智能垃圾回收下收集中心选址-路径二层优化

随着技术的进步及环保意识的提升,智能垃圾箱逐渐流行起来,使得垃圾回收工作面临新考验。针对带容量约束的选址-路径问题,引入双商品流公式构建垃圾回收选址-路径多主体优化模型,其中上层智能回收企业以总成本最低为目标确定收集中心选址;下层外包运输公司依据回收阈值选择需访问的智能垃圾箱,规划回收路径并确保运输成本最小化。改进遗传算法求解该问题:上层采用聚类算法处理选址初始化;下层路径为随机生成和节约里程初始化;引入最优成本路线交叉和反向变异算子。选取Prins和Barreto算例集测试,并与BKS、GAPSO和BSA算法对比,结果与BKS的差距均值仅为0.419%;通过模拟实际案例验证智能垃圾收集路径方式可有效降低总成本,为解决智能垃圾回收背景下选址-路径问题提供决策支持。

基于图神经网络的多智能体强化学习值函数分解方法

如何在部分可观测的情况下实现智能体之间的协同配合是多智能体强化学习(MARL)中的一个重要问题。值函数分解方法解决了信用分配问题,是一种实现多智能体之间协同配合的有效方法,然而在现有的值函数分解方法中,智能体个体动作值函数仅取决于局部信息,不允许智能体之间进行显式的信息交换,阻碍了这一系列算法的性能,使其无法适用于复杂场景。为了解决这一问题,在值函数分解方法中引入智能体间的通信,为智能体提供有效的非局部信息以帮助其理解复杂环境。在此基础上,提出一个基于图神经网络的分层通信模型,通过图神经网络提取相邻智能体之间需要交换的有用信息,同时模型能够实现从非通信向充分通信过渡,在通信范围有限的情况下实现全局合作,适用于现实世界中通信范围受约束的情况。在星际争霸Ⅱ多智能体挑战赛(SMAC)环境和捕食者-猎物(PP)环境下进行实验,结果表明,在SMAC的4个不同场景下,该方法与QMIX、VBC等基线算法相比平均胜率提升2~40个百分点,并且能够有效解决非单调环境下的捕食者-猎物问题。

考虑负效应的垃圾回收两级选址-路径模型与算法

针对生活垃圾中转站和焚烧站的选址-路径问题(LRP),考虑经济目标和垃圾设施的负面影响,设计了与风向和距离有关的负效应分段函数,构建了两级多目标选址-路径(2E-MOLRP)模型,并提出了鲸鱼优化算法(WOA)和模拟退火(SA)算法结合的非支配算法WOA-SA。首先,结合随机方法与Clarke和Wright(CW)节约算法优化初始种群;其次,采用非线性动态惯性权重系数调整收敛速度;然后,设计WOA-SA的并行结构来增强全局搜索能力;最后,使用非支配排序法得到帕累托解集。对Prins和Barreto等35个基准案例以及天津市模拟案例进行分析。结果表明,WOA-SA可以找到20个基准案例的已知最优解(BKS),且对Prins和Barreto案例的求解结果与BSK差距的平均值分别为0.37%和0.08%,具有很好的收敛性和稳定性。将所提模型和算法应用于实例,给决策者提供了三种不同方案的负效应值及经济成本的方案,以支持不同偏好决策者选择,从而减少垃圾回收物流成本和设施对环境的负面影响。

基于姿态特征融合的短道速滑运动员多目标追踪

短道速滑运动员滑行过程中存在尺度变化大、频繁遮挡、运动模糊以及外观相似等复杂情况,使得多目标追踪过程面临更为严峻的挑战.为此,构建一个短道速滑场景下由37段短道速滑运动员比赛视频片段组成多目标追踪数据集SSSMOT,并基于姿态信息提出一种多目标追踪方法.首先从锚框、损失函数和非极大值抑制3个方面优化YOLOv5检测模型,提高检测准确度;然后设计特征提取网络P-RNet,依据姿态信息的指引针对性地提取特征,提高特征鲁棒性;最后使用姿态关键点改进数据关联匹配方法,在一定程度上缓解因运动员外观相似导致匹配错误的问题.在SSSMOT和SKMOT数据集上与其他方法的实验结果表明,所提方法针对多目标追踪的准确度达到96.43%;并通过其他评价指标和消融性实验,证明了该方法的有效性和优越性.

