结合双金字塔特征融合与级联定位的车牌检测

为了解决复杂环境中不同因素干扰车牌检测精确度的问题,提出了一种基于双金字塔特征融合的复杂环境下车牌检测算法。通过采用Mish激活函数的残差网络(ResNet101-M)对输入图像进行初级特征提取;在传统特征金字塔网络(feature pyramid network,FPN)的基础上,提出了一种改进的双金字塔特征融合网络(siamese feature pyramid network,SFPN)。被提取的初级特征被送入该网络进行多层特征融合。融合后的特征被送入基于形状先验的锚点设置网络来确定感兴趣区域。将所生成的感兴趣区域送入级联定位网络从而得到准确的车牌检测结果。实验结果表明,该算法在AOLP与CCPD车牌数据集上均能够有效提升检测性能。

基于双金字塔网络的RGB-D群猪图像分割方法

为实现群养猪的视觉追踪和行为监测,针对猪舍中仔猪因拥挤堆叠等习性而导致的目标个体粘连、图像分割困难问题,提出基于双金字塔网络的RGBD群猪图像分割方法。该方法基于实例分割Mask R-CNN框架,在特征提取网络(ResNet101)基础上改进成双金字塔特征提取网络。RGB图像和Depth图像分别提取特征后进行融合,输入区域生成网络得到预选锚(ROI)和共享特征输入Head网络,通过类别、回归和掩模3个分支,输出检测目标的位置和分类结果,实现猪舍场景下群养仔猪粘连区域的有效个体分割。网络模型训练采用2000组图像样本,按照4∶1比例随机划分训练集和验证集。试验结果表明,双金字塔网络(Feature pyramid networks,FPN)能有效解决颜色相近、个体相似的群猪粘连问题,实现单个仔猪区域的完整分割,分割准确率达89.25%,训练GPU占有率为77.57%,与Mask R-CNN和PigNet网络分割结果相比,分割准确率和分割速度均有较大提高。双金字塔网络模型对于多种行为状态、不同粘连程度的群猪图像中个体分割都取得了良好效果,模型泛化性和鲁棒性较好,为群养猪的个体自动追踪提供了新的途径。

以任意三角形为基底的5-体双金字塔中心构型

讨论了以任意三角形为基底 5 体构成非对称双金字塔中心构型的必要条件 ,在某些对称条件下 ,给出了 5

“双金字塔”型医学信息人才全链条培养模式研究

目的:为满足健康中国战略背景下对医学信息人才的培养需求,解决医学信息人才培养过程中存在的学术研究型与专业技能型医学信息人才教育壁垒问题、医学信息素养教育周期分段式与离散化问题、顶层设计与教学体系落地方案嵌入深度不足问题,提出"双金字塔"型医学信息人才全链条培养模式,促进医学信息人才岗位胜任力的提升.方法:通过对国内外医学信息人才培养现状进行梳理、整合,发现医学信息人才教育现存的三大问题,并基于此构建"双金字塔"型医学信息人才全链条培养模式.结果:形成以医学知识和信息素养的双金字塔为基础、全面贯通医学信息人才"本-硕-博-职"各个阶段、多维度、立体化的人才培养新体系.结论:构建双金字塔型医学信息人才全链条培养模式,以期解决医学信息人才教育过程中的三大问题,为我国健康医疗信息化人才培养提供借鉴和参考,促进医学信息人才培养质量的提升.

一类以凹五边形为基底的7-体双金字塔中心构型

讨论了一类以凹五边形为基底的 7 体构成双金字塔中心构型的必要条件 .在某些对称条件下 ,给出了 7 体构成双金字塔中心构型的必要条件或充要条件 .如果m1,m2 ,… ,m7构成双金字塔中心构型 (其中m5位于m1,… ,m4构成的凸四边形的对角线的交点处 ,m6,m7的连线过m5且垂直于m1,m2 ,… ,m5构成的基底并且到基底的距离相等 ) ,那么 ,m6=m7;在该双金字塔中心构型中 ,若m1,… ,m4构成一伞形 ,则其中一条对角线上的两个质量相等 ;在该双金字塔中心构型中 ,m1,… ,m4构成平行四边形的充分必要条件是该平行四边形是菱形且每条对角线上的两个质量相等 ,m1,… ,m4构成矩形当且仅当该矩形为正方形且m1,… 。

由“双金字塔”思想论企业对员工的社会责任

由双"金字塔"思想论企业对员工的社会责任是因为企业是员工的第二个家庭。工作环境的好坏、是否舒适、安全直接影响着员工的工作质量、生活质量以及生命;工资是维持一个人的基本生存需要,克扣、拖欠工资就是剥夺了员工的生存权。员工拿不到工资,意味着生计无着,难以维系自己和其家人的基本生活,更谈不上对其子女的教育培养。所以,在构建和谐社会的今天,企业必须对员工承担社会责任,使员工实现自我价值,企业才可持续发展。

