Incremental View Computation Model for Object-Oriented Information

We introduce a model to implement incremental update of views. The principle is that unless a view is accessed, the modification related to the view is not computed. This modification information is used only when views are updated. Modification information is embodied in the classes (including inheritance classes and nesting classes) that derive the view. We establish a modify list consisted of tuples (one tuple for each view which is related to the class) to implement view update. A method is used to keep views from re-update. Key words object-oriented database - incremental computation - view-computation - engineering information system CLC number TP 391 Foundation item: Supported by the National Natural Science Foundation of China(60235025)Biography: Guo Hai-ying (1971-), female, Ph. D, research direction: CAD and engineering information system.

基于目标检测和多视图几何的动态SLAM算法

目前大多数的SLAM系统主要针对静态场景,然而,在实际环境中不可避免地存在许多动态对象,这将大大降低算法的鲁棒性和相机的定位精度。针对动态对象造成的轨迹偏差问题,文中提出一种结合目标检测网络和多视图几何结构的动态SLAM算法。首先,基于YOLOv5算法框架,将骨干网络CSPDarkNet-53替换为轻量型L-FPN(Lite-FPN)结构,并使用VOC2007数据集进行预训练。与YOLOv5s原始模型相比,新网络的计算量减少了45.73%,检测速率提高了31.90%;然后,将检测物体划分为高动态对象、中动态对象以及低动态对象,利用多视图几何方法计算阈值,并根据阈值对中高动态对象进行二次检测,以决定是否剔除预测框中的特征点;最后,在TUM数据集上的实验结果显示,该方法在定位精度上平均提升了82.08%,证明了其在准确性方面的显著改进。

视景仿真编辑器ViewEditor的设计与实现

我们开发的ＶｉｅｗＥｄｉｔｏｒ是一个基于ＷｉｎｄｏｗｓＮＴ系统的视景仿真编辑器。它集图形、图象、声音、文字编辑于一体，支持开放式接口，具有界面优良、操作直观灵活。满足ＷＹＳＩＷＹＣ等特点。该文首先介绍了ＶｉｅｗＥｄｉｔｏｒ的功能和系统构成，然后对ＶｉｅｗＥｄｉｔｏｒ的层次模型与界面设计进行了详细的论述。

基于GE View技术的虚拟机械臂对象设计

机械臂是机器人技术在生产领域中应用最广泛的自动化机械装置,其特点是能精确定位于二维或三维空间进行作业,其控制方式根据要实现的功能具有很大差别。因此,采用计算机技术实现虚拟的机械臂对象对于实践控制功能具有重要意义。通过阐述虚拟机械臂对象的设计步骤,介绍了利用GE View技术设计虚拟机械臂的过程和要点。分析了机械臂对象的功能定义、界面设计方法、信号和数据设计、正常和非正常控制下的动画设计。

16世纪中国博古图与西方静物画中的物比较

中国博古图与西方静物画的兴盛都始于16世纪前后,都以静物为表现对象,但又有所不同。从物的属性来看,博古图中的物与人们的精神需求紧密相关,其主要功能经历了从宋代的正经补史到明代的雅文化象征再到清代的吉祥文化寓意的变迁;在西方静物画发展史上具有节点意义的罗马静物画、荷兰静物画、夏尔丹静物画的繁荣都与特定时期物质生活的变化紧密相关。从物的审美来看,博古图因物喻志,以志为本,体现了中国传统诗学的比兴理论;静物画观物绘形,以物为本,使被忽视或熟视无睹的事物变得陌生、反常,体现了陌生化的审美追求。从物的感知来看,两者体现了中西文化中感物与观物两种不同的美学传统及其背后的感官倚重的不同。但由于艺术有其自身的特征和发展规律,所以两者的这些不同只是相对的。

基于鸟瞰图的多任务端到端3D目标检测方法

由于在自动驾驶过程中激光雷达扫描过程中受到空间限制,采集到的点云数据损失了过多的信息。在聚合表示方法的基础上,提出了基于鸟瞰图的多任务端到端3D目标检测方法。首先,利用纹理特征提取器与语义特征提取器对特征金字塔的高级特征层与低级特征层进行特征融合,获得扩展的特征金字塔层,使得自动驾驶过程中的中等目标(骑自行车的人)与小目标(行人)不再耦合在同一级别的特征金字塔层,提高了点云拓扑信息的区域细节性。其次,在损失函数中引入用于分类的Focal loss与用于回归的CIOU loss,改善了正负样本比例,对目标检测框进行了约束,使得目标框在回归过程中能够以更高精度收敛。实验结果表明,提出的方法在自动驾驶中小目标检测中具有更强的检测能力与更高的检测精度。

