多视野精细分析下的弱监督目标定位算法

针对多尺度目标定位精度较差,难以捕获完整目标边界的问题,设计一种多视野精细分析模块并融入通道与空间注意力机制抑制背景噪声的干扰,获取多尺度目标的高分辨率特征。利用随机特征选取模块获取特征图随机位置的组合,聚合多个位置图获取最具辨别性的位置及其它位置的信息,融合浅层生成的类激活图与聚合类激活图获取细粒度位置信息,捕获完整的目标边界。与现有的弱监督定位方法相比,在解决多尺度目标定位效果差和局部最优问题上具有一定的优势。

多因素引导的行人重识别数据增广方法研究

为解决行人重识别研究领域中行人标注图像获取困难的问题,提出一种多因素引导的行人数据增广方法。首先,在生成器网络中设计了一种局部多尺度引导机制,通过特征融合抑制生成图像的局部伪影;其次,提出了长距离相关性引导机制,通过外注意力引导生成图像的长距离依赖,提高生成行人图像的整体视感质量;最后,提出一种抗博弈判别网络,通过嵌入到生成对抗网络,从而构建一种三网络稳定博弈架构模型,增加生成对抗网络训练的稳定性。通过VIPeR、Market-1501、DukeMTMC-reID这3种不同规模数据集的仿真实验,结果表明该方法与目前主流方法相比,mAP与Rank-1精度上均有不同程度的提升,在小规模数据集上的提升较为显著。

动态多尺度决策信息系统局部最优尺度的更新规律

在对象动态增加的情况下,对多尺度决策信息系统(MDIS)保持局部决策类不确定性的最优尺度更新规律进行研究。首先,介绍决策信息系统和多尺度决策信息系统决策类不确定性的基本知识,以及MDIS保持局部决策类不确定性的最优尺度定义。然后,在增加一个对象的条件下,分析MDIS局部决策类不确定性的更新规律。最后,采用增量学习方法,给出增加一个对象条件下MDIS局部最优尺度不变和变大的充分必要条件。结果表明:文中方法可以快速地确定更新系统局部最优尺度。

不均匀积雪致大跨网架结构局部损伤分析

网架结构管球连接处局部损伤是此类结构的重要安全隐患。在风致雪漂移引起的不均匀积雪荷载作用下,局部损伤会加剧,最终导致结构局部破坏。因此很有必要分析不均匀积雪荷载作用下带伤服役网架结构局部损伤劣化情况。采用CFD数值模拟技术,以一正放四角锥网架结构为研究背景,分析了在90°风向角、12 m/s风速下,持续降雪24 h中网架结构屋面不均匀积雪分布的变化情况,并建立可表征网架结构管球连接处存在裂纹损伤的多尺度模型,分析了网架结构节点存在不同裂纹尺寸局部损伤时,不均匀积雪致网架结构局部损伤劣化程度。结果表明:网架结构风致积雪不均匀程度非常显著,而且当网架结构管球连接处存在局部裂纹损伤时,在降雪中后期,有管球连接损伤的节点大多都出现了不同程度的裂纹扩展,节点为最不利分布的穿透型裂纹时,裂纹扩展最大为15.64 mm。说明在持续特大降雪这种极端荷载作用下,带伤服役网架结构局部损伤将进一步加剧,危及结构使用安全。

多尺度局部特征和Transformer全局学习融合的发动机剩余寿命预测

飞机发动机剩余寿命(Remaining useful life,RUL)的准确预测对确保其安全性和可靠性至关重要.在基于多传感器检测数据预测时,需解决局部特征提取问题以全面捕捉设备在不同时间尺度下的退化趋势,并需解决时间序列中各元素之间长期依赖性的全局学习问题.因此,提出了结合多尺度局部特征增强单元(Multi-sacle local feature enhancement unit,MSLFU_BLOCK)和Transformer编码器的预测模型,称之为MS_Transformer.MSLFU_BLOCK利用堆叠的因果卷积逐层从时间序列数据中提取多尺度局部信息,同时避免了传统卷积计算中固有的未来数据泄漏问题.随后,Transformer编码器通过其自注意机制进一步捕获时间序列数据中的短期和长期依赖关系.通过将多尺度局部特征增强单元与Transformer编码器相结合,提出的MS_Transformer全面捕捉了时间序列数据中的局部和全局模式.在广泛使用的CMAPSS基准数据集上进行的消融和预测实验验证了模型的合理性和有效性.与13个先进预测模型的比较分析表明,MS_Transformer模型在操作条件更复杂的FD002和FD004数据集上的RMSE和Score指标优于其他模型,同时在四个数据集上的平均性能最优.该研究为发动机剩余寿命预测提供了更为可靠的解决方案.