具有平行四边形基底的双金字塔中心构型(英文)

研究了六体构成以平行四边形为基底的对称双金字塔中心构型 (SDPCC)的条件 ,得到了某些特殊基底下对称SDPCC的充要条件 .主要结论有 :SDPCC的平行四边形基底必须是菱形 ,该菱形每条对角线上的两个质量相等 ,该菱形基底两侧的两个质量也相等 ;此中心构型的参数λ满足λ =2m18+ 2m2( 1+r2 ) 32+ 2m5( 1+h2 ) 32λ=2m1( 1+r2 ) 32+ 2m28r3+ 2m5(r2 +h2 ) 32λ=2m1( 1+h2 ) 32+ 2m2(r2 +h2 ) 32+

双金字塔式教学实验系统的实践

针对大型实验设备价格高 ,实验经费不足 ,难以达到一人一机的理想配置 ,提出了双金字塔式教学实验系统的构架 ,其主要内容是增加一些中低价格的设备 ,达到或尽量达到每个学生能亲自在高价值设备上完成实验内容 ,提高实验教学效果。

探索构建“立信”实践教育双金字塔体系——高校学生工作创新研究

高校学生工作对高等教育的发展起着重要的作用。探索构建“立信”实践教育双金字塔体系对整合学生工作并深化高校学生工作的育人效果具有实际意义。

基于双空间金字塔匹配核的图像目标分类

提出一种基于局部特征的双空间金字塔匹配核(bi-space pyramid match kernel,BSPM)用于图像目标分类.利用局部特征在特征空间和图像空间建立统一的多分辨率框架,以便较好地表达图像的语义内容.该方法同时在特征空间和图像空间建立金字塔型结构,通过适当匹配可以得到正定核函数,该函数具有线性计算复杂度,可以运用于基于核的学习算法.将BSPM嵌入支持向量机对公共数据库中图像目标进行分类,实验结果表明该方法对图像具有良好的分类能力,优于词汇导向的金字塔匹配核和空间金字塔匹配核.

双端输入型嵌套融合多尺度信息的织物瑕疵检测

针对织物瑕疵检测中复杂纹理区域误判和边缘检测模糊问题,提出一种双端输入型网络架构WNet,使用两个骨干分支分别提取多尺度局部和全局特征,依靠自注意力机制的全局建模能力,在卷积深层网络中补充全局信息,减少深层网络中纹理特征的冗余.为了减少深层网络中局部细节信息的丢失,提出一种轻量级双分支池化金字塔,将浅层多尺度细节特征引入深层模块.搭建多尺度嵌套双分支模块,将各级尺度下不同感受野的特征信息进行融合,该模块更加关注瑕疵特征,可以生成较精确的预测图.实验证明,提出的方法在ZJU-Leaper的四个数据集上的综合评价指标较优,尤其是fmeasure、阳性预测率和阴性预测率较高.

基于跨模态注意力融合的煤炭异物检测方法

为解决原煤智能化洗选过程中煤流中夹杂的异物对比度低、相互遮挡导致异物图像检测时特征提取不充分的问题,提出了一种基于跨模态注意力融合的煤炭异物检测方法。通过引入Depth图像构建RGB图像与Depth图像的双特征金字塔网络(DFPN),采用浅层的特征提取策略提取Depth图像的低级特征,用深度边缘与深度纹理等基础特征辅助RGB图像深层特征,以有效获得2种特征的互补信息,从而丰富异物特征的空间与边缘信息,提高检测精度;构建了基于坐标注意力与改进空间注意力的跨模态注意力融合模块(CAFM),以协同优化并融合RGB特征与Depth特征,增强网络对特征图中被遮挡异物可见部分的关注度,提高被遮挡异物检测精度;使用区域卷积神经网络(R-CNN)输出煤炭异物的分类、回归与分割结果。实验结果表明:在检测精度方面,该方法的AP相较两阶段模型中较优的Mask transfiner高3.9%;在检测效率方面,该方法的单帧检测时间为110.5 ms,能够满足异物检测实时性需求。基于跨模态注意力融合的煤炭异物检测方法能够以空间特征辅助色彩、形状与纹理等特征,准确识别煤炭异物之间及煤炭异物与输送带之间的差异,从而有效提高对复杂特征异物的检测精度,减少误检、漏检现象,实现复杂特征下煤炭异物的精确检测与像素级分割。