认知视角下的白俄罗斯上合观及其对上合组织的影响

伴随国际大变局的持续深入以及上海合作组织的不断发展和壮大,基于对当今世界和地区局势的认知以及自身内外政策的调整,白俄罗斯对上海合作组织的认知与定位发生了积极的变化。在白俄罗斯方面看来,上海合作组织已成为世界多极秩序构建的主要支撑之一,是白俄罗斯谋求欧亚地缘政治空间平等建构者地位的重要抓手。白俄罗斯方面希望借助上海合作组织的资源推动本国正在进行的政治改革、经济转型、外交东向调整等议程,实现国家在百年未有大变局中的生存与发展。为此,白俄罗斯支持构建“集体东方”,谋求推动“一体化机制间合作”和“差速一体化”,以凸显自身的地缘价值,并更快地在上海合作组织,乃至整个新世界格局中重新确立自己的位置。但与此同时,白俄罗斯加入上海合作组织将是机遇与风险并存,在带来地域突破和更多地区间合作机会的同时,也将潜在地扩大组织内部的分歧,增加协商一致的难度。对此,应在推动上海合作组织各领域合作的过程中突出组织的特色,增强组织内部的互谅互信,打造具有吸引力的多边机制及合作模式,推动上海合作组织由地区性组织向全球性组织平稳转型。

本雅明历史观的结构性及其道德维度

现代历史观脱胎于古希腊和犹太—基督教历史观,它分别继承了古希腊历史观的人义论和犹太—基督教历史观的线性时间观念。然而这也导致了现代历史观对于历史的道义问题无法给出令人满意的答案。康德将人类理性作为自身最基本的能力从神学教条中解放出来,使人类从命运的枷锁中挣脱。然而这种旨在为人类争取自由的启蒙运动却反过来钳制了人类的自由。尼采认为这种缺乏“真诚性”的道德观念恰恰是现代社会虚无主义的根源。他用“超人”来代替旧有的道德秩序的维护者——上帝,但是这不过是用权力意志代替了旧有的价值体系,并没有从根本上解决历史哲学的道德困境。本雅明的历史观切断了以往线性时间的连续性,赋予历史道德维度。他认为,历史的道德性在于对“客观谎言”的辨识与矫正。

基于鸟瞰图融合的多级旋转等变目标检测网络

随着自动驾驶系统的发展,针对道路场景下的3D目标检测受到研究人员的广泛关注。然而,大多数基于单一传感器或者多传感器融合的目标检测方法未考虑实际道路场景中车辆旋转,使得捕获的场景同步旋转,从而导致目标检测性能降低。针对这类问题,提出一种基于多传感器融合的多级全局旋转等变目标检测网络架构,以缓解场景旋转造成的目标检测困难,从而提高目标检测性能。首先,对体素内部进行各点之间距离编码,增强局部点云几何信息,并提取体素的全局旋转等变特征;其次,引入图像的语义信息并提取全局旋转等变特征,进一步提高网络性能;最后,将具有旋转等变性的点云和图像信息在鸟瞰图上进行融合,并嵌入群等变网络提取融合鸟瞰图级全局旋转等变特征。实验结果表明,该网络架构在nuScenes验证集上达到了68.7%的平均精度均值(mAP)和71.7的nuScenes检测分数(NDS),以及平均角度误差均值(mAOE)降低到0.288,相比主流的目标检测方法,其实现了网络架构本身的旋转等变性并在性能上得到了提升,此外,各个组件对于整体网络架构的目标检测性能提升都起到了重要作用。

基于通道注意力和时序改进多摄像头的鸟瞰视角目标检测

基于摄像头构建的感知和检测系统,以较低的成本和较高的分辨率实现目标检测。通过六个单目相机生成的鸟瞰图(BEV)特征可进行目标检测。其中,BEV特征包含物体的位置和尺度,适用于各种自动驾驶任务。BEV检测器通常与深度预训练的图像骨干相结合,但是两者直接连接并不能突出2D特征与3D特征的对应关系。为了解决以上问题,使用通道注意力对输出特征图加权调整提议特征通道,并与深度估计模块相结合,突出了2D与3D特征的关系;通过时序叠加融合方式解决了继承式融合方式中过去信息逐渐丢失的问题,保证了模型能够充分利用历史信息。在NuScenes数据集上进行了广泛的实验,结果表明归一化累计得分(NDS)达到了0.604,比BEVFormer模型提升了0.035,验证了模型的有效性。