用于手绘检索的伪监督边缘检测算法

基于深度学习的边缘检测算法需要大量的标注,这阻碍了边缘检测的推广应用。因此提出一种伪监督边缘检测算法,能够在无标注的手绘图像数据集上提取图像边缘。算法分成三部分,包括伪监督标签生成、多尺度边缘检测网络和特征增强模块。伪监督标签为多尺度监督的边缘检测网络生成监督信息,特征增强模块可以弥补伪监督带来的信息丢失。该算法比现有边缘检测算法提取的边缘更完整,在手绘数据集QMUL-Shoe和QMUL-Chair上可以提高1%~6%的检索精度,对需要边缘检测的所有领域都有启发性意义。

人参类药材与蜂王浆的配伍研究及其产品概况

人参、西洋参与蜂王浆配伍使用具有显著的缓解疲劳、延缓衰老、抗氧化和增强免疫力的作用。对人参或西洋参与蜂王浆的配伍研究进展、市场产品现状和新产品的研发情况进行了总结,重点将二者配伍后的功效作用、配伍产品的种类和数量、专利情况进行了整理,并对作用机制研究和当前市场中存在的问题进行了分析,以期为人参类药材与蜂王浆的配伍应用及产品开发提供有效参考。

针刺联合尼莫地平治疗缺血性脑血管疾病的临床观察

目的:探究针刺联合尼莫地平治疗缺血性脑血管疾病的效果及对患者脑血管动力学参数的影响。方法:选择缺血性脑血管疾病患者150例,随机分为对照组和观察组,每组75例。对照组采用尼莫地平治疗,观察组在对照组基础上联合针刺治疗。比较两组患者治疗前后脑血管动力学参数、美国国立卫生研究院卒中量表(NIHSS)评分,评估两组患者临床疗效及不良反应发生情况。结果:治疗后,两组患者平均血流量、平均血流速度均高于治疗前(P<0.05),且观察组均高于对照组(P<0.05);两组患者外周阻力、动脉搏动指数均低于治疗前(P<0.05),且观察组均低于对照组(P<0.05);两组患者NIHSS评分均低于治疗前(P<0.05),且观察组低于对照组(P<0.05)。观察组总有效率为94.67%(71/75),高于对照组的78.67%(59/75),差异有统计学意义(P<0.05)。观察组不良反应发生率为2.67%(2/75),低于对照组的12.00%(9/75),差异有统计学意义(P<0.05)。结论:针刺联合尼莫地平治疗缺血性脑血管疾病疗效确切,可显著改善患者脑血管动力学参数,改善患者神经功能,且不良反应较少。

情感与主题协同分析的突发事件舆情图谱构建

分析网民情感在重大突发事件中不同舆情周期和不同主题的分布情况,构建基于情感与主题动态协同分析的重大突发事件舆情图谱,可为重大突发事件舆情引导提供帮助。在对灾难事件情感词典构建方法、LDA主题文本挖掘方法和舆情图谱构建方法进行分析的基础上,采集并处理新浪微博相关热搜话题数据,进行基于网民情感的舆情周期和主题挖掘及协同分析,进而构建舆情图谱,提出相关舆情引导建议。在以“东航MU5735坠机事件”为例的重大突发事件中,网民情感在不同舆情周期内主要伴随主流媒体的相关报道而产生变化,并因某些关键节点事件引发群众情感共鸣,产生截然不同的情绪。所构建的可视化舆情图谱可以为相应重大突发事件的舆情引导与监管提供借鉴。

基于条件生成对抗网络的手绘图像检索

传统的手绘图像检索方法将自然图像通过边缘检测算法转换成"类手绘图",不能很好地减小自然图像与手绘图像之间的视觉差异.针对此问题,提出一种基于条件生成对抗网络的手绘图像检索方法.首先训练条件生成对抗网络,其中生成器由边缘图至自然图像的映射网络构成;然后通过生成器将手绘图转换为自然图像,以消除二者的视觉差异;最后使用深度卷积神经网络提取深度特征进行相似度度量,达到检索的目的.在基准数据库上进行实验的结果显示,该方法的检索精度有明显提高.

条件随机场像素建模与深度特征融合的目标区域分割算法

针对已有的基于深度神经网络的目标区域分割算法在目标边界分割效果中存在的问题,提出融合图像像素信息与图像语义信息的目标区域分割算法.首先通过加入注意力模块的深度神经网络提取图像语义级别的信息,得到图像语义级别的全局特征;然后利用条件随机场模型对图像局部区域进行像素级别建模,得到图像的局部细节特征;最后综合利用图像的局部细节特征和图像的全局特征,得到目标区域的分割结果.实验结果表明,与已有的算法相比,该算法能够更好地分割出目标的边界区域,抑制边界区域分割粗糙的问题,得到较准确的目标分割区域.

