基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树(RRT)算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数(即降低路径曲率和远离障碍物),并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明:优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。

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.

基于全局一致性网络的参数化人体网格重建

人体网格重建(HMR)在人机交互和虚拟/增强现实等领域有广泛应用。为了进一步提高基于图像的人体网格重建中人体姿势和形状估计的精度,提出了基于混合逆运动学的全局一致性深度卷积神经网络,用于参数化人体网格重建(GloCoNet)。为了增强网络的全局一致性和全局上的长程依赖,该网络在特征提取网络基础上,设计了全局一致性增强器(GCB)模块,它能够增强模型对全局信息的感知能力和表达能力,并且使模型能够自适应地调整不同通道和空间位置的特征图权重。然后引入了多头注意力机制(MHSA)来捕获模型全局上的长程依赖,它可以帮助模型在处理长期依赖时更好地捕捉到关键的关系和模式,并建模全局上下文信息,从而更好的丰富特征子空间的多样性。同时,该网络采用混合逆运动学的方法弥合人体网格估计和3D人体关节点估计之间的差距,最终提升人体3D姿势和形状估计的准确度。实验结果表明,GloCoNet模型在公开的Human 3.6 M数据集上以平均每关节51.3 mm的位置误差(MPJPE)显著优于先前的主流方法。

全局/滚动曝光兼容高动态抗辐照CMOS图像传感器设计

针对高速目标的高精度探测及辐射环境的应用要求,为解决全局与滚动曝光模式兼容难度大、灵敏度和动态低、帧速不高、抗辐照水平低等问题,对CMOS图像传感器架构、像素结构、列并行高精度数字化、高速读出、抗辐照加固等技术进行研究。基于单边列并行DDS、多模兼容的架构方案,设计了一款7.5μm×7.5μm,2048×2048可见光CMOS图像传感器,采用双增益像素结构、高帧速数字化读出、多通道可选输出、像素和电路抗辐照加固等方法,实现了全局与滚动曝光兼容、高灵敏度高动态成像、高精度数字化和高速输出、抗辐照加固等技术验证,填补了国内多模曝光兼容抗辐照CMOS图像传感技术研究空白。测试结果表明:器件功能正常,成像效果良好,动态范围、满阱电荷、灵敏度、帧速、抗辐照等指标满足预期要求,对高速高动态成像及辐射环境的系统应用具有重要意义。

基于改进蚁群算法的机器人全局路径规划

针对传统蚁群算法存在初始信息素缺乏、收敛速度慢以及无法有效躲避障碍物等问题,文中提出了一种基于改进蚁群算法的全局路径规划。引入正态分布函数改进传统启发函数,提高了算法效率,缩短了算法收敛所需时间。自适应调整信息素挥发系数,限定信息素范围,避免过早收敛。对算法路径平滑处理,缩短路径长度,从而实现机器人的全局路径规划。仿真结果表明,在20×20环境下,文中算法平均迭代次数比传统蚁群算法减少了28代,收敛速度更快。平均拐点减少了33.3%,使路径更为平滑,克服了初始信息素缺乏,加快了收敛速度,减少了拐点数量,能够有效躲避环境中的障碍物,证明了该算法的可行性。

局部注意力引导下的全局池化残差分类网络

大部分注意力机制虽然能增强图像特征,但没有考虑局部特征的关联性影响特征整体的问题。针对以上问题,本文提出局部注意力引导下的全局池化残差分类网络(MSLENet)。MSLENet的基线网络为ResNet34,首先改变首层结构,保留图像重要信息;其次提出多分割局部增强注意力机制(MSLE)模块,MSLE模块将图像整体分割成多个小图像,增强每个小图像的局部特征,通过特征组交互的方式将局部重要特征引导到全局特征中;最后提出池化残差(PR)模块来处理ResNet残差结构丢失信息的问题,提高各层之间的信息利用率。实验结果表明,MSLENet通过增强局部特征的关联性,在多个数据集上均有良好的效果,有效地提高了网络的表达能力。

