一种融合注意力机制与3D双流卷积网络的动态头势识别方法

头势能够传递丰富的情绪和意图信息,属于重要的人机交互方式之一。然而,目前基于穿戴式传感器的头势识别方法虽然具有较高的识别率,但缺乏经济性和便捷性,而基于机器视觉的方法普遍存在准确率低、泛化性差、算力成本较高的问题,因此目前的头势识别方法仍难以部署于移动机器人。针对以上问题,提出了一种融合注意力机制与3D双流卷积的动态头势识别方法。该方法从动态头势视频帧中提取RGB信号和光流特征,在注意力机制的启发下,从通道域和空间域进行动作特征提取和增强,从而对关键特征进行准确提取,然后对特征进行融合与分类。实验结果表明,所提方法能够有效提取头势中关键的通道域和空间域信息,可显著提高头势识别的准确率及泛化能力,可在有限算力下实现较高的准确率与实时性。其后,将所提方法应用于助老机器人,在实际示范应用中进行了验证,结果表明本方法适于移动机器人等算力受限的移动机载计算平台。

一种基于双流融合3D卷积神经网络的动态头势识别方法

目前基于视觉的动态头势识别算法泛化能力弱、识别率低,头戴式传感器的方法经济性、便携性差.针对以上问题,提出了一种无需头戴设备的动态头势识别算法.这种基于双流融合3D卷积神经网络的方法用头部动作生成稠密光流,并将原始数据和光流数据并行输入构建的动作特征提取器,最后进行特征融合.结果表明所提算法比人工特征提取方法和C3D模型有更高的准确率、更好的泛化能力,在无需头戴传感器的情况下有近似头戴式传感器的识别率.

基于双动态头Sparse R-CNN的表面缺陷检测算法

为了减少缺陷检测中的冗余检测,提出基于双动态头Sparse R-CNN的缺陷检测算法,2个动态头的责任不同:第1个负责不同尺度和空间的特征提取,第2个负责匹配可学习的提议特征。为了更好地提取图像细节信息,改进特征金字塔(FPN)为特征金字塔网格(FPG),并且与第1个动态头相结合进行特征提取。其次,提出了交流注意力来改进检测阶段的多头自注意力模块,减少随着迭代注意力图相似导致建模能力下降的问题。最后,改进边框回归损失函数GIoU为Alpha-CIoU,加速收敛并提升检测的精度。实验结果表明:算法在晶圆和热轧钢2种表面缺陷数据集上都取得很好效果,平均精度分别为94.3%和88.1%。

一种基于动态虚簇头的WSN拥塞控制改进算法

针对多跳分簇层次结构WSN模型中簇头出现的拥塞问题,该文提出了一种基于动态虚簇头的拥塞控制改进算法,采用平均队列长度和拥塞度两个参数检测拥塞,通过簇内和簇外采取不同的机制解除和缓解拥塞,仿真实验结果表明该算法在丢包率、网络吞吐量、数据传输时延上都有较好的性能。

基于簇头冗余的WSN不等规模分簇路由

在采用多跳通信方式的分簇无线传感器网络中,接近sink点的簇头负担较重,容易过早耗尽能量而失效,造成网络分割,降低网络传输质量。针对该问题,在研究已有工作的基础上提出一种结合不等分簇和冗余簇头机制的路由算法。经仿真验证,该算法在延长网络生命周期、节约网络能耗和提高数据传输可靠性方面有较好的性能。

SF_6断路器触头状态专家诊断系统研究

在不拆解SF_6断路器灭弧室的情况下,动态电阻法可检测其触头状态,在测得触头动态电阻值并绘制出动态电阻曲线的基础上,构建了SF_6断路器触头状态专家诊断系统。该专家系统利用SF_6断路器出厂动态电阻曲线与运行后所测的动态电阻曲线之间的相关系数及弧触头接触阶段电阻-行程积分面积作为诊断依据,直接从动态电阻曲线中提取并计算相应参数,再依照诊断标准给出触头状态诊断结果。实例验证表明,选择该SF_6断路器触头状态专家诊断系统中两种诊断参数,均可准确诊断出SF_6断路器的触头状态,并可据此提出简单的维修方案。该专家系统是利用动态电阻法检修断路器状态的有力辅助工具。