结合域变换和轮廓检测的显著性目标检测

针对多层显著性图融合过程中产生的显著目标边缘模糊、亮暗不均匀等问题,提出一种基于域变换和轮廓检测的显著性检测方法.首先选取判别式区域特征融合方法中的3层显著性图融合得到初始显著性图;然后利用卷积神经网络计算图像显著目标外部轮廓;最后使用域变换将第1步得到的初始显著性图和第2步得到的显著目标轮廓图融合.利用显著目标轮廓图来约束初始显著性图,对多层显著性图融合产生的显著目标边缘模糊区域进行滤除,并将初始显著性图中检测缺失的区域补充完整,得到最终的显著性检测结果.在3个公开数据集上进行实验的结果表明,该方法可以得到边缘清晰、亮暗均匀的显著性图,且准确率和召回率、F-measure,ROC以及AUC等指标均优于其他8种传统显著性检测方法.

基于增强特征融合网络的行人重识别方法

针对行人重识别技术受遮挡、背景冗余、光照、姿态以及检测误差等问题的影响,鲁棒的行人特征表达对正确检索行人越来越重要.为了利用对齐特征和度量学习的优势,进一步分析局部空间语义特征.首先,在特征层面:一是在ResNet50框架中嵌入空间变换结构,自适应对齐局部区域空间特征,解决因局部区域不对齐导致的空间语义不一致的问题;二是通过对齐的局部特征设计一种增强特征融合网络,充分利用语义信息间的关联性提取图像的细节特征.然后,在损失函数层面:提出一种排序矩阵方法选取区域样本对,设计了一种局部三元组损失计算方法,联合正则化分类损失共同训练网络,充分利用融合的增强特征,达到高效度量的效果.最后,文中方法结合现有的重排算法进一步提高了Rank-1与mAP检索精度,在行人重识别基准数据集Market-1501上的实验结果,证明了本文方法的有效性.

结合注意力模型与双峰高斯分布的深度哈希检索算法

哈希检索因为具有存储空间小、检索速度快的特点而受到广泛关注.目前深度哈希算法存在2个主要问题:深度哈希编码本质上是二值化特征,并且编码长度较短,存在特征表达能力有限的问题;已有的深度哈希算法无法直接通过反向传播学习离散哈希编码,通常将离散值松弛为连续值来优化学习,存在量化误差的问题.针对以上问题,提出一种结合注意力模型和双峰高斯分布的深度哈希检索算法.该算法设计嵌入空间和通道注意力模型的网络结构,关注重要特征并抑制不必要特征,增强了哈希编码的特征表达能力;同时为了解决量化误差问题,将均值为+1/-1的双峰高斯分布作为先验分布,并借鉴变分自编码机的思想,提出通过KL散度约束哈希编码分布服从先验分布,以减少量化误差.在3个基准数据集CIFAR-10,ImageNet,NUS-WIDE上,在不同码位下计算MAP结果显示,其MAP值优于对比的其他算法,取得了良好的检索效果,验证了文中算法的有效性.

结合空间上下文的局部约束线性特征编码

针对传统特征编码方法聚焦于在特征空间进行编码,忽略了图像内容的空间信息,导致图像表达不准确、分类精度较低的问题,提出一种在特征空间中以图像空间上下文信息为导向的局部特征编码方法.首先基于最近邻原则为每个局部特征点选择字典中心作为向量基;然后采用探测局部特征的相邻特征点方法建立图像空间上下文约束,并将其用于特征相似性判别;再根据预设阈值来更新向量基,将其用于重构特征;最后将图像的稀疏向量用于分类器进行图像分类.实验结果表明,与同类方法相比,该方法能显著地提高分类精度,更利于图像分类.

