基于再感知双模型联合训练的散焦模糊检测

针对散焦模糊检测(defocus blur etection, DBD)模型训练时没有对响应错误区域学习优化,且在识别过程中部分图像的模糊同质区域和处理边界过渡等位置仍然具有挑战性等问题,提出了再感知双模型联合训练方法和基于注意力机制多尺度语义融合散焦模糊检测网络。将未正确响应的预测区域映射到全新合成图像中驱动模型学习,实现再感知错误位置的图像特征;利用DBD任务的互补性质构建预测网络,组成对焦预测和模糊预测双模型,将互补网络中多余响应的区域反馈到另一个模型上从而提升训练效果;利用多尺度特征融合模块逐渐整合不同尺度的语义信息;在特征提取时设计了全局通道注意力模块,使模型关注预测结果的有效特征信息,增强网络在不同输入场景下的灵活性。在DUT、CUHK和CTCUG数据集上进行的对比实验表明,提出的方法与对比方法中性能最优者相比,F-Measure指标分别提高了0.082、0.051、0.264,MAE指标分别降低了0.032、0.018、0.144。

基于双模型竞争机制的目标跟踪算法

为解决背景感知相关滤波器存在的特征表达能力不足和模型漂移问题,本文提出了一种基于双模型竞争机制的目标跟踪算法.一方面,本文基于颜色和梯度信息设计了一种简单高效的特征描述子,以实现更鲁棒的目标表观建模.另一方面,本文分别构建初始模型和变化模型作用于目标搜索区域,并根据两者的跟踪响应图置信度来决定跟踪结果 .跟踪过程中,随着双模型主导地位不断地动态切换,变化模型也被赋予了可逆向学习的能力,从而达到缓解模型漂移的效果.实验结果表明,相比于基准算法,本文算法在OTB2015、TinyTLP和UAV20L三个数据集的跟踪精度分别提升5.0%、1.3%和4.1%,跟踪成功率分别提升3.8%、2.8%和1.7%,且在对不同跟踪场景实现稳定跟踪的同时能够保持25.5 fps的实时跟踪速度.

双模型介孔硅固定化脂肪酶研究

以溶胶-凝胶法合成双模型介孔SiO_(2)材料,并以该材料为载体吸附固定化脂肪酶。通过BJH法孔径分析和XRD表征表明,制备的载体呈现出孔径约为3nm和30nm的硅基结构的特征。以考马斯亮蓝法考察固载率,当固定化时间为2h、缓冲溶液pH值为8、固载温度为40℃时,固定化脂肪酶的固载率最大,可达到72.9%。

基于双模型融合的大熊猫头部图像分割

在大熊猫(Ailuropoda melanoleuca)的迁地保护和种群饲养管理中,及时、快速地进行个体识别和行为监测,对其健康管理具有至关重要的作用。圈养大熊猫健康状况通常由专门的饲养人员肉眼观测,人力成本高、效率低并且缺乏时效性。基于图像的动物个体识别与行为分析技术效率高、时间成本低,已经成为新的监测发展趋势。已有研究提出,通过大熊猫面部图像的检测和分析,可实现个体识别和行为分类。但该方法依然存在检测精度不足导致识别准确率难以提升的问题。本文提出一种基于YOLOv3和Mask R-CNN的双模型融合方法,实现了大熊猫头部图像分割和精准检测。包含3个部分:YOLOv3完成头部检测,Mask R-CNN完成大熊猫轮廓分割,然后将两个模型的输出进行交并比融合。结果显示,头部检测准确率为82.6%,大熊猫轮廓分割准确率为95.2%,总体头部轮廓分割准确率为87.1%。该方法对大熊猫头部图像的识别率和分割准确率高,为大熊猫的个体识别、性别分类提供了帮助,为行为分析提供了技术参考。