能源网络的动态优化分簇改进LEACH路由协议

面向小范围能源网络拓扑结构的数据传输问题开展研究。考虑网络传输范围对簇头选举的影响,通过动态优化簇头选举概率以增加能源路由网络中的数据传输容量,优化因通信传输中能量损耗而带来的负载均衡问题,提出一种基于网络范围的动态优化分簇改进低功耗自适应分簇(LEACH,Low Energy Adaptive Clustering Hierarchy)协议。对比传统的LEACH协议和能量高效分簇路由协议(EEPBL),基于网络范围的动态优化分簇改进LEACH协议在传输数据容量和节点生存周期两个指标上具有提升,能够有效改善能源路由器的通信性能。

双向多尺度特征融合的高效遥感图像车辆检测

针对遥感图像中车辆检测面临的背景复杂、多尺度差异和小目标难以检测等挑战,提出了一种基于双向多尺度特征融合的检测方法GEM_YOLO。该方法包括三个主要部分:设计了全局高效注意力模块作为特征提取器,实现轻量化和高效率的特征提取,以解决复杂背景下的目标检测问题;提出了双向多尺度特征融合网络作为特征融合器,采用自顶向下和自底向上的特征融合策略,有效促进不同层次特征之间的信息交互;应用基于注意力的动态检测头作为预测器,增强了对不同尺度、空间位置和任务的感知,进一步提升了目标检测的精度和鲁棒性。在公开数据集DIOR和DOTA上进行相关实验,该方法的平均精度均值达到92.4%和81.4%,显著优于其他主流检测方法,同时具有更少的参数量和计算量,为遥感图像检测领域中的车辆检测提供了一种高效解决方案。

120昼夜头低位对腱反向的影响

利用持续时间为120昼夜的头低位（－6°）性低动态模型进行脊反射机理状态的动态变化研究。在头低位性低动态的初始阶段膝反射和腱反射系统变得灵敏，表现为反射反应阈值大幅度下降、反射幅度增加和刺激范围扩大，但观察到的参数动态变化不同。第2昼夜的反射反应阀值的急剧下降存在于低动态的所有时期，头低位性低动态第一阶段（第15－30昼夜）腱反射特性增加的幅度最大，以后肌电描记反应幅度有明显的下降趋势。

基于位置感知和跨层特征融合的航拍小目标检测算法

针对航拍图像目标尺度小、背景复杂、漏检和误检严重,提出了一种基于位置感知和跨层特征融合的航拍小目标检测算法DC-YOLOv8s。DC-YOLOv8s新增小目标检测层,增强对小目标尺度的敏感性,提高检测精度。为了减少特征信息的丢失,设计了跨层特征融合模块,充分融合小目标浅层语义信息和深层语义信息,丰富特征表示。改进C 2f结构,结合可变性卷积设计了基于位置感知融入残差的感受野注意力模块,适应航拍小目标形状的变化,快速提取感受野特征,降低漏检和误检率。最后使用基于注意力机制的动态检测头在尺度感知、空间感知、任务感知方面提高复杂场景下小目标的定位性能。实验表明,在VisDrone2019数据集上,DC-YOLOv8s在P、R、mAP上相较于YOLOv8s分别提高了7.2%、7.5%、9.1%,显著提高了小目标检测的性能,FPS为71帧,满足实时性要求。在VOC2007+2012上进行模型泛化性实验验证,效果优于其他经典算法。

改进YOLOv5的路面坑洞检测算法

路面坑洞的检测和识别对于自动驾驶和公路养护至关重要。为了解决在不同光照条件下以及坑洞积水所导致的路面坑洞识别难题,并将其应用于一些资源受限的现场环境中,本文提出了一种改进YOLOv5的路面坑洞检测算法。该算法利用PConv改进了C3模块来实现更快的检测速度,并通过采用动态检测头的不同感知模块来适应路面坑洞的不同特征。同时,将模型的损失函数CIoU改进为SIoU,提高模型的精度和收敛能力。实验的结果表明,改进后的YOLOv5算法在路面坑洞检测中平均精度值提高了5.19%,模型体积也减小了13%。

