基于深度学习的行人重识别方法综述

对深度学习在行人重识别领域的应用现状进行总结与评价.首先,对行人重识别进行介绍,包括行人重识别的应用场景、数据集与评价指标,并对基于深度学习的行人重识别的基本方法进行总结.之后,针对行人重识别的研究现状,将近年来国内外学者的研究工作归纳为基于局部特征、基于生成对抗网络、基于视频以及基于重排序4个方向,并对每个方向所使用的方法分别进行梳理、性能对比以及总结.最后,对行人重识别领域现存的问题进行了分析与讨论,并探讨了行人重识别未来的发展方向.

基于RBF人工神经网络的机器人焊缝成形质量预测

采用正交试验方法获取典型样本数据,通过Matlab软件建立焊缝成形质量与主要焊接工艺参数之间的人工神经网络模型,预测研究焊缝填充层焊接工艺参数对焊缝成形质量的影响规律。结果表明,RBF神经网络能够较为精确反映多层焊填充层机器人焊接工艺参数与焊缝余高及宽度之间的非线性映射关系,可用于机器人多层焊焊接工艺参数优化和焊缝成形质量的控制;随着填充层焊接工艺参数值提高,焊缝余高降低,焊缝宽度增加,当继续增大焊接工艺参数时,焊接电流和电弧电压的影响相对更加显著,而焊接速度的影响却减小。

离子陷阱脱除Fe^(3+)的工艺研究

以铝合金为还原剂,采用离子陷阱进行了去除Na Cl溶液中Fe3+的研究。研究了Na Cl溶液流速、温度、初始Fe3+浓度和Na Cl质量分数等操作条件对Fe3+去除效果的影响规律。结果表明,随着流速减小、温度升高、初始Fe3+浓度增大和Na Cl质量分数增大,Fe3+的脱除率升高。在质量分数为3.5%的Na Cl溶液流量为10L/h,温度为60℃,初始Fe3+浓度为10mg/L时,Na Cl溶液中Fe3+的去除率可达95%以上。