基于异步交互聚合网络的卷烟厂危险作业区人员异常行为图像识别

受到卷烟厂作业区域分散、作业人员多、行为特征相似度高的影响,无法有效整合多组图像行为特征,造成识别结果误差偏大,不能进行危险行为即时预警。为此,提出了基于异步交互聚合网络的卷烟厂危险作业区人员异常行为图像识别方法。根据卷烟厂危险作业区域特点,结合人员异常行为图像分析效果,提取异步交互聚合网络下JDE行为特征,进行人员异常行为角度特征识别,为相邻识别特征交互区域类型输出分配不同加权系数量,输出异步交互聚合识别结果。实验结果表明:在异步交互聚合网络优化下,人员异常行为识别准确率得到明显提升,整体识别效果稳定性较高,适应性优化效果明显。

用于多器官分割的多尺度聚合网络研究

多器官分割在病理分析、手术方案制定以及临床诊断上都具有重要的应用价值.但是,一些器官形变较大、尺寸较小且组织边缘模糊,导致分割效果较差.为了解决该问题,提出了一种用于多器官分割的多尺度聚合网络(MSANet).MSANet有两个优势:首先,设计了多尺度边界提取模块,使用多尺度卷积核提取多个特征图,将不同尺度的特征图互相结合,从而聚合全局上下文信息,并提取不同器官的边界和细节信息;其次,设计了聚焦式注意力模块,通过学习的注意力权重来调节特征图的重要性,从而聚焦感兴趣的多器官区域并捕捉不同器官的关键特征,进一步提高分割性能.在两个公开数据集CHAOS和MS-CMRSeg上进行了大量实验.实验结果表明:MSANet在两个数据集上的分割效果均优于当前主流的多器官分割方法,显著提高了多器官分割精度.

基于灰度世界和门控聚合网络的水下图像增强

针对水下机器人在非限制环境中水下作业时,获取的水下图像存在整体色调偏蓝、偏绿、边缘细节较模糊及对比度较低等问题,提出一种基于灰度世界算法和端到端门控上下文聚合网络的水下图像增强算法。该算法通过图像R、G、B等3个通道分量调整的灰度世界算法,获取颜色校正后的水下图像;将校正后的水下图像输入到门控上下文聚合网络中,利用门控网络来融合图像中不同层次的特征,并引入平滑空洞技术和特征注意力模块,消除空洞卷积所出现的网格伪影现象,提高通道信息的灵活性,达到图像增强的效果。最后选取1 000幅参考图像,与6种经典增强算法进行主客观评价。结果表明,该算法在主观质量上提高了图像的对比度和清晰度,修正了水下图像的色偏;在客观评价指标上,测试集A中的峰值信噪比、结构相似性、信息熵和水下图像质量评估的平均值分别达到25.176 0 dB、0.950 9、8.057 9和0.618 2,测试集B的分别达到21.576 1 dB、0.933 1、8.119 4和0.591 4,评价结果都优于6种经典增强算法。

多尺度ResNeSt-50聚合网络与置信度传播的息肉图像分割

针对大肠的息肉组织与正常组织间无明显边界,准确定位息肉位置困难的问题,提出了一种多尺度ResNeSt-50聚合网络融合顺序树重加权置信度传播(sequential Tree-Reweighted Message Passing,TRW-S)的息肉图像分割方法。为提高网络对息肉信息的表达能力,构建编码-解码结构的多尺度ResNeSt-50聚合网络,编码器由卷积模块和4级ResNeSt模块级联构建ResNeSt-50骨干网络,实现跨通道信息间的线性整合与连接;ResNeSt-50采用拆分注意力机制加强重要通道组的表现能力,增强了残差模块提取息肉图像信息的能力;解码部分下三层构建多层感受野模块(recep⁃tive field block,RFB)获取多尺度信息,然后用密集聚合模块整合其输出,并以快速解码方式输出解码信息,保证其分割性能的同时减少参数量;其次,生成预测图时采用测试时图像增强(Test-Time Augmentation,TTA)模块提升预测准确度,并增强网络的泛化能力;最后,构建基于马尔科夫随机场的TRW-S算法对输出的预测图进行后处理,以实现分割边缘的连续性和分割区域内部的一致性。对大肠息肉数据集Kvasir-SEG的测试结果表明,本文方法相比于U-Net,UNet++,ResUnet、SFA、PraNet等算法,mDice值达91.6%,mIoU达86.3%,Smeasure达0.921,MAE为0.023,优于其他五种息肉分割算法;在未知数据集ETIS-LaribPolypDB,ColonDB上测试结果表明,相比于PraNet模型,本文模型的mDice值分别提升了14.2%,7.7%;从本文模型在ETIS-LaribPolypDB数据集上的分割表现看,本文算法对微小病变十分敏感;因此,本文算法分割的息肉图像,在分割区域内部的一致性、分割边缘的连续性、轮廓清晰度、捕捉微小病变能力等方面均表现出优良的性能,同时,对未知数据集具有较好的泛化能力。

