足了4k×2k@30 f/s视频信号的实时处理需求。

一种新型的小家电产品运输缓冲包装结构设计——以咖啡壶产品为例

在对目前的咖啡壶包装充分分析和进行大量包装实验的基础上,设计了一种新型咖啡壶的缓冲包装固定装置,包括定型珍珠棉层,依次复合在定型珍珠棉层上的第一粘接层、缓冲珍珠棉层、第二粘接层和加强坑瓦楞纸板层。将产品顶部插入上缓冲固定板中,产品底部插入下缓冲固定板中,再将三者放入包装盒。这样整个产品六个方向都有缓冲固定板固定,防止外部冲击,很好地保护了产品外表面,保证运输过程中电器产品质量不受到影响。采用环保复合材料的新型缓冲包装固定装置,减少了包装材料用量,提高了电器产品保护强度,有一定的创新,取得了良好的经济效益,已获国家授权专利。

AVS解码器帧内预测模块硬件优化设计

根据AVS标准中的帧内预测算法特点提出一种用于AVS解码器的帧内预测硬件模块优化设计方案,该设计使用两维滤波单元对参考数据进行处理,每个块的帧内预测运算在8个时钟周期内完成.与此同时,结合寄存器的移位操作简化参考数据选择机制,避免大量高位宽数据选择器的使用,减少资源的消耗.综合结果表明,该设计满足高清图像的实时解码需求.

基于区域生成网络结构的多层特征融合目标检测算法

现有深度学习目标检测算法往往只利用了卷积神经网络(convolutional neural network,CNN)提取的深层特征进行判别,对浅层特征利用不足。为了利用浅层的细节信息来提高最终所提取的特征层信息的丰富性,提出了一种基于区域生成网络(region proposal network,RPN)结构的多层特征融合目标检测算法,该算法通过深度卷积网络获取不同层次的特征,并将浅层特征与深层次特征进行融合来获得更加丰富的提取特征,以提升检测模型的性能。以ImageNet上的公开数据voc2007为实验对象,以Faster RCNN为基础的检测框架进行改进,最终改进后的平均精度均值(mean average precision,mAP)相比于Faster RCNN有所提升,表明研究结果提升了目标检测模型的准确度。

基于深度学习的人体行为识别算法

为改善人体行为识别任务中准确率低的问题,提出了一种基于批归一化的卷积神经网络(CNN)与长短期记忆(LSTM)神经网络结合的神经网络。CNN部分引入批归一化思想,将输入网络的训练样本进行小批量归一化处理,经过全连接之后,送入长短期记忆神经网络中。该算法采用时空双流网络模型结构,视频数据的RGB图像作为空间流网络输入,光流场图像作为时间流网络输入,再将时空双流网络各自得到的识别结果进行加权融合得到最终的行为识别结果。实验结果表明,本文设计的时空双流神经网络算法在人体行为识别任务上具有较高的识别准确率。

我国农产品绿色物流发展存在的问题及对策

本文通过对我国目前农产品流通现状存在的五个问题进行分析探讨,提出解决了的对策,要加强绿色物流的宣传;政府加强宏观调控,制订标准和法规来促进绿色物流的发展;加强绿色物流技术的研发和应用;加大农产品绿色物流信息系统的建立;加快农产品绿色物流专门人才的培养。

AVS去块效应滤波器的一种硬件优化设计

根据AVS标准中的环路滤波算法特点提出了一种用于AVS解码芯片的去块效应滤波模块设计方案.该设计采用片内RAM对滤波参考数据进行缓存,大大减少了SDRAM的带宽占用.同时,对存储结构进行了合理的安排,将前一个宏块滤波数据写入SDRAM的操作和当前宏块的滤波操作并行处理,加快了滤波处理速度.综合和仿真结果表明,该设计处理速度高,达到了实时解码的需求.