大区域场景下基于无人机视角的目标计数方法

近年来,无人机因其灵活度高、机动性强在人群计数领域得到广泛应用。然而,现有的人群计数方法大多基于单视点,对于大范围、多摄像机场景下的多视点计数研究较少。为了解决这个问题,提出了一种基于无人机视角的目标计数方法以准确统计场景中的目标数量。选择临海区域进行数据采集,利用深度学习技术对采集的图像进行目标检测和图像拼接融合,在拼接后的图像中映射检测信息,并采用计数算法完成区域场景的计数任务。在公开数据集和该文制作的数据集上进行的实验验证了基于目标检测的计数算法的有效性。

中国传统家训中的读书观

中国传统家训蕴含着丰富的读书智慧,是留给后人的宝贵精神财富。中国传统家训主张读书之目的在于修德正身、明理增智,反对以科举功名、货利势位劝诱子弟读书。中国传统家训重视读书方法的提炼与传授,强调读书须专精有恒、学思结合、切己致用、博约相济、优容不迫。教师兼具“教书人”和“读书人”双重身份,带头读书、教人读书是为人师者的基本职责。挖掘整理中国传统家训中关于读书的方法探讨并有选择地实学活用,是汉语言文学专业师范生和一线语文教师增强读书功夫、提高育人本领的有效途径。

基于BEV视角的多传感融合3D目标检测

3D目标检测是自动驾驶在道路环境感知任务中的重要环节,现有主流框架通过搭载多种感知设备获取多模态的数据信息来实现多传感融合检测;传统相机与激光雷达的传感器融合过程中存在几何失真,以及信息优先级不对等,导致传感融合的3D目标检测性能不足;对此,提出了一种基于鸟瞰视角(BEV)的多传感融合3D目标检测算法;利用提升-展开-投射(LSS)方式,获取图像的潜在深度分布建立图像在BEV空间下的特征;采用PV-RCNN的集合抽象法建立点云在BEV空间下的特征;该算法在统一的BEV共享空间中设计了低复杂度的特征编码网络融合多模态特征实现3D目标检测;实验结果表明,所提出的算法在检测精度上相较于纯激光方法提升4.8%,相较于传统的融合方案减少了47%的参数,并保持了相近的精度,较好地满足了自动驾驶系统道路环境感知任务的检测要求。

基于改进YOLOv8的街景图像变压器目标检测

街景图像是一种城市街道级别信息地理大数据,利用街景图像不仅能够实现大范围、高效率的变压器巡检,还能降低巡检成本。但是,街景图像中的变压器往往像素少、分辨率低、背景复杂,导致现有目标检测方法对变压器的检测准确度不理想。针对上述问题,本文提出一种改进的YOLOv8算法YOLOv8-WSX。首先,使用WIoU作为损失函数,强化模型对困难样本的检测性能;然后,引入空间分组增强(SGE)注意力机制模块,提高模型的特征提取能力;最后,增加微小目标检测头,解决微小变压器目标漏检的问题。实验结果表明,相较于YOLOv8,YOLOv8-WSX的F1值提升了5.9个百分点,IoU阈值为50%时的平均精确率均值提升了6.3个百分点,IoU阈值在50%~95%范围内的平均精确率均值提升了3.2个百分点,且模型的参数量有所下降。

从传播格局到传播原则——马克思新闻观中国化的理论自信探析

围绕新闻传播的“价值观”问题以及“新闻客观性”与“意识形态性”的关系进行,证实了西方传播学从空间到格局都处于“先天不足”的尴尬困境,并且其一味推崇的新闻自由主义是虚妄不实的。相比之下,马克思主义新闻观不仅具有科学性,更具有远优于西方传播的哲学智慧和人文关怀。这一结论为增强我国新闻工作的道路自信、理论自信和制度自信,促进我国新闻事业的健康发展,提供了有力的理论支持。

ChatGPT赋能学校教育:技术优势、可能问题与应对策略

ChatGPT作为当前AI最具代表性的成果,表现出超强的角色赋予能力、语言文本分析能力、生成性互动能力和类人特征。将其应用于学校教育赋能教师教学工作,可帮助教师提高教学质量;赋能学生学习,有助于延伸教学场域,构建智能化、个性化学习形态。然而,ChatGPT又存在“标准化、公式化”的教学特点,易造成教育主体客体化复现、学生知识习得过程趋于异化、学校教育生态面临危机的潜在问题。为更好应用ChatGPT,需超越主、客二分的狭隘思维,重构人机教育教学主体;发展“高阶思维”,建构系统科学的知识体系;坚持立德树人,形成“人机向善”的数字德育体系。

