基于局部二值模式及其变形的场景分类综合实验设计与实践

以学生为中心,兴趣为导向,解决问题为目标,采取基于问题的教学方法,以基于局部二值模式及其变形特征的场景分类为例,设计与教学大纲紧密结合、有效支撑课程目标的综合实验。在教师的主导下,学生以团队协作方式完成综合实验,串联计算机视觉与图像处理课程的重点知识,训练分析问题、解决问题的能力,切身感受解决问题的过程,提升实践与创业创新能力。

基于离焦二值显示和条纹投影的复合表面三维测量方法

由于复合表面物体中漫反射部分和镜面部分反射性质不同,受到相机景深的限制,镜面成像的正弦条纹发生离焦,从而引起相位误差。为了实现复合表面物体的高效、高精度测量,本文提出了一种离焦二值结合正弦条纹的复合表面三维形貌测量方法。首先,本文基于刃边法与二次模糊法对系统离焦程度进行分区标定,解决了由于相机倾斜放置导致参考面离焦程度不同的问题。然后,建立二值条纹相位误差模型,确定最佳条纹宽度和离焦量范围。最后,对轻微离焦区域的二值条纹进行离焦补偿,确保相机采集的条纹均在最佳离焦范围内。在此基础上进行三维形貌测量。实验结果表明,所提方法使镜面部分误差从原来的0.033 mm降至0.019 mm,提高了复合表面测量精度。

二值量测误差FIR系统参数迭代辨识

本文考虑了量测数据为二值输出且含量测误差的一类有限脉冲响应(FIR)系统的参数辨识问题,其中,量测误差使得二值型量测值有一定概率得到相反的取值.首先,对所考虑的FIR系统,给出了参数的极大似然估计(MLE),证明了在噪声满足一定正则条件下MLE的强收敛性和渐近正态性.此外,通过分析似然函数的性质,给出了一种基于期望最大化(EM)方法的MLE迭代求解算法.为适应更一般的量测误差情形,给出了带投影的迭代求解算法,并从理论上证明了迭代估计序列的有界性.进一步,在给定数量的观测下,得到了似然函数具有唯一最大值点的必要和充分条件,并在持续激励输入条件下,证明了迭代估计误差以指数速度收敛到零.最后,利用数值模拟结果验证了所提出算法的有效性.

基于三值向二值演化的BNN剪枝方法

针对目前BNN(Binarized Neural Network)剪枝方法存在剪枝比例低、识别准确率显著下降以及依赖训练后微调的问题,提出了一种基于三值向二值演化的滤波器级的BNN剪枝方法,命名为ETB(Evolution from Ternary to Binary)。ETB是基于学习的,通过在BNN的量化函数中引入可训练的量化阈值,使权重和激活值逐渐从三值演化到二值或零,旨在使网络在训练期间自动识别不重要的结构。此外,一个剪枝率调节算法也被设计用于调控网络的剪枝率。训练后,全零滤波器和对应的输出通道可被直接裁剪而获得精简的BNN,无需微调。为证明提出方法的可行性和其提升BNN推理效率而不牺牲准确率的潜力,在CIFAR-10上进行实验:在CIFAR-10数据集上,ETB对VGG-Small模型进行了46.3%的剪枝,模型大小压缩至0.34 MByte,准确率为89.97%,并在ResNet-18模型上进行了30.01%的剪枝,模型大小压缩至1.33 MByte,准确率为90.79%。在准确率和参数量方面,对比一些现有的BNN剪枝方法,ETB具有一定的优势。

面向FPGA的二值神经网络模型压缩方法研究

针对卷积神经网络在正向推理时的高计算复杂度与空间复杂度问题,提出了一种基于二值神经网络(Binary Neural Network,BNN)的过滤器剪枝算法(Binary Filter Pruning:BFP). BFP算法通过剪除L2范数较小的过滤器,构建剪枝压缩后的二值神经网络模型.进一步面向FPGA(Field Programmable Gate Array)平台,设计并实现了基于二值复值神经网络(Binary Complex Neural Network,BCNN)的ResNet-18加速计算模型.对二值复值卷积层与预处理过程中的卷积层,分别设计了数据预处理合并优化与数据重排序.实验结果显示,BFP算法在CIFAR-10数据集上的分类精度,比基于SLR(Surrogate Lagrangian Relaxation)的通道剪枝方法平均提高了1%.与CPU平台相比,设计的加速器在PYNQ-Z1平台上的计算性能提高了23倍.