基于混合路径聚合网络的点云目标识别

针对目前点云目标识别通常强调提取点云数据中的语义特征,但是忽视了原始点云中的定位特征的问题,提出一种基于混合路径聚合网络的点云目标识别方法。使用改进的坐标注意力模块增强数据集的点云定位特征,设计一种混合路径聚合的残差特征金字塔提取点云语义特征,将定位特征与语义特征融合。在KITTI数据集进行实验,可视化实验结果表明,该模型可以有效解决定位错误的问题,数据结果也表明该方法在KITTI点云数据集上的cyclist类别优于现有方法。

基于深层聚合网络的车辆多目标检测与追踪

针对现有车辆多目标检测与追踪算法在长时间遮挡、光线变化等因素的影响下造成的ID切换和误检问题,提出一种基于深层聚合网络的改进算法,进行车辆检测并完成特征嵌入任务。通过在下采样过程中融合注意力模块进行特征增强,在特征融合过程中使用可变形卷积提高捕获不同尺度目标的能力,采用高斯核函数在目标中心区域提取车辆特征信息用于轨迹关联,实现车辆多目标追踪任务。所提算法在UA-DETRAC数据集上进行实验,其MOTA和IDF1分别达到了79.37%和88.12%,ID切换次数从77下降至36,满足实时检测与追踪的需求。

融合子区域局部二值模式特征与深层聚合网络的人脸识别

针对深度网络对人脸噪声敏感,且学习过程容易忽视人脸结构信息的问题,提出融合子区域局部二值模式(local binary pattern,LBP)特征和深层聚合网络的人脸识别算法。将人脸图像划分为不同子区域,并采用局部二值模式对人脸进行预处理,获取子区域人脸的LBP特征。不同子区域LBP特征输入不同的稀疏自动编码器,实现深层特征提取;然后不同稀疏自动编码器的输出特征通过全连接方式实现特征聚合,获得人脸特征向量用于分类。通过大量实验获取了最优的聚合网络模型架构和网络参数取值,改善了人脸识别效果。

辐射引发丙烯酸酯互穿聚合网络(IPN)的研究

用顺序ＩＰＮ方法合成了核壳结构的Ｐ（ＢＡＭＭＡ）／Ｐ（ＥＡＡＡＮＭＡ）复合乳胶，研究了聚合引发方式，组成单体配比及ＮＭＡ功能性基团对乳胶粒子的结构和性能的影响。结果表明：辐射引发乳液聚合可制得核壳界面明显且相分离完全的复合乳胶，所得复合乳胶的拉伸强度、伸长率、耐水压、稳定性、成膜性等都得到了很大的改善和提高。

基于认知的词义聚合网络构建理论及方式探索——以“看”类动词为例

本文以"词群—词位变体"理论为理论基石,利用认知语言学相关原理,对词义聚合网络的构建理论及方式进行了探索。认为词义聚合网络的构建是对人类认知范畴发展的溯源性推求和过程构拟,即以基本范畴词为基点,根据人类的认知规律和认知模式来系联上、下位范畴词,以及复杂抽象概念。以此为依据,提出词义聚合网络构建方式:(1)提取基本范畴词,确立词义聚合网络的基点;(2)构拟意象图式,发掘词义聚合网络中的上层义位;(3)利用范畴发展规律,实现词义聚合网络的纵横延展,包括用核心图式法进行词群纵向构建和依靠隐喻转喻思维机制实现词群横向系联。最后通过选取"看"及其相关词义聚合网络的建构为研究对象,对以上方式的可行性进行了验证。

新旧媒体携手聚合网络共赢未来

“在技术创新方面,互联网对所有的传统媒体都是开放的。传统媒体和新媒体要一起参与到整个技术驱动型传媒革命大潮中,谋求共同发展。”

一种新型聚合网络的体系结构

本文详细研究了聚合网络的发展过程,指出基于IP和MPLS的分组交换网络将是将来聚合网络发展的方向。然后,讨论了下一代聚合网络的体系结构,详细说明了各种协议组件以及它们的功能,并且概述了基于IP和MPLS的分组交换网络的业务仿真。最后,指出还有待研究的几个方面以及影响发展的几个方面。

基于异步交互聚合网络的港船作业区域人员异常行为识别

港船作业区域人员的异常行为识别可为智能航运的管控与决策提供重要数据支撑,有利于推动智慧港口和智能船舶的发展。基于异步交互聚合网络开展了面向港船工作环境下的人员异常行为识别研究。基于YOLO模型对港船图像进行卷积操作,利用特征金字塔优化卷积结果得到图像序列中每一帧的人员位置,结合联合学习检测和嵌入范式输出港船图像序列中的人、物体特征信息以及时序信息;利用异步交互聚合网络中的交互聚合结构更新特征池的多维度特征信息,以识别港区与船舶工作环境下的人员异常行为。实验结果表明:提出的港船作业区域人员异常行为识别方法的平均识别精度为91%,在港区工作环境下的人员异常行为识别精度为85%,在船舶驾驶台环境下,提出的异常行为识别框架对船员的不安全行为识别精度达到97%。所提出的识别框架在不同港船作业区域环境中都能获得较好的精度,验证了其有效性和可靠性。