基于双模型交互学习的半监督医学图像分割

在医学图像中,器官或病变区域的精准分割对疾病诊断等临床应用有着至关重要的作用,然而分割模型的训练依赖于大量标注数据.为减少对标注数据的需求,本文主要研究针对医学图像分割的半监督学习任务.现有半监督学习方法广泛采用平均教师模型,其缺点在于,基于指数移动平均(Exponential moving average,EMA)的参数更新方式使得老师模型累积学生模型的错误知识.为避免上述问题,提出一种双模型交互学习方法,引入像素稳定性判断机制,利用一个模型中预测结果更稳定的像素监督另一个模型的学习,从而缓解了单个模型的错误经验的累积和传播.提出的方法在心脏结构分割、肝脏肿瘤分割和脑肿瘤分割三个数据集中取得优于前沿半监督方法的结果.在仅采用30%的标注比例时,该方法在三个数据集上的戴斯相似指标(Dice similarity coefficient,DSC)分别达到89.13%,94.15%,87.02%.

双模型结合进一步降低预测均方根误差和均方根相对误差的方法

前期研究工作提出了以预测均方根相对误差最小为回归目标的方法(Minimization of prediction relative error,MPRE),它能使得预测结果的均方根相对误差更小。偏最小二乘法(Partial least squares,PLS)是以预测均方根误差为回归目标,能使得预测结果的均方根误差更小。基于多模型结合的思想,提出将MPRE与PLS相结合的双模型结合多元校正方法。本方法步骤为:(1)分别采用MPRE与PLS法对校正集建模;(2)计算阈值;(3)分别采用已建立好的MPRE与PLS模型进行预测;(4)将预测结果与阈值进行比较,得到预测结果。通过对酒精的近红外光谱与汽油紫外光谱进行定量分析结果表明,本方法可进一步减小预测均方根误差与相对误差。

基于动态区域规划的双模型车道线识别方法

为提高车道偏离预警以及前方车辆识别系统性能,提出一种基于动态区域规划的双模型结构化道路车道线检测方法.通过基于模板的腐蚀、膨胀处理改善了图像预处理效果.根据"微元"理论进行图像动态细化分区,对各区域局部独立识别,整体综合分析,最终利用直线和B-样条曲线双模型完成车道线拟合.实车试验证明,直线/B-样条曲线双模型拟合,提高了算法对不同车道线的适应性.

双模型介孔SiO_2二次孔结构对布洛芬装载和释放性能的影响

通过调整制备过程中的搅拌速度合成了具有不同二次孔结构的双模型介孔SiO2纳米材料(BMMs),进而通过3-(2-氨基乙基氨基)丙基三甲氧基硅烷对其表面修饰,以布洛芬为模型药物,重点考察了组装与缓释性能,并根据Korsmeyer–Peppas方程分析其释放动力学行为.采用XRD、TEM、N2吸脱附曲线以及元素分析等多种表征手段,结果表明通过改变搅拌速度可以改变正硅酸乙酯的水解和缩聚速度,从而直接影响BMMs一级孔结构的有序度和由颗粒堆积而成的二级孔大小.选用布洛芬作为药物模型,BMMs一级孔结构主要影响其药物的组装性能,二级孔结构则主要影响药物分子的缓释行为,二级孔越大,释放速率越快.

双模型背景建模与目标检测研究

基于像素的背景建模方法速度较快但不能很好地描述背景运动,光流能准确描述物体运动但计算量大,难以满足实时的要求.提出一种结合基于像素的背景建模方法速度快以及光流描述物体运动准确优点的背景建模和目标检测方法.具体来说,为静止背景建立传统基于像素的灰度背景模型,为运动背景建立光流背景模型,通过2种背景模型的有效结合快速准确地实现目标检测.实验结果表明,提出的方法建模速度与基于像素背景建模方法相当,同时,又有光流准确描述背景运动的优点,综合性能超越上述2种方法.