基于融合非局部操作的YOLOv5s高密度锦鲤鱼苗检测方法

针对现有方法在高密度锦鲤鱼苗目标检测任务中适用性差的问题,提出一种基于非局部操作的YOLOv5s(MS-Non-local BIFPN coordinate attention YOLOv5s,NBC-YOLOv5s)目标检测算法。首先,在YOLOv5s的主干网络中,添加多尺度非局部操作算子(multi scale non-local,MS-Non-local),增强模型对高密度锦鲤鱼苗的特征提取能力;其次,在颈部网络使用双向加权特征金字塔结构(bi-directional feature pyramid network,BIFPN)提升模型特征融合效率;最后,在网络的特征融合处,引入坐标注意力机制(coordinate attention,CA),增加模型对图片关键信息的关注度。为验证本文算法的有效性,结合真实渔场环境建立锦鲤鱼苗数据集。实验结果表明,NBC-YOLOv5s的精确率、召回率、平均精度均值(mAP)分别为88.5%、89.7%、93.7%,与YOLOv5s相比,改进后网络较原模型分别提升0.6、9.0、4.4百分点。为验证MS-Non-local对YOLOv5s的性能提升效果,本文对比了卷积注意力(convolutional block attention module,CBAM)、通道注意力(squeeze and excitation,SE)、双层路由注意力(bi-level routing attention,BRA)3种机制。结果表明,MS-Non-local的mAP相较于CBAM、SE、BRA分别提升了2.6、2.1、0.9百分点。并且通过模型拆解,分析了本文方法对不同密度锦鲤鱼苗图像的检测有效性,结果显示,该算法可实现真实场景下对高密度锦鲤鱼苗的检测,能够为筛选高品质锦鲤提供有效技术支撑。

基于非局部操作和多尺度特征聚合的图像修复方法

为有效解决修复大范围破损图像时存在的纹理模糊和整体语义信息不连贯的问题,提出基于非局部操作和多尺度特征聚合的两阶段图像修复算法,在第1阶段,边缘重建网络生成整体的边缘结构信息;在第2阶段,引入非局部操作机制进行纹理细节信息的修复。在CelebA-HQ数据集上采用不同掩码率的图像进行性能验证,结果显示所提模型的PSNR和SSIM分别达到了32.17 dB和0.982;与EdgeConnect、RFR、CTSDG和AOT-GAN模型进行比较,结果表明:该模型对大范围破损图像能够生成纹理更加清晰且语义合理的修复图像,PSNR、SSIM和FID指标均优于其他4种算法。

基于胜任力量表的中国工会社会工作自主知识体系构建

在我国社会工作本土化的进程中,工会社会工作以其独特的实践模式和深厚的群众基础,成为最具中国特色的实践领域之一。然而,工会社会工作的本土实践深化面临着诸多挑战,其中工会社会工作者的实践能力是关键因素。本研究通过问卷调查和探索性因子分析,构建了工会社会工作者胜任力量表,萃取了包括价值素养、场景素养与专业素养在内的三个维度胜任力指标。这一量表不仅为评估和提升工会社会工作者的实践能力提供了有效工具,也为深入理解中国工会社会工作的实践要求提供了理论支撑。基于工会社会工作者胜任力量表,本研究从工会社会工作本土实践场景的要求出发,进一步讨论了构建中国工会社会工作“政治—场景—专业”三维自主知识体系的学理构思。

基于多尺度骨架图和局部视觉上下文融合的驾驶员行为识别方法

识别非驾驶行为是提高驾驶安全性的重要手段之一。目前基于骨架序列和图像的融合识别方法具有计算量大和特征融合困难的问题。针对上述问题,本文提出一种基于多尺度骨架图和局部视觉上下文融合的驾驶员行为识别模型(skeleton-image based behavior recognition network,SIBBR-Net)。SIBBR-Net通过基于多尺度图的图卷积网络和基于局部视觉及注意力机制的卷积神经网络,充分提取运动和外观特征,较好地平衡了模型表征能力和计算量间的关系。基于手部运动的特征双向引导学习策略、自适应特征融合模块和静态特征空间上的辅助损失,使运动和外观特征间互相引导更新并实现自适应融合。最终在Drive&Act数据集进行算法测试,SIBBR-Net在动态标签和静态标签条件下的平均正确率分别为61.78%和80.42%,每秒浮点运算次数为25.92G,较最优方法降低了76.96%。