Emulex:聚合网络 智连纵横

Emulex公司日前宣布,其OneConnect通用聚合网络适配器（UCNA）和OneCommand Manager开始通过Emulex分销渠道全面上市。Emulex的OneConnect UCNA提供独特的边增长边付费功能,

MPANet-YOLOv5:多路径聚合网络复杂海域目标检测

船舶智能化的发展对船舶视觉感知系统实时目标检测能力提出了更高要求,YOLOv5作为YOLO(You Only Look Once)系列算法的最新成果,以良好的速度和精度被广泛应用于海上目标检测.但在实际海上航行中往往伴随着多变的自然条件和复杂的活动场景,这使其在复杂海域中小目标检测能力和多目标分类效果并不理想.因此,为提升YOLOv5在复杂海域中目标检测能力,本文提出多路径聚合网络结构(MPANet).在自底向上特征传递过程中融合多层次特征信息以增强多尺度定位能力,同时结合SimAM注意力模块和Transformer结构增强高阶特征语义信息.在自定义数据集中实验结果表明:MPANet-YOLOv5相较于YOLOv5模型AP提升了5.4%,召回率提升了3.3%,AP0.5提升了3.3%,AP_(0.5:0.95)提升了2.2%,不同海域测试结果显示MPANet-YOLOv5海面小目标检测能力明显优于YOLOv5.

基于多模态多级特征聚合网络的光场显著性目标检测

现有基于深度学习的显著性检测算法主要针对二维RGB图像设计,未能利用场景图像的三维视觉信息,而当前光场显著性检测方法则多数基于手工设计,特征表示能力不足,导致上述方法在各种挑战性自然场景图像上的检测效果不理想。提出一种基于卷积神经网络的多模态多级特征精炼与融合网络算法,利用光场图像丰富的视觉信息,实现面向四维光场图像的精准显著性检测。为充分挖掘三维视觉信息,设计2个并行的子网络分别处理全聚焦图像和深度图像。在此基础上,构建跨模态特征聚合模块实现对全聚焦图像、焦堆栈序列和深度图3个模态的跨模态多级视觉特征聚合,以更有效地突出场景中的显著性目标对象。在DUTLF-FS和HFUT-Lytro光场基准数据集上进行实验对比,结果表明,该算法在5个权威评估度量指标上均优于MOLF、AFNet、DMRA等主流显著性目标检测算法。

汉语动词多义聚合网络的认知建构

动词是汉语最重要的一个词类,多义动词的义项通过家族相似性聚合成语义网络。汉语动词多义聚合网络的类型主要有辐射式聚合网络、链条式聚合网络、综合式聚合网络。汉语动词多义聚合网络的形成是通过隐喻、转喻的方式实现的。同时,研究汉语动词多义聚合时也要充分考虑到词义的模糊性。通过对汉语动词多义聚合网络的分析,可以更好地了解动词义项的聚合规律,进而了解整个汉语语义的聚合规律,为认知语义字典、词典的编纂提供有益借鉴。

自由基聚合网络非均一性的表征

提出一个两相溶胀模型来描述非均一的聚合物凝胶。在该模型中，凝胶由有效弹性区和高交联度低溶胀率（Ｑ_ｄ）区组成，Ｑ_ｄ值为ａ_ＴＱ_ａ，而在Ｃｈｏｑｕｔｅ的两相模型中，非弹性区是不溶胀的；即溶胀率为１。由于是溶胀率为Ｑｉ区的体积分数，本文假设Ｑｉ符合高斯分布，即Ｑ～Ｎ（Ｑ_ａ，σ~２），因此有，其中。根据平衡溶胀率Ｑ_ａ和制得该凝胶时的凝胶转化率，通过计算机迭代运算可同时求得分布偏差σ和弹性区体积分数Ｚ。结果发现，随转化率升高，弹性区体积分数下降，但分布趋向均匀。

在线社群知识“溢出-吸收”聚合网络的运转机理研究——基于“罗辑思维”案例的分析

在线社群作为互联网商业生态中的重要力量,能够实现个体知识的跨时空分享和分散资源的跨边界整合,从而激发个体及组织的活力。本文将动态竞争理论中的AMC模型引入在线社群的研究,以“罗辑思维”为案例分析对象,探讨在线社群知识“溢出-吸收”聚合网络的运转机理。研究发现:在线社群运营者和消费者两类主体间的交互是知识聚合网络实现运转的重要前提和保障;在线社群知识“溢出—吸收”过程的递进层次和传导机制是聚合网络实现进阶的关键方法和路径,其中递进层次分为个体层、群体层和生态层,传导机制分为互补融合机制、边界拓展机制和空间耦合机制。因此,建议强化认知基础模式下的战略前瞻行为、培育知识管理体系下的社群生态系统以及构建动态竞争环境下的核心能力弹性。

聚合网络视角下公益组织网络传播变迁--中国公益组织互联网使用与传播能力调研分析

自2014年以来,公益组织的传播目标、传播渠道、传播手段、传播能力都发生了显著的变化,这既是公益组织服务领域发生较大变化导致的,也是公益领域公益组织传播的平台效应叠加性、互联网资本追求社会性、公益传播实现生产性导致的。