常减压蒸馏装置双模型结构RBF神经网络建模及其应用

文中提出双模型结构RBF(RadialBasisFunction)神经网络 ,结合工艺机理和相关分析法 ,筛选出影响较大的变量。对现场数据 ,用小波分析法 ,剔除噪声和故障数据 ,考虑各输入信号对软仪表影响时间的区别 ,分别采用不同的滞后时间 ,建立了常减压蒸馏装置质量软仪表模型 ,取得较好的结果。

双模型介孔SiO_2负载磷钨酸催化剂催化废油脂酯化反应的失活研究

以双模型介孔SiO2(BMMs)为载体,采用浸渍法制备负载型磷钨酸催化剂(HPW/BMMs),借助XRD、FTIR、UV-Vis、N2吸附-脱附、31P NMR和XRF方法,重点研究了该催化剂在废油脂酯化反应过程中的重复使用性能、活性下降原因及反应前后催化剂的结构变化和化学组成。结果表明,HPW/BMMs催化剂重复使用4次后,酯化率由72.8%降至60.1%;反应前后催化剂中HPW的Keggin结构无明显变化,但其晶相结构发生了较大改变,同时载体BMMs的结构有序度有所下降,这是催化剂表面吸附了大量有机物所致;催化剂表面严重积炭和HPW的流失(重复使用4次后HPW质量分数由36%降至20%)可能是其活性下降的主要原因。

基于双模型滤波算法的环控系统换热器故障诊断

在建立飞机环控系统数学模型的基础上,提出采用双模型滤波方法进行参数估计、状态预测和故障诊断,提高飞机环控系统故障诊断的快速性和准确性。如果采用最小二乘算法,参数估计是静态的,故障诊断延迟一般较大;采用单模型扩展Kalman滤波算法,虽然能够实现动态估计,但不能同时兼顾稳态过程和过渡过程(突发故障)的参数估计,导致误差较大。为了解决上述难题,针对飞机环控系统换热器故障诊断,提出两模型滤波算法。该算法由两个滤波器组成,分别用于跟踪系统的稳态和过渡过程。由于采用了两滤波器模型分别匹配不同的系统特征,能够改善飞机环控系统不同状态下的参数估计和状态预测性能,从而提高系统故障诊断的精度和速度。仿真结果证实了该算法的有效性。

改进的双模型结构RBF神经网络及其应用

提出了离线结构学习和在线权值校正相结合的双模型结构RBF神经网络,以离线学习和在线校正相结合的方式实现网络的自学习和自校正,满足了软测量仪表现场应用的要求。针对应用过程中出现预测误差过大的现象,通过对网络算法进行分析,研究影响网络预测精度的因素,在此基础上,提出了以K均值聚类法和递推下降算法相结合的RBF神经网络建模改进算法,仿真结果和实际应用证明了改进算法的有效性。

改进的双模型的运动目标检测方法

在动态背景下,由于双模型算法对运动目标检测时会出现误检、目标检测不完整和出现鬼影的现象,提出一种改进的双模型的运动目标检测算法。该算法首先对双模型背景的判断方式改进,将新来像素点图像值与背景模型对应位置样本值之间的距离和阈值进行比较,可以全面地区分前景和背景。然后对自适应阈值更新方式改进,通过对前景背景的判断情况把自模型和邻域模型结合起来,作为阈值增加或减少的条件,能够更精确地检测出前景。最后,结合帧间差分技术,通过比较对应位置像素值的时域变化来判断鬼影像素,以达到快速消除鬼影的目的。实验结果表明,改进算法的检测结果比原来的双模型更加精确、全面。

