联合归一化模块和多分支特征的行人重识别

针对行人重识别技术中存在特征挖掘不充分的问题,提出一种联合归一化模块和多分支特征的行人重识别模型。在主干网络中嵌入注意力机制引导的实例归一化模块,减轻背景等杂波信息的影响。在双级特征融合模块对局部特征进行加权后再聚合形成对行人特征的更细节表达。联合平滑交叉熵损失、三元组损失以及跨分支特征蒸馏损失对网络进行优化。所提模型在Market-1501和DukeMTMC-ReID数据集上首位准确率分别达到了95.7%和89.2%。实验结果表明,该模型增强了对图像特征的提取。

一种变步长的零吸引归一化自适应滤波算法

为了使最小均方算法对高斯噪声环境和稀疏系统具有更好的收敛速度和稳态误差,提出了一种变步长的零吸引归一化最小均方算法。该算法将改进的Versoria函数的稀疏感知范数与归一化最小均方算法相结合后,引入了一种新的类高斯函数的变步长策略,解决了固定步长条件下算法收敛速度较慢、跟踪性能较差的问题。从理论层面分析了所提算法的收敛性,并基于MATLAB平台讨论了改进的类高斯步长函数中各参数对算法性能的影响。最后将所提算法与其他同类算法应用于不同信噪比条件下的高斯噪声环境以及稀疏环境中进行未知系统辨识实验,仿真结果表明,所提算法具有更快的收敛速度、更好的跟踪能力以及较小的稳态误差。

基于归一化原理的流量计群在线核查方法

目前供热系统中的流量计带病工作较多、流量测量数据可信度低、判断流量计工作情况难。本文研究了利用归一化方法解决流量计群的测量数据不闭合问题,给出了流量及热量的修正方法;分析了总流量变化时各热力站的流量比变化率,以及正常运行的流量计的流量比变化率的区间,证明了利用流量比变化率可实现流量计的云在线核查,为保障智慧供热系统中的数据正确及完整提供了简单、实用的方法。

ZY1-02DAHSI影像归一化阴影植被指数NSVI的波段选择及其构建

高光谱影像具有连续的地物光谱信息,在阴影检测方面具有巨大的潜力,而波段冗余度高需进行波段优选。归一化阴影植被指数(NSVI)能够扩大光谱差异,在高光谱影像中应用NSVI将更有效地识别阴影。资源一号02D卫星是我国首颗自主研发并成功运行的高光谱业务卫星,数据信噪比大、覆盖能力强,对该高光谱影像进行准确的阴影检测具有重要意义。以ZY1-02DAHSI影像为试验数据,提取并分析明亮区植被、阴影区植被及水体的光谱反射率;结合竞争自适应重加权采样(CARS)和连续投影算法(SPA)筛选能够有效区分典型地物的主要波段,综合考虑算法的特性进一步选出特征波段构建NSVI;通过步长法确定最佳阈值对影像进行分类,从像元值分布情况、分类精度和光谱增强效果等对比出构建NSVI的最佳波段,并结合不同的阴影指数、波段和影像进行综合评价,验证该方法的意义及普适性。结果表明:波段32和波段73是构建NSVI的最佳波段,分别对应红光波段和近红外波段;不同波段构建的NSVI分类精度均高于90%,由最佳波段构建的NSVI分类精度为94.33%,Kappa系数为0.8328,分类效果最优;NSVI能够增强典型地物间的光谱差异并缓解归一化植被指数的“易饱和”现象,在该影像中因水体累积产生的小波峰有助于提取水体;在ZY1-02DAHSI影像中NSVI的分类效果优于归一化阴影指数和阴影指数,于另一景影像的分类精度也达到93.55%,Kappa系数为0.8167。由算法筛选出的波段具有一定的代表性,最佳波段构建的NSVI在ZY1-02DAHSI影像中具有较好的阴影检测能力,对高光谱影像阴影检测及构建植被指数具有一定的借鉴和参考意义。

基于CLIP和双空间自适应归一化的图像翻译

现有的图像翻译方法大多依赖数据集域标签来完成翻译任务,这种依赖往往限制了它们的应用范围。针对完全无监督图像翻译任务的方法能够解决域标签的限制问题,但是普遍存在源域信息丢失的现象。为了解决上述2个问题,提出一种基于对比学习语言-图像预训练(CLIP)的无监督图像翻译模型。首先,引入CLIP相似性损失对图像的风格特征施加约束,以在不使用数据集域标签的情况下增强模型传递图像风格信息的能力和准确性;其次,对自适应实例归一化(AdaIN)进行改进,设计一个新的双空间自适应归一化(DSAdaIN)模块,在特征的风格化阶段添加网络的学习和自适应交互过程,以加强对内容源域信息的保留;最后,设计一个鉴别器对比损失来平衡对抗网络损失的训练和优化过程。在多个公开数据集上的实验结果表明,与Star GANv2、Style DIS等模型相比,该模型可在准确传递图像风格信息的同时保留一定的源域信息,且在定量评估指标FID分数和KID分数上分别提升了近3.35和0.57×102,实现了较好的图像翻译性能。