全局感知与稀疏特征关联图像级弱监督病理图像分割

弱监督语义分割方法可以节省大量的人工标注成本,在病理全切片图像(WSI)的分析中有着广泛应用。针对弱监督多实例学习(MIL)方法在病理图像分析中存在的像素实例相互独立缺乏依赖关系,分割结果局部不一致和图像级标签监督信息不充分的问题,该文提出一种全局感知与稀疏特征关联图像级弱监督的端到端多实例学习方法(DASMob-MIL)。首先,为克服像素实例之间的独立性,使用局部感知网络提取特征以建立局部像素依赖,并级联交叉注意力模块构建全局信息感知分支(GIPB)以建立全局像素依赖关系。其次,引入像素自适应细化模块(PAR),通过多尺度邻域局部稀疏特征之间的相似性构建亲和核,解决了弱监督语义分割结果局部不一致的问题。最后,设计深度关联监督模块(DAS),通过对多阶段特征图生成的分割图进行加权融合,并使用权重因子关联损失函数以优化训练过程,以降低弱监督图像级标签监督信息不充分的影响。DASMob-MIL模型在自建的结直肠癌数据集YN-CRC和公共弱监督组织病理学图像数据集LUAD-HistoSeg-BC上与其他模型相比展示出了先进的分割性能,模型权重仅为14 MB,在YN-CRC数据集上F1 Score达到了89.5%,比先进的多层伪监督(MLPS)模型提高了3%。实验结果表明,DASMob-MIL仅使用图像级标签实现了像素级的分割,有效改善了弱监督组织病理学图像的分割性能。

双注意力随机选择全局上下文细粒度识别网络

针对细粒度图像识别任务中易忽视微小潜在性特征且外观差异细微等问题,提出一种基于双注意力随机选择全局上下文细粒度识别网络。首先,使用ConvNeXt作为主干网络,提出双注意力随机选择模块,对不同阶段提取到的特征进行通道随机选择和空间随机选择,使网络能够关注到其他潜在微小判别性特征;其次,利用全局上下文注意力模块将深层特征的语义信息融合到中间层,增强中间层定位微小特征的能力;最后,提出一种多分支损失,对中间层、深层和拼接层特征引入分类损失,结合不同分支提取到的特征,诱导网络获得多样性的判别特征。所提网络在Stanford-cars、CUB-200-2011、FGVC-Aircraft 3个公开细粒度数据集和真实场景下车型数据集VMRURS上分别达到了95.2%、92.1%、94.0%和97.0%的识别准确率,其性能相比其他对比方法有较大幅度提升。

一类浮游生物时滞模型的全局Hopf分支

本文利用吴建宏等人建立的一般泛函微分方程的全局Hopf分支理论,以时滞为参数,研究了三维浮游时滞模型的稳定性及Hopf分支的全局存在性,通过数值模拟验证了理论分析的正确性,并得出结论,即营养物质输入率极大地影响了周期解的周期。

集成全局局部特征交互与角动量机制的端到端多目标跟踪算法

针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题,该文提出一种新的端到端算法。在检测方面,首先基于特征金字塔网络,提出空间残差特征金字塔模块(SRFPN),以提升特征融合和信息传递的效率。随后,引入全局局部特征交互模块(GLFIM)来平衡局部细节和全局上下文信息,增强多尺度特征的专注度,提高模型对目标尺度变化的适应性。在关联方面,引入角动量机制(AMM),充分考虑目标运动方向,以提升连续帧之间目标匹配的精确性。在MOT17和UAVDT数据集上进行实验验证,所提跟踪器的检测性能和关联性能均显著提升,并且在目标遮挡、尺度变化和杂乱背景等复杂场景下表现出良好的鲁棒性。