基于双模型的MUS求解方法

求解不可满足问题的极小不可满足子集(minimal unsatisfiable subset,MUS)是人工智能领域的重要研究方向.MARCO-M方法是目前采用单一极大化模型求解MUS效率最高的方法,但此方法未对求解空间进行进一步有效剪枝.针对MARCO-M方法的不足,结合可满足问题求解复杂度低于不可满足问题的特征,提出基于双模型即极大中间化模型的MARCO-MAM方法求解MUS.此方法对中间模型求解若得到极大可满足子集(maximal satisfiable subset,MSS),则利用可满足问题对应求解空间对不可满足问题的求解空间进行剪枝,即利用MSS对应的空间来对MUS搜索空间进行剪枝,进而通过缩减未探索空间来提高MUS求解效率;如果中间模型进行求解得到MUS时,则减少了MARCO-M方法中MUS的不可满足迭代求解次数.此方法避免了MARCO-M方法单一极大化模型求解MUS时未有效利用其他优化技术对求解空间进行剪枝的问题.实验结果表明:与MARCO-M方法相比MARCO-MAM方法效率较高,尤其在大规模问题或较大搜索空间时效率提高更为明显.

高校财务风险评价与预警双模型实证研究

文章针对现阶段高等学校普遍关注的财务风险评价预警问题进行实证研究,通过采用巴萨利模型和功效系数模型,从企业财务、事业财务两个视角对高等学校财务风险程度进行了度量分析,并对两种模型下高校的财务风险趋势轨迹进行了实证验证,得出该方法可以有效预警高校财务风险的研究结论。

双模型语音识别中的听视觉合成和模型同步异步性实验研究

研究了双模型语音识别系统中前合成和后合成两种听觉视觉合成方法 ;同时在后合成方法中引入了考虑听觉和视觉同步异步特点的复合模型。仿真实验证明了在声学噪音环境下 ,后合成方法能够带来比较理想的识别效果 ;考虑听觉和视觉同步异步性的模型可以有效地提高识别率。

大型翻板闸门流体激振的双模型试验研究

针对水工闸门的流激振动普遍存在的情况下,振动强度难以预测的问题,通过双模型试验获得结构振动响应特征,即通过变态相似的水力学模型试验获得流体激振载荷功率谱密度,借助严格比例的结构模型试验获得液固耦合下的结构分析点的传递函数,通过数值计算得到不同工况下闸门过流时的振动随机响应特征.在某大型翻板闸门的应用结果表明,该方法合理有效,通过模型试验与随机响应计算,预测实际流激振动的随机响应特征量;门顶过流时该闸门的振动响应集中在低频段,不会产生共振现象,同时该闸门对波浪载荷作用将是敏感的,必须给予充分关注.

双模型运营媒体分析：大陆与台湾广电体制改革比较

在相同的中华文化历史背景和不同的社会制度下,大陆和台湾在20世纪80年代以前的广电体制分别是"国有国营"和"官控商营"。此后两岸分别开始了广电体制改革,在改革中采取了不同的路径,并有了不同的发展。2007年,两岸的广电体制改革又进入了新的时期,大陆开始广电体制的全面产业化改革;台湾则开始公共电视集团的扩张,加大广电体制的公共化改革力度。两岸为何会采取不同的改革路径?运用媒体的市场模型和公共领域模型分析广电二元结构和广电体制改革的内在矛盾,可以有效地回答这一问题。因为双模型约束下的广电体制必须平衡产业化和公共化,不能只对其中任一方面进行重点改革,而要同时进行改革,以防止出现偏颇而造成社会损失。

快速凝固Ti－55合金中稀土第二相双模型分布的形成

对快速凝固Ｔｉ－５Ａｌ－４Ｓｎ－２Ｚｒ－１Ｍｏ－０．２５Ｓｉ－１Ｎｄ（Ｔｉ－５５）高温钛合金９８０℃，５ｈ处理样品的透射电镜分析表明，稀土第二相在合金中以双模型分布，较小颗粒尺寸为２０－８０ｎｍ，较大颗粒尺寸为２００－３００ｎｍ．在扩散控制第二相粒子长大动力学方程的基础上，运用扰动理论，分析了第二相颗粒尺寸的定态解的稳定性，并验证了双模型分布．