自然场景文本检测中可微分二值化技术综述

自然场景中包含的丰富文本对理解现实世界具有重要意义,但由于自然场景文本的多样性和复杂性,检测任务变得困难。随着智能时代的兴起,深度学习技术为自然场景文本检测带来突破性进展,可微分二值化网络DBNet的提出,更是推动了文本检测实时性需求的研究进步,许多研究者基于可微分二值化技术,进行了具有创新性和实用性的研究,并取得丰硕成果。对近年来基于可微分二值化技术的文本检测算法研究进行了深入的分析和总结。简要介绍DBNet模型的背景、工作原理、优势与劣势,根据技术差异将基于微分二值化技术的算法分为特征提取、特征融合、后处理、整体架构以及训练策略五类,对每类方法的改进方式进行详细的图示说明,并对各类技术方法的机制进行详细阐述,对所有方法进行分析总结。介绍了常用公开数据集和文本检测性能评估指标,汇总不同方法的仿真实验结果,列举几个具有实际意义的应用场景。对自然场景文本检测领域的未来发展方向进行了思考,并梳理面对的挑战和亟待解决的问题。

基于二值神经网络的辐射源信号识别方法

针对用于辐射源信号识别的神经网络存在参数冗余、运算量庞大等问题,提出一种基于二值神经网络的辐射源信号识别方法。该方法指出利用卷积层效用值衡量神经网络卷积层的重要性,根据卷积层效用值的大小,将重要的卷积层保留为实值,其余卷积层进行二值化处理。实验结果表明,在信噪比大于-9 dB时,采用该方法得到的二值神经网络的信号识别准确率相比于实值卷积神经网络降低了0.5%,而网络参数内存大小降低了83.4%,网络运算次数降低了83.8%,网络运算复杂度降低了85.8%,易于部署在各种硬件平台上。

联合度量指标损失和U-Net的文档图像二值化

当前深度神经网络模型在图像分割时均采用交叉熵做训练损失函数,当损失值变小时评价指标不一定变得更优。为解决上述缺陷,提出一种基于度量指标损失的U-Net网络模型。由于错误接受率和错误拒绝率变小时度量指标F-Mea-sure会上升,因此构建半错误率损失函数。采用分治策略,将文档图像分割成固定大小的图像块,分别进行二值化。在文档图像竞赛数据集上进行大量对比实验,实验结果表明,该方法相比原始U-Net,在4个度量指标上均有提升,二值化结果图像的文字连通性更好、噪声更少。

IR-GCN:二值图卷积神经网络推理加速器

针对图卷积神经网络(GCN)中数据规模庞大、不适合边缘端低功耗处理器高效推理计算的问题,本文提出一种将新型二值数据量化算法(IR-Net)应用于GCN模型推理计算的方法,并设计了对应的硬件加速器IR-GCN。同时,针对计算过程中工作负载分布不均衡的问题,实现了一种负载均衡模块设计,显著提高了计算效率。实验结果表明,在较小精度损失范围内,IR-GCN加速器可以同时降低计算延迟以及访存开销。与现有性能最优的研究相比,IR-GCN加速器平均具有2.4倍的计算加速比、7.9倍的功耗降低、13.7倍的芯片面积减少以及21.0倍的访存量降低。