基于改进A^(*)算法的AGV全局路径规划

采用八邻域搜索策略的传统A^(*)算法对AGV(自动导引车)进行全局路径规划时,存在搜索邻域过多、实时性差和生成路径拐点多等问题,本研究采用三邻域与八邻域混合搜索策略对传统A^(*)算法的搜索策略进行改进,改进后的A^(*)算法在当前搜索点周围不存在障碍物时,选取指向终点的三个栅格作为搜索邻域,当搜索点周围出现障碍物,则转换为传统的八邻域搜索,并在完成搜索后,对搜索路径进行拉直处理,消除多余拐点,减少路径长度。仿真实验结果表明,改进A^(*)搜索算法能有效缩短搜索时间、减少路径拐点数量并缩短路径长度,提高AGV运行效率。

本地交流平台与全局传播渠道:区域知识创造理论的前沿

知识创造和更新是维系区域竞争优势的基础,如何探寻高质量的知识创造源是经济学的研究重点。作为区域知识创造理论的前沿,本地交流平台与全局传播渠道基于全新的视角阐释了区域知识创造路径。本文系统梳理了本地交流平台与全局传播渠道相关研究的发展脉络,从概念内涵、联系与区别、内在逻辑与形成机制、具体量化方法四个方面探讨了二者的理论价值和现实意义。本地交流平台与全局传播渠道能够揭示知识在区域内与区际流动及共享的实现机制,也有助于解答如何畅通内外部知识联系渠道以促进区域发展推陈出新等问题,后续研究需要对二者各自的发生条件和局限性进行更细致的挖掘,深入分析二者的内在逻辑与形成机制,拓展具有中国特色的本地交流平台与全局传播渠道问题研究。

弱全局信息下巨星座多路并发熵均衡路由策略

为保障地面系统对巨星座信息的高效获取,考虑实际卫星感知能力的约束,提出一种弱全局信息下巨星座多路并发熵均衡路由策略。首先,根据星座运行模式构建簇群,同时考虑簇的感知能力,建立弱全局信息下的“星-星/星-地”数据传输模型。其次,综合考虑网络结构、数据流量分布和信息多点频发等因素,对现有算法进行改进,引入熵作为评估节点负载分布均匀度的量化指标,引入惩罚因子对路径成本进行动态调整,并通过滚动窗口法规划巨星座多路并发情况下的对地传输路径。最后,以Starlink一期部署的卫星为例,进行数值仿真,验证所提方法的有效性。

考虑热误差的电主轴建模与可靠性全局灵敏度分析

以数控机床电主轴为研究对象,旨在分析其轴向热伸长量对电主轴可靠性的影响.采用Svenska Kullager-Fabriken(SKF)摩擦力矩模型对轴承生热量进行分析,设定对流换热系数为边界散热条件,建立了热分析有限元耦合模型,求解电主轴的温度以及轴向热伸长分布.将有限元模型与实验结果进行对比,验证了建立的有限元模型的准确性.考虑随机因素的影响,建立电主轴热变形可靠性分析模型,并采用Kriging模型进行可靠性求解.对电主轴热误差可靠性全局灵敏度进行分析,结果表明,转速和冷却水流量对可靠度影响较大,轴向力和径向力对可靠度影响较小.

局部-全局特征引导的图文多级关系分析与挖掘方法

具有语义相关性的文本、图像数据往往具有互补性,可以从不同角度增强语义理解,因此,图文语义关系挖掘是图文数据得以充分利用的关键。为解决图文数据深层语义关系挖掘不充分、检索阶段预测不精准的问题,本文提出了一种局部-全局特征引导的多级关系分析与挖掘方法。采用多头自注意力机制的Transformer建模图像关系,构建图像引导的文本注意力模块,挖掘图像区域和全局文本间的细粒度关系,融合局部-全局特征有效增强图文数据的语义关系。为验证本文方法,在Flickr30K、MSCOCO-1K和MSCOCO-3K数据集上进行实验,并与VSM、SGRAF等13种方法进行对比分析,本文方法中以文索图的召回率平均提升了0.62%,以图索文的召回率平均提高了0.5%,实验结果验证了本文方法的有效性。