线性变换与局部均衡融合的红外图像增强

为了改善红外图像的效果,提升对比度和清晰度,丰富边缘细节信息,提出了融合线性变换和局部均衡的红外图像增强方法。利用图像的像素值分布,对像素值进行自适应的分段线性变换,并用局部的直方图均衡增强图像;分别计算两张增强图像的权重图。对比度权重、显著性权重和亮度分布权重;以拉普拉斯金字塔和高斯金字塔的方式,分别对增强图像和权重图进行分解,将分解的图像与权重图进行多尺度线性融合,获得效果理想的增强图像。结果表明,相对于现有方法,本文中提出的方法增强图像的视觉效果更清晰,信息熵、平均梯度和变异系数分别比现有方法高出9.03%、23.87%和9.97%以上。该研究可更有效地提高红外图像增强的性能。

基于局部描述子的小样本轴承故障诊断方法

深度学习由于其在特征表示方面的优势,近年来已被应用于很多领域,但是在故障诊断领域很难获取大量的故障样本来训练模型。针对这一问题,提出了一种基于局部描述子的小样本轴承故障诊断方法,利用改进的深度最近邻神经网络(Deep Nearest Neighbor Neural Network,DN4)进行故障诊断。首先通过短时傅里叶变换将振动信号转换为二维时频图像,特征提取主干网络采用ResNet-12网络,引入高效多尺度注意力机制(Efficient Multi-scale Attention,EMA)来更好地提取故障特征,得到轴承故障的局部描述子,最后利用K近邻算法来得到故障类别。为验证所提方法的有效性,进行了不同样本数量、跨工况条件下的轴承故障诊断实验,实验结果表明,文章所提方法在小样本条件下具有较好的故障识别效果和泛化性能,具有一定的工程应用价值。

时间、共同体与本土意识:乡村小规模学校教师的发展困境与破解之策

乡村小规模学校满足了农村20%没有能力进城上学的乡村弱势家庭的教育需求,并对凝聚社区以及促进社区文化发展有着极大的价值和作用。教师是乡村小规模学校最重要的变革推动者,其发展关涉乡村公平优质教育的实现。但由于外界条件和支持的缺乏,这一群体的发展常常处于受限甚至停滞状态,其正遭遇着人被时间控制、学习共同体阙如衍生教学孤独、乡土情感缺失导致身心分离等诸多困境。为了促进乡村小规模学校教师的发展,保证公平优质教育的实现,需要厘清教师责任,还给教师发展的时间;打造乡村教师学习共同体,提升教师学习力;增强教师对本土文化的自觉,寓发展于创新乡村教育的实践中。让教师在推动学校发展、振兴乡村教育文化的过程中,最终收获自身的发展。

全局信息提取与重建的遥感图像语义分割网络

为了将遥感场景图像更好地进行分割,供给下游任务使用,提出多尺度注意力提取与全局信息重建网络.编码器引入多尺度卷积注意力骨干到遥感深度学习语义分割模型中.多尺度卷积注意力能够捕获多尺度信息,给解码器提供更丰富的全局深浅层信息.在解码器,设计了全局多分支局部Transformer块.多尺度逐通道条带卷积重建多尺度空间上下文信息,弥补全局分支存在的空间信息割裂,与全局语义上下文信息共同重建全局信息分割图.解码器末端设计极化特征精炼头.通道上利用softmax和sigmoid组合,构建概率分布函数,拟合更好的输出分布,修复浅层中潜在的高分辨率信息损失,指导和融合深层信息,获得精细的空间纹理.实验结果表明,网络实现了很高的精确度,在ISPRS Vaihingen数据集上达到82.9%的平均交并比,在ISPRS Potsdam数据集上达到87.1%的平均交并比.

隧道分岔形式对分流局部通风阻力特性的影响

目的:随着城市建设水平和强度提高,带匝道的分岔隧道日趋增多。针对分岔隧道通风设计难题,亟待获取隧道分岔形式对分流局部通风阻力特性的影响规律。方法:通过搭建同步满足阻力和压力相似的1/13缩尺分岔隧道通风试验平台,构建分岔隧道三维CFD模型,探究了分岔隧道不同分岔形式气流的流动特征和局部阻力系数,并进一步分析了分流结构与减速车道等隧道分岔形式特征对局部阻力系数的影响。结果:表明主线与匝道局部阻力系数随分流比增大呈现先减小后增大的趋势,且在分流比为0.4时达到最小。平行分岔隧道相比定向分岔隧道,主线局部阻力系数差别不大,而匝道局部阻力系数存在较明显的差异,分流比较小时,平行分岔隧道匝道局部阻力更大,分流比较大时则相反。增设减速车道,分流比较小时会减小匝道局部阻力系数,但会增加主线局部阻力系数,分流比较大时则相反。结论:研究结果可为分岔隧道的通风设计提供参考。