改进YOLOv8的输电线路异物检测方法

针对无人机对输电线路异物检测准确度有限,模型计算复杂度高、计算速度有限的问题,提出一种改进YOLOv8的输电线路异物检测方法SC-YOLO。该方法引入StarNet以构造C2f_Star模块实现Neck网络轻量化,有效降低模型参数量与计算量,同时通过增加特征空间维度提升Neck部分特征提取能力;在骨干网络输出特征图后添加卷积注意力融合模块,提升骨干网络对输入特征图的初步特征提取能力,增强模型整体检测效果;将原检测头替换为动态检测头,提升模型对不同输入的动态调整能力与对关键信息的关注程度;使用WIoU作为边界框损失函数,EMA-Slide Loss作为分类损失函数,提升模型泛化能力与检测性能。实验结果表明,提出的SC-YOLO计算量较原始模型下降8.02%,mAP提升1.4个百分点,达到了95.2%的检测精度,在降低模型计算复杂度的同时实现了较高的检测准确率,具有高可行性与实用性。

智慧园区无线传感网络能量均衡覆盖优化系统

针对传统LEACH协议存在数据传输效率较低以及节点能量分布不均的缺陷,文中从功耗和效率层面出发,提出了一种无线传感网络能量均衡覆盖优化系统。对于节点能量分布不均的问题,设计了由剩余能量因子与距离因子所组成的系统权重因子,并根据该因子及竞争半径来选择簇头。同时基于遗传算法提出了一种单链多跳路由协议,进而提升了系统的功耗水平,解决了数据传输效率偏低的问题。以某智慧园区为模型进行的实验测试结果表明,所设计系统的存活节点个数、系统剩余能量以及数据包接收数量这三个指标均大幅领先,充分说明了改进后的算法能够有效减少系统的能量损耗并提升节点的利用率,使其可以存活至1200轮,从而延长整个WSN系统的运行周期。

急性酒精中毒合并颅脑损伤的救治体会

目的 探讨急性酒精中毒合并颅脑损伤的有效治疗措施。方法 回顾性分析 5 4例急性酒精中毒合并颅脑损伤的临床资料。结果 轻度酒精中毒合并轻度脑损伤的病人 ,共 2 4例 ,恢复良好。重度酒精中毒或 /和重度脑损伤的病人 ,恢复良好 2 0例 ,中残 5例 ,重残 2例 ,死亡 3例。结论 急性酒精中毒合并颅脑损伤的救治包括积极的现场急救 ,严密观察病情变化 ,及时治疗酒精中毒和动态头CT检查以明确脑损伤类型并采取相应的治疗措施。预后较好。

基于能量高效的无线传感器网络LEACH协议改进

针对无线传感器网络节能问题,详细分析了经典分簇协议——LEACH,在其基础上针对LEACH的不足进行改进,提出了一种能量高效的分簇路由协议。该协议在簇头选举的算法中纳入节点剩余能量作为参数,提出各簇独立进行的簇头轮换机制,控制簇头在簇中的分布和各簇成员节点数目,并采用基于阈值的单跳与多跳相结合的簇间通信方式。仿真结果表明,改进后的协议较LEACH能够有效节约节点能量,均衡网络各节点消耗,显著延长了网络生存周期。

Configuration Optimization of Two-Rail Sliders on Dynamic Characteristic

An optimal design methodology for the configuration of two rail slider was proposed to get better dynamic performance. The taper length, taper height and the rail width of the reading/writing head are considered as design variables. The complex geometry method is utilized as the search scheme in the optimization process. Optimization results show that the new slider has better dynamic characteristics and is more stable than the original designed slider. The optimization process also demonstrates that the optimum model and optimum method is effective.