基于射线和障碍物轮廓的移动机器人全局规划

针对全局路径规划算法A*存在的拐点多,路径质量差,在大型地图中搜索效率低的问题,提出了一种基于射线模型以及障碍物轮廓的规划算法。首先将规划过程分为偏置扩展和沿障碍物轮廓扩展两部分;其次在偏置扩展阶段使用射线模型进行快速扩展,在沿障碍物轮廓扩展阶段提出一种融合了栅格方向信息基于A*的搜索方法;接着,为了确保算法的可行性和性能提出了一种新的close表设置方式;最后,在Pycharm设置的仿真环境里进行实验对比,验证了所提算法的可行性和有效性。上述算法相较于A*具有更佳的搜索效率,路径质量也更好。

基于面部全局抑郁特征局部感知力增强和全局-局部语义相关性特征融合的抑郁强度识别

现有基于深度学习的大多数方法在实现患者抑郁程度自动识别的过程中,主要存在两大挑战:(1)难以利用深度模型自动地从面部表情有效学习到抑郁强度相关的全局上下文信息,(2)往往忽略抑郁强度相关的全局和局部信息之间的语义一致性。为此,该文提出一种全局抑郁特征局部感知力增强和全局-局部语义相关性特征融合(PLEGDF-FGLSCF)的抑郁强度识别深度模型。首先,设计了全局抑郁特征局部感知力增强(PLEGDF)模块,用于提取面部局部区域之间的语义相关性信息,促进不同局部区域与抑郁相关的信息之间的交互,从而增强局部抑郁特征驱动的全局抑郁特征表达力。然后,提出了全局-局部语义相关性特征融合(FGLSCF)模块,用于捕捉全局和局部语义信息之间的关联性,实现全局和局部抑郁特征之间的语义一致性描述。最后,在AVEC2013和AVEC2014数据集上,利用PLEGDF-FGLSCF模型获得的识别结果在均方根误差(RMSE)和平均绝对误差(MAE)指标上的值分别是7.75/5.96和7.49/5.99,优于大多数已有的基准模型,证实了该方法的合理性和有效性。

基于Pynq的半全局立体匹配算法实现

立体匹配算法作为双目立体视觉技术的核心算法,具有运算复杂度高、资源占用率高、实时性差的特点。而现有的基于FPGA实现方法多采用高性能FPGA芯片,利用其板卡丰富的资源进行纯verilog语言开发。这样做虽然实时性效果不错,但存在开发难度较大、周期较长、成本较高的弊端。论文针对该问题,提出了一种基于相对低廉的Pynq-z2开发板在PL+PS端协同开发的SGM立体匹配算法,将运算量大的部分在FPGA端进行硬件加速,部分代价优化算法在ARM端利用Python语言实现。实验表明,该算法可有效降低资源占用率,基本满足在相对低廉的嵌入式设备中实现的要求。

基于全局增强图神经网络的会话推荐方法

为解决现有会话推荐方法对其它会话中项目转换信息考虑较少的问题,提出一种基于全局增强图神经网络的会话推荐方法。位置感知全局图利用相对位置信息区分不同类型的邻居,对相邻项目转换建模,训练全局级项目嵌入,使用注意力机制从当前会话中捕获转换信息,训练会话级项目嵌入;分别从两种类型的项目嵌入中生成会话间嵌入和会话内嵌入;使用对比学习技术增强两个会话嵌入的鲁棒性。在3个数据集上的实验验证了该方法的有效性。

基于全局时序因子分析的中国区域绿色技术创新环境评价

为探究绿色技术创新环境水平及其提升路径,基于2017—2021年中国31个省份的数据样本,从区域层面构建绿色技术创新环境评价指标体系,引入全局时序因子分析法识别其中实际起作用的主要维度,对绿色技术创新环境水平进行评分,并用蝴蝶模型对比区域间差异。结果表明:基本公共服务、城市发展、政策效率、资源供给与绿色生活是影响绿色技术创新环境的4个主要维度;各区域绿色技术创新环境水平整体差异大,资源供给与绿色生活和城市发展方面差异最显著。建议通过政策引导、加大投入、扩大开放等措施实现资源跨区域流动,提升绿色技术创新环境。