全矢融合的二元PELCD样本熵列车故障诊断

长期高速运行的服役状态会造成高速列车转向架关键部件性能蜕化甚至发生故障等情况,所导致的安全事件将造成严重的经济损失甚至人员伤亡。考虑到高速列车振动信号的特性,将部分集成的局部特征尺度分解方法拓展至二元信号处理领域,同时结合全矢谱理论对同阶分量信号进行信息融合,得到更加完备的数据特征,并对融合后的数据进行样本熵特征提取,得到列车的故障特征;采用灰狼优化算法对支持向量机进行参数寻优,通过实验对比单一故障工况、复合故障工况以及部件性能退化下的故障识别率,验证所提方法的有效性、优越性。

比例融合与多层规模感知的人群计数方法

针对密集场景下人群图像拍摄视角或距离多变造成的多尺度特征获取不足、融合不佳和全局特征利用不充分等问题,提出一种比例融合与多层规模感知的人群计数网络。首先采用骨干网络VGG16提取人群密度初始特征;其次,设计多层规模感知模块,获得人群多尺度信息的丰富表达;再次,提出比例融合策略,根据卷积层捕获的特征权重重构多尺度信息,提取显著性人群特征;最后,采用卷积回归策略进行密度图的回归。同时,提出一种局部一致性损失函数,通过区域化密度图的方式增强生成密度图与真实密度图的相似度,提高计数性能。在多个人群数据集上的试验结果表明,所提模型优于近年人群计数的先进方法,且在车辆计数上有较好推广性。

基于多尺度距离矩阵的语音关键词检测与细粒度定位方法

针对现有语音关键词检测方法定位精度低的问题,提出了一种基于多尺度距离矩阵的语音关键词检测与细粒度定位方法(spoken term detection and fine-grained localization method based on multi-scale distance matrices,MF-STD)。该方法首先利用残差卷积网络提取特征并构建距离矩阵以建模输入之间的相关性;其次通过多尺度分割和解耦头学习不同尺度下的定位信息;最后根据多尺度加权定位损失、置信度损失和分类损失优化模型,实现对关键词存在性和时域边界的细粒度预测。在LibriSpeech数据集上的实验结果表明,MF-STD在集内词的检测中,精准率和交并比分别达到97.1%和88.6%;在集外词的检测中,精准率和交并比分别达到96.7%和88.2%。与现有的语音关键词检测与定位方法相比,MF-STD的检测准确率和定位精度显著提升,充分证明该方法的先进性,也证明了多尺度特征建模与细粒度定位约束在语音关键词检测任务中的有效性。

基于LCD和稀疏表示的滚动轴承故障诊断

针对局部特征尺度分解(LCD)重构信号存在虚假成分、正交匹配追踪(OMP)算法迭代终止条件较难确定,以及相似原子难以区分的问题,将LCD和改进OMP算法相结合用于滚动轴承特征提取,用LCD对故障信号进行降噪与分解处理。根据相关峭度值,选择分解后的分量进行重构,利用改进OMP算法进行稀疏表示和特征提取,取得较好的效果。使用仿真信号和试验信号对比分析验证了该方法的有效性。

基于CA-Res2-Unet的遥感图像土地利用现状信息提取研究

遥感图像信息提取与人工智能算法结合是国土资源及环境部门进行土地利用现状调查、监测和管理的重要技术手段。针对U-net在遥感图像提取产生的空间信息定位不足和多尺度目标特征分割不准确的问题,提出了一种在Res2Net头部融入注意力模块取代U-net编码部分的CA-Res2-Unet模型,旨在增强U型网络的空间定位和多尺度特征信息分割能力;通过WHDLD公共数据集和沈抚新区自制数据集,在主流网络和改进模型上进行了实验。结果表明,该模型较基础模型U-net在WHDLD公共数据集和沈抚新区自制数据集上实验的整体准确率、平均交并比和mF1分数(各类F1分类的平均值)三个评价指标分别提高了0.92%、2.00%、1.58%和1.18%、2.87%、1.91%,所提出方法的图像分割视觉效果和各项定量指标均优于其他主流语义分割网络,可为区域土地利用现状调查和相关部门决策提供科学依据。

基于局部均匀化多尺度方法的机织复合材料单轴拉伸力学行为研究

机织碳纤维增强树脂基复合材料在厚度方向存在纤维的相互交织,拥有较复杂的纤维空间结构,因此具有优异的比刚度和比强度。本文建立了平纹机织复合材料的“微观-介观-宏观”的多尺度有限元渐进损伤模型,并对介观模型中的各成分进行具有等效性能的局部均匀化简化。基于微观力学失效理论判断纤维/基体损伤起始,通过ABAQUS有限元分析平台,开发用户自定义的子程序VUMAT,对平纹机织复合材料进行拉伸力学行为和损伤机理分析。结果表明:在拉伸载荷模拟中纤维束树脂损伤最为严重,纤维失效发生在经向纤维束中,且外层损伤相较于内层更加严重。试验和数值分析的结果误差均在2%以内,表明多尺度渐进损伤模型的可靠性。