一种改进YOLOv8的密集行人检测算法

针对密集场景中小尺度的遮挡行人容易漏检的问题,提出一种改进YOLOv8检测算法。首先,针对小尺度行人特征提取问题,采用由可变形卷积改进的骨干网络增强网络对特征的提取能力,并设计遮挡感知注意力机制增强遮挡行人可见部分特征;其次,针对密集行人场景检测头定位不准的问题,设计动态解耦头增强对多尺度行人特征的关注,提高检测头的表达能力;最后,针对模型训练效率低的问题,训练时采用Wise-Io U与分布式聚焦损失结合的回归损失,提高模型的收敛能力。通过实验结果分析,改进YOLOv8算法在2个具有挑战性的密集行人数据集Crowd Human和WiderPerson上性能优秀,AP50分别达到90.6%和92.3%,AP50:95分别达到62.5%和68.2%。相较原算法有了较大提升,且与其他先进行人检测模型进行比较时表现出了很强的竞争力。所提算法在密集行人检测任务中具有广泛的应用前景。

西安市地下水与地面沉降地裂缝耦合关系及风险防控技术

西安市地面沉降地裂缝发育,世界罕见,一直是该领域研究的热点地区。近年来又出现新的发展趋势,严重制约城市发展和威胁地铁等重大工程安全运营。笔者依据254个地下水动态监测资料,总结了西安地下水资源开发历史与地下水头动态变化规律,耦合分析了地面沉降地裂缝与地下水位下降之间的关系,提出了基于地下水头管理的地面沉降地裂缝风险防控技术。结果显示:西安市地面沉降地裂缝是多种因素综合作用的结果,其发生和发展过程及其严重程度均与地下水头下降密不可分,并受黏性土层厚度的影响;空间上地下水头降落漏斗中心与地面沉降中心基本吻合,时间上地面沉降发育时间滞后地下水头降落2-3年,沉降速率是地下水头每下降1m的累计最大地面沉降量50mm;地下水头回升会引起短时和少量地面回弹量,并能够缓解或遏制地面沉降。挖掘历史地下水头与地面沉降地裂缝监测数据,建立了基于地下水头的地面沉降地裂缝预警阈值和风险防控技术。

基于分簇算法的传感器网络大数据传输优化方法

为解决由于传感器网络中节点距离长、部署复杂程度高,导致数据传输不稳定、耗能大的问题,提出了基于分簇算法的传感器网络大数据传输优化方法。结合传感器参数和覆盖范围计算出动态簇头和簇成员间距离,总结出最优动态簇头数量,提高能量利用率。通过最小路径法判定初始节点,计算直接传输及间接传输方式的节点能耗,根据二者对比结果选择耗能最小的传输路径,实现数据传输的优化。仿真分析结果表明,所提方法平均需要26次即可完成80个传感节点数据信息的传输工作,在传输轮数为160时传输节点数量为750,传感器耗能为260 kWh。所提方法耗能更低、传输效率更快,在多个方面优化了大数据传输性能。

Detection of small hepatocellular carcinoma:Comparison of dynamic enhancement magnetic resonance imaging and multiphase multirow-detector helical CT scanning

AIM: To compare the gadolinium-enhanced multiphase dynamic magnetic resonance imaging (MRI) and multiphase multirow-detector helical CT (MDCT) scanning for detection of small hepatocellular carcinoma (HCC). METHODS: MDCT scanning and baseline MRI with SE T1-WI and T2-WI sequence combined with FMPSPGR sequence were performed in 37 patients with 43 small HCCs. Receiver operating characteristic (ROC) curves were plotted to analyze the results for modality. RESULTS: The areas below ROC curve (Az) were calculated. There was no statistical difference in dynamic enhancement MDCT and MRI. The detection rate of small HCC was 97.5%-97.6% on multiphase MDCT scanning and 90.7%-94.7% on MRI, respectively. The sensitivity of detection for small HCC on MDCT scanning was higher than that on dynamic enhancement MRI. The sensitivity of detection for minute HCC (tumor diameter ≤ 1 cm) was 90.0%-95.0% on MDCT scanning and 70.0%-85.0% on MRI, respectively. CONCLUSION: MDCT scanning should be performed for early detection and effective treatment of small HCC in patients with chronic hepatitis and cirrhosis during follow-up.