基于BEV占位预测的激光-毫米波雷达融合目标检测算法

激光雷达工作环境中的光束衰减和目标遮挡会导致输出点云出现远端稀疏的问题,从而引起基于激光雷达的3D目标检测算法的检测精度随距离衰减的现象。针对这一问题,提出了一种基于鸟瞰图视角(BEV)空间内目标占位预测的激光-毫米波雷达融合目标检测算法。首先提出了一种简化的BEV占位预测子网络,用于生成位置相关的毫米波雷达特征,同时有助于解决毫米波雷达数据稀疏带来的网络收敛困难的问题。然后,为了实现跨模态特征融合,设计了一种基于BEV空间特征关联的多尺度激光-毫米波雷达特征融合层结构。在nuScenes数据集上进行实验,结果表明,所提出的毫米波雷达分支网络的平均检测精度(mAP)达到21.6%,推理时间为8.3ms。在加入融合层结构后,多模态检测算法较基线算法CenterPoint的mAP提升了2.9%,同时增加的额外推理时间开销仅为8.6ms,在距离传感器30m位置处,多模态算法对于nuScenes数据集中10个类别的检测精度达成率分别较CenterPoint提升了2.1%~16.0%。

基于卡尔曼(Kalman)滤波算法的体育训练视频中的运动目标检测

体育训练视频中的运动目标检测往往存在目标快速移动、目标遮挡和场景变化等问题,导致运动目标检测的难度增大。为了解决这些问题,提出了基于卡尔曼(Kalman)滤波算法的体育训练视频中运动目标检测的方法。为了提升体育训练视频图像的质量,首先对体育训练视频的图像进行一系列预处理(包括灰度变换、轮廓对比增强和噪声抑制等);然后借助混合高斯模型(Gaussian mixture module,GMM)有效提取体育训练视频的前景信息;为了精准捕捉体育训练视频中的运动目标,运用三帧差分法设定Kalman滤波器的初始状态,利用高效检测算法准确获取每一帧图像中运动目标的观测位置;随后将初始状态和观测位置的数据输入Kalman滤波器;最后在Kalman滤波器中,结合上一帧的预估值和当前帧的监测值,对体育训练视频中运动目标的当前状态进行精确估算和优化,并对下一帧的状态进行预测,从而实现了对运动目标的持续跟踪与精准预测。实验结果表明,与基于特征融合的全卷积孪生网络(siamese full convolution,Siamfc)目标追踪算法和基于连续自适应均值漂移(continuously adapting mean shift,Camshift)的均值漂移(mean shift,Meanshift)改进算法相比,采用基于Kalman滤波算法的运动目标检测方法对运动目标的重叠精度(overlap precision,OP)和中心位置误差(center location error,CLE)进行检测,不仅能够有效检测到体育训练视频中的运动目标,还可表现出较高的准确性和实时性。

基于全景环视的端到端停车位检测方法

现有停车位检测方案大多将目标检测方案和人工设计的后处理模块进行简单结合,各阶段提取的特征存在大量冗余信息.并且,人工设计的后处理模块通常适应面窄,计算量大,最终导致停车位检测效果难以实用.针对这些问题,本文引入全景视觉,结合现有算法的优点与环视图像的特点,设计端到端的无锚框停车位检测算法.该算法对停车位进行进入线朝向建模,而非单独考虑两个入口点,省去了停车位入口点匹配和朝向判断流程,最终实现完全一体化的停车位位置、朝向和占用情况检测.考虑到实用性,在网络结构设计上进行了速度和精度的平衡、正负样本均衡,以及无后处理等多方面优化.最终,在ps2.0数据集上,本文提出的AFPSD模型以88.7的FPS(每秒帧数)达到68.7%的AP,相较VPS-Net和DMPR-PS方案精度分别提升1.2%和2.1%.由此可知,本文设计的一阶段端到端方案可以代替三阶段方案,在环视图像上实现停车位的稳定检测.

论积极刑法观下高空抛物罪的扩张与限制

积极刑法观主张刑法应对社会潜在危险作出提前预防,高空抛物罪就是积极刑法观指导下的立法,天然具有潜在的扩张风险,一旦扩张将会引发泛刑化问题,无形中还会虚化民法的力量,激化社会矛盾,造成非良性循环。为应对高空抛物罪潜在扩张风险,从程序法和实体法两个方向探索限制高空抛物罪扩张新路径:一是程序法方向的“高空抛物附条件不起诉制度”;二是实体法方向的“民刑行分层共治模式”。