点云场景下基于结构感知的车辆检测

在自动驾驶领域,计算机对周围环境的感知和理解是必不可少的.其中,相比于二维目标检测,三维点云目标检测可以提供二维目标检测所不具有的物体的三维方位信息,这对于安全自动驾驶是至关重要的.针对三维目标检测中原始输入点云到检测结果之间跨度大的问题,首先,提出了基于结构感知的候选区域生成模块,其中定义了每个点的结构特征,充分利用了三维点云目标检测数据集提供的监督信息,通过预测该特征,网络可以学习到更具有鉴别能力的特征,从而提高候选框的生成质量;其次,将该特征加入到候选框微调阶段中,使得点云上下文特征和局部特征更加丰富.在三维点云目标检测数据集进行了实验,结果表明,文中方法能够在增加极少计算量的前提下,在候选区域生成阶段使用50个候选框0.7的IoU阈值下,提高超过13%的召回率;在候选框微调阶段,3种难度目标框的检测效果均有明显提升,表明了该方法对三维点云目标检测的有效性.

结合注意力机制的跨域服装检索

针对跨域服装检索中服装商品图像拍摄严格约束光照、背景等条件,而用户图像源自复杂多变的日常生活场景,难以避免背景干扰以及视角、姿态引起的服装形变等问题.提出一种结合注意力机制的跨域服装检索方法.利用深度卷积神经网络为基础,引入注意力机制重新分配不同特征所占比重,增强表述服装图像的重要特征,抑制不重要特征;加入短连接模块融合局部重要特征和整幅图像的高层语义信息,提取更具判别力的特征描述子;联合分类损失函数和三元组损失共同约束网络训练过程,基于类别信息缩小检索范围.采用标准的top-k检索精度作为评价指标,选择DeepFashion数据集与当前跨域服装检索常用方法进行对比,文中方法在top-20检索精度对比中取得了最好的检索性能(0.503).实验结果表明,该方法能有效地处理视角、姿态引起的服装形变和复杂背景的干扰,同时不需要大量的样本标注信息,有效地提高了跨域服装检索的精度.

融入深度特征的多模板相关滤波跟踪算法

针对现实场景中跟踪算法因背景杂乱、遮挡、尺度变化、目标形变等情况易导致跟踪失败的问题,提出融入深度特征的多模板相关滤波跟踪算法.首先对图像或图像区域分别提取深度特征和Color Name特征,经过核相关滤波器学习得到不同的模板;然后采用核相关滤波跟踪算法获得2个特征下的响应集合,并对所得到的集合进行加权融合得到最终的目标位置;最后使用贝叶斯统计通过最大化后验的方式估计最佳目标尺度,同时更新核相关滤波器参数,以实现自适应尺度的目标跟踪.在OTB2013和OTB2015这2个基准数据库上进行实验,并与当前6种优秀的算法进行比较,结果表明该算法性能最优,在2个数据集上的成功率OP(AUE)较KCF算法分别提升10.7%和12.4%.

综合多层语义特征与深度卷积网络的手绘图像检索方法

针对手绘图像检索领域中手绘图像的语义特征,为了深度发掘手绘图像的语义特征,并获得高效、准确的检索结果,提出一种基于多层语义特征和深度卷积网络的融合网络的方法.首先提出针对手绘图像语义特征的分层的概念,并构建与多层语义特征相对应的多层深度卷积神经网络来学习不同层次的深度特征,然后通过特征融合,实现多层深度语义特征的融合,形成最终的特征描述子,达到高精度的检索.在基准数据库Flickr15k上的实验结果表明该方法是可行、有效的.

结合Faster RCNN和相似性度量的行人目标检测

行人检测是计算机视觉领域的一个研究热点,针对目前算法中常采用非极大值抑制和硬阈值筛选的方法作为后处理,容易造成误检和漏检的问题,提出一种基于相似性度量的行人目标检测方法。首先,采用Faster RCNN生成一系列的目标候选集,应用非极大值抑制对候选集进行初步筛选,然后由较高置信度的目标区域建立特征模板,再根据特征相似性对较低置信度的目标区域做进一步判别,最后将筛选后的目标候选集和模板区域作为检测结果。在VOC、INRIA、Caltech数据集的实验结果证明,基于相似性度量的算法提高了行人检测的准确率。

专注智能油藏储量预测的深度时空注意力模型

现有油藏储量预测方法的精度远不能满足实际应用的需求。受循环神经网络和注意力机制的启发,提出一种专注智能油藏储量预测的深度时空注意力模型。该模型通过时间注意力模型来捕获输入数据之间的关键信息,空间注意力模型捕获隐藏状态之间的关系紧密程度,能够缓解数据波动对预测结果的不利影响,从而大幅减小预测误差。结果表明,相比传统方法和已有的深度学习方法,该模型预测精度有显著提高,为今后油藏储量预测提供一种更优的选择。