基于非局部融合的多尺度目标检测研究

针对现有的多尺度目标检测模型在面对尺度变换和遮挡场景时所使用的融合方法融合不充分,且没有捕捉长距离依赖关系的问题,本文设计了通道融合增强模块和非局部特征交互模块,用于学习不同通道特征之间的相关性和捕捉特征图之间的长距离依赖关系。此外,针对当前检测架构都是基于单金字塔检测结构,存在信息丢失的情况,设计了双金字塔结构,并将提出的融合方法与双金字塔结构结合,在保留原始特征信息的基础上,补充融合后的特征信息。实验结果表明,提出的方法在公共数据集KITTI与PASCAL VOC上与其他先进工作相比具有更高的检测精度,证明了该方法在目标检测任务中的有效性。

一类八体中心构型的存在惟一性

在张世清、周青等学者有关研究的基础上,证明了一类以六边形为基底、8-体双金字塔构型在任意给定质量比的前提下构成中心构型的存在惟一性;同时给出了该类构型能够构成中心构型的径高比(基底外接圆半径与半高的比)的取值范围为(3/3,1.099600679).

基于张量积样条函数的打印色彩校正

为解决设备间色彩再现不一的问题,提出了一种打印校正算法.建立了打印机色彩校正的数学模型,分析了打印特性,并通过张量积样条函数对打印机色彩的非线性进行描述,最后提出了双金字塔结构,实现了打印的快速校正.试验表明,该算法准确描述了打印机色彩的非线性,在C IELAB色彩空间的平均校正色差小于2.0,耗时不到30 m in,需要打印的样本数目较查找表算法降低了约10倍.

N体问题4个中心构型的存在性

对于N体问题,研究了4个中心构型的存在性,根据对动力学运动方程的分析,得出否定的结论.本文还对其中的原因进行了分析.

柯式评估模式的混合式英语学习评价探究

混合式学习在大学英语中的应用越来越广泛,已逐渐成为英语教学的主流模式。然而对其学习效果的评价研究仍不多。大学英语课程评价是检查教学质量、推动课程建设与发展的重要手段。以《大学英语精读》课程为例,结合柯式评估模式的反应、学习、行为和结果这四个层级的评估标准来评价混合式学习的效果。通过对这四个层级的数据分析,发现在大学英语混合式学习的课程设计、教学实施、教学效果、教学管理等维度暴露出相应的问题,并试图构建基于柯式评估模式的双金字塔式互补型评价模型。

基于深度融合网络的煤矿图像尘雾清晰化算法

针对现有煤矿尘雾图像清晰化算法存在的过增强现象和适用性不足等问题,提出一种基于深度融合网络的清晰化复原算法。深度融合网络主要包括3个部分,即图像预处理模块、特征融合模块以及图像输出模块。图像预处理模块基于对比度增强函数、亮度增强函数和伽马校正函数对输入图像进行处理,获取表征不同增强方式及程度的图像序列。由于图像尘雾清晰化需要同时考虑图像的局部信息和全局信息,在空间金字塔池化和上下文信息聚合网络的基础上提出了能够实现双向的上下文信息提取的双金字塔模块,该模块包括2个空洞卷积的串联子块,其中1个子块是以对多个尺度的空洞卷积按尺度由小到大进行串联组成,另1个子块是以对多个尺度的空洞卷积按尺度由大小进行串联组成。图像输出模块主要对特征融合层获取的特征进行处理,从而输出三通道图像,即为最终的尘雾清晰化的图像。为了获取训练数据,本文在煤矿井下清晰图像的基础上基于尘雾图像形成机理构建了较大规模的训练数据集。在训练的过程中,采用了最小平方误差损失函数和基于VGG网络的内容损失函数对网络进行优化。为评价本文提出的基于深度融合网络的清晰化算法的有效性,选取其他6种有代表性的清晰化算法进行对比。实验结果显示,本文算法在主观评价和客观评价方面都优于上述算法,表明本文算法能够有效解决过增强现象,并提升煤矿图像的清晰度和可视化效果。

一类10-体中心构型的存在唯一性(英文)

在张-周等学者[1]相关工作的基础上,讨论了有关双金字塔中心构型的某些必要条件,证明了一类以八边形为基底10-体双金字塔构型在任意给定质量比的前提下构成中心构型的存在唯一性;同时给出了该类构型能够构成中心构型的径高比(基底外接圆半径与半高的比)的取值范围为(^(1/2)3/3,0.8440155430).

利用嵌套金字塔模型进行瓦片地图数据组织

在分析了基于传统金字塔模型组织瓦片地图数据方法的基础上,针对其在电子地图跨越尺度较小的情况下实时动态显示时出现画面内容显著跳跃及空间信息冗余的弊端,提出了一种改进的嵌套金字塔模型,并以双金字塔嵌套为例详细阐述了其设计原理及构建方法。实验证明,该方案充分继承了金字塔模型通过多细节层次展现丰富空间信息的优势,并有效提升了该模型在各尺度间切换时的连贯性,一定程度上补充和优化了基于预生成技术的瓦片地图数据组织方法,为金字塔模型的具体构建方式提供了一种新思路。