基于多维侧窗聚类分块的退化书法文档二值化

书法字文档图像在不良光照条件下的灰度值分布差异较大,低光照区域图像对比度较低、笔画形态纹理特征出现退化,传统方法通常仅考虑了局部信息的均值、平方差、熵等因素,在形态纹理方面考虑较少,从而对低对比度区域的特征信息不敏感.针对此类问题,本文提出了一种多维侧窗聚类分块的退化书法文档的二值化方法 CSSWF (clustering segmentation based SWF),该方法首先利用SWF卷积核描述具有相似形态学特征的像素块,之后提出多种修正规则利用下采样提取低纬度信息去修正特征区域.最后,对特征图中聚类块进行前后景分离,得到二值化结果图.本文使用FM、PSNR和DRD为指标,将现有方法和本文方法进行对比,实验结果表明,在自建的100张手写退化文档图像数据集下,本文方法在低对比度暗部区域的二值化效果较为稳定,在精准度和鲁棒性上优于对比算法.

Bi-SCNN:二值随机混合神经网络加速器

二值神经网络(BNN)具有硬件友好的特性,但为了保证计算精度,在输入层仍需要使用浮点或定点计算,增加了硬件开销。针对该问题,本文将另一种同样具有硬件友好特性的随机计算方法应用于BNN,实现了BNN输入层的高效计算,并设计了二值随机混合计算架构Bi-SCNN。首先,在BNN输入层使用高精度的随机运算单元,实现了与定点计算近似的精度;其次,通过在处理单元(PE)内和PE间2个层次对随机数生成器进行复用,并优化运算单元,有效降低了硬件开销;最后,根据输入数据的特性对权值配置方式进行优化,进而降低了整体计算延迟。相比于现有性能最优的BNN加速器,Bi-SCNN在保证计算精度的前提下,实现了2.4倍的吞吐量、12.6倍的能效比和2.2倍的面积效率提升,分别达到2.2 TOPS、7.3 TOPS·W^(-1)和1.8 TOPS·mm^(-2)。

基于灰度图二值化的汽车制动器摩擦片残缺检测方法

由于传统方法在汽车制动器摩擦片残缺检测应用中正检率比较低,无法达到预期的检测效果,提出基于灰度图二值化的汽车制动器摩擦片残缺检测方法。采用CCD工业相机采集到摩擦片图像信息,通过对摩擦片灰度图二值化处理,提取到摩擦片图像前景区域,利用递增函数计算出摩擦片轮廓连通域,提取到摩擦片残缺特征,从而识别检测出摩擦片残缺。经实验证明,设计方法正检率在95%以上,在汽车制动器摩擦片残缺检测方面具有良好的应用前景。

煤基石脑油裂解汽油中二烯值的测定方法研究与应用

利用红外光谱仪结合多元线性回归法建立了煤基石脑油裂解汽油中二烯烃含量的测定方法,此方法为样品直接进样,分析时间由传统的马来酸酐法的5 h缩短至红外光谱法的10 min,实现了操作人员不接触有毒溶剂,方法操作简单、测定结果快速准确的目的,方法检出限为0.06%,相对标准偏差<2%。

基于信息熵的二维局部二值模式静脉识别

基于现有LBP算法及其变体无法提取图像高维特征的问题,提出一种基于信息熵的二维局部二值模式识别算法。此方法首先利用统一局部二值模式(ULBP)对图像进行低维特征的提取,随后将图像信息熵与统一局部二值模式图谱进行结合获取熵值加权的统一局部二值模式图谱(EULBP),并利用滑动窗口实现对局部区域内模式间共现特征信息的统计,以其结果作为图像特征表达。并以直方图交叉距离为基础构建模式分类器,验证其识别性能。实验结果表明,在SDUMLA⁃HMT数据集以及马来西亚理工大学指静脉数据集(FV⁃USM)中,提出的算法能取得99.94%和98.84%的平均识别率。

一种基于全局搜索的二值图像连通域标记方法

在进行基于图像数据的智能分析应用中需要对感兴趣目标区域进行提取,并对区域的各种属性特征进行描述后,才能进行与业务相关的分析和识别应用.通过二值图像连通域可以精确描述感兴趣区域的位置属性、轮廓属性、形状属性,故二值图像连通域提取在数字图像处理中具有非常重要的作用.本文提出一种基于全局搜索的二值图像连通域标记方法,该方法在原图上进行全局相邻前景点搜索,在图像的左上方向和右下方向之间进行往复搜索,在算法运行过程中只需进行一次图像的内存分配再无额外内存需求,降低了二值图像连通域标记算法的空间复杂度.实验表明本文提出的二值图像连通域标记算法能够稳定运行,处理速度可以达到125 fps.

以二次函数最值谈衔接教学案例

初高中的教学衔接是高一数学教学中的难点,如何更有效地衔接初高中数学知识的融合,帮助高一学生顺利过渡到高中的学习,是每年高一教学初期必须面对并且需要解决的重要课题。本文借助“求二次函数的最值”这一知识点的教学实践案例,高效衔接初高中教学以温故知新,问题衔接拓展,理论迁移应用等方式进行层层深入的探究和实践性的思考,通过把握教学的衔接点,学生思维提升的关键点,理论迁移的切入点进一步提高衔接教学的效率。

血浆D-二聚体值水平与缺血性脑卒中患者短期预后的相关性分析

分析血浆D-二聚体值水平与缺血性脑卒中患者短期预后的相关性。方法 选择2022年1月-2024年5月我院诊治的缺血性脑卒中患者65例,以治疗28d后的恢复情况为标准进行分组:Ⅰ组(32例,改良Rankin评分>2分)、Ⅱ组(33例,改良Rankin评分≤2分),分析比较受试者的血浆D-二聚体值,并探究血浆D-二聚体水平和预后之间的关联性,最后通过ROC曲线分析血浆D-二聚体水平对于病情或者预后的预测效果。结果 Ⅰ组的血浆D-二聚体水平明显高于Ⅱ组(P<0.05),Pearson 相关性分析显示,受试者的病情好转程度和血浆D-二聚体水平呈负相关(P<0.05)。结论 缺血性脑卒中患者的病情或者预后和他们自身的血浆D-二聚体水平存在较大的相关性,当D-二聚体的数值越高时,受试者的预后越差,对此,可以通过对血浆D-二聚体水平的监测,来初步评估他们的情况。

难题引入,逐层化解——《含参二次函数的最值问题》微专题复习课教学与思考

含参二次函数的最值问题,是近几年数学中考的热点问题,也是初中数学的难点问题。对此,设计一节微专题复习课,引导学生从简单的情况入手,层层递进(包括从不限制自变量的取值范围到限制自变量的取值范围,从确定的取值范围到不确定的取值范围,从确定的表达式到不确定的表达式,从正向的求最值到逆向的求参数)突破难点,同时,体会特殊与一般、数形结合、分类讨论、方程等思想的意义与作用。

一种新的二值图像标记的快速算法

文章介绍了一种新的二值图像像素快速标记方法。这种方法首先对二值图像施行一个基于扫描像素线的连通体检测过程,同时巧妙地利用线性分析表来记录连通关系,然后,根据标号的从大到小的传递过程来进行标号的归并。这种方法克服了以前方法中像素重复扫描、记录连通关系所需内存大和标号归并需大量运算等缺陷,具有实现简单,占有内存小,运算速度快等特点。实验表明,该方法能快速准确地检测出任意形状的连通体。

局部二值模式方法研究与展望

针对当前局部二值模式(Local binary pattern,LBP)方法表现出的理论和实际应用价值,系统综述了在纹理分析和分类、人脸分析和识别以及其他检测与应用中的各种LBP方法.首先,简要概述了LBP方法的原理,主要分析了LBP方法中的阈值操作并介绍了统一模式和旋转不变性模式.其次,分别对纹理分析和分类中的LBP方法、人脸分析和识别中的LBP方法以及其他检测与应用中的LBP方法等三个方面进行了详细的梳理和评述.最后,分析了LBP方法在应用中依旧存在的重要问题并指出了未来的研究方向.