一种基于归一化流的地铁道床异常检测方法

通过检测和定位道床上的异常情况,可以有效地确保地铁车辆的安全。基于无监督的异常检测方法由于只需要通过正常图像进行训练,不需要太多难以采集的异常图像,因此得到了广泛的应用。综上所述,文中提出一种基于归一化流的无监督地铁道床图像异常检测和定位方法。将多层特征图交叉融合,以提升模型对图像特征的学习能力。建立地铁道床数据集,利用该数据集训练并验证模型实用性。在MVTec AD数据集上的实验结果表明,文中方法性能优于其他同类算法,与DifferNet和CS⁃flow相比,所提方法的AUC提高了0.1093和0.0218。在地铁道床数据集上,所提方法达到了95.95%的检出率和0.9083%的误报率。这些结果表明了该模型对地铁道床异常检测的有效性,以及较好的泛化能力。这为人工智能替代人工巡检地铁道床异常提供了一种新的方法。

基于面积归一化法对饲料中黄霉素总残留量的研究

建立了一种结合不同色谱及质谱技术测定饲料中黄霉素总残留量的方法。通过高效液相色谱对黄霉素标准混合物进行有效分离,结合液相色谱—串联质谱对黄霉素A化合物进行定量,并利用高分辨四极杆飞行时间质谱确定结果的准确性和唯一性,最终基于面积归一化法得出精确结果。黄霉素标准品经Platisil 5μm ODS色谱柱(250.0 mm×4.6 mm,5μm),以乙腈和20 mmol/L(pH 5.0)乙酸铵溶液为流动相进行等度分离。同时,饲料基质经体积分数0.1%甲酸甲醇溶液提取,采用Oasis PRiME HLB通过式固相萃取对提取液进行净化。目标物经Atiantis T_(3)色谱柱(100.0 mm×2.1 mm,3μm),以乙腈和5 mmol/L(pH 5.0)乙酸铵溶液为流动相进行梯度分离,在负离子(ESI-)多反应监测(MRM)模式下进行定量分析。考查了不同高效液相色谱条件对黄霉素5种活性成分分离效果的影响,同时研究了不同提取溶剂和净化方式对黄霉素A化合物回收率的作用并优化其质谱条件。所建立的方法确保黄霉素5种活性成分完全分离,面积归一化法结果表明黄霉素A所占黄霉素混合物的比例为86.2%,RSD为0.66%。同时,该方法确保黄霉素A在10.0~1000.0 ng/mL范围内线性关系良好,线性相关系数(R^(2))大于等于0.9986。不同饲料基质中黄霉素A的低、中、高加标回收率为69.69%~88.60%,RSD为0.96%~3.38%,回收率稳定、重现性良好。经折算,各类饲料基质中,黄霉素抗生素的总加标回收率为80.66%~102.55%。统计结果表明,所建立的方法普适性广,准确性强,灵敏度高,适用于饲料中黄霉素总残留量的精确定量分析,解决了国内外对黄霉素检测不准确的技术问题。

2319铝合金电弧增材制造归一化评价

为了对2319铝合金电弧增材制造构件各项指标做出定量化分析,拟合出不同工艺参数、试样孔隙率与抗拉强度值之间的空间曲面表达式,构建电弧增材制造“工艺-组织-性能”对应法则。基于广义模糊合成运算法则,建立工艺参数、组织缺陷和力学性能之间的归一化模糊评定模型,获取2319铝合金电弧增材制造最优工艺参数。结果表明:随着送丝速度增加,孔隙率基本呈上升趋势;随着扫描速度的降低,孔隙率基本呈下降的趋势。当扫描速度为0.035 m/s时,孔隙率与抗拉强度的关联性最低,拟合曲线的决定系数(coefficient of determination,COD)仅为0.6。当送丝速度为5.0 m/min且扫描速度为0.025 m/s时,专家综合评分值最高,说明该工艺参数组合最优。

基于改进归一化互相关配准的口腔头侧序列图像全景图拼接算法

在牙科的头颅侧位成像中,使用小视野探测器经过线性扫描获得序列图像。为了得到头侧全景图,设计一种基于改进归一化互相关配准的拼接算法。该文使用高斯混合模型对图像进行分割预处理;将目标区域内的归一化互相关系数作为测度函数,采用基于小波变换的多分辨率策略与粒子群优化算法提高配准精度;对配准后的图像进行图像融合,经过多轮连续拼接得到口腔头侧全景图。实验结果表明,改进后的算法配准误差波动从[-6,8]缩小到[-1,1],配准结果达到亚像素级。主观和客观分析显示,所提算法得到的拼接全景图无拼接缝隙和重影,且质量评价指标为最优。

2种气候环境的湖南省2021—2050年归一化植被指数时空动态变化预测

以湖南省为例,以2001—2020年的气象数据和归一化植被指数(NDVI)时间序列数据为基础,利用多元线性回归分析法,对未来2021—2050年两种气候环境(SSP2-4.5、SSP5-8.5)的归一化植被指数进行预测,并运用泰尔-森(Theil-Sen)和曼-肯德尔(Mann-Kendall)两种分析方法探究气候变化对湖南省未来植被演变趋势的影响。研究表明:相对于历史时期(2001—2020年),未来SSP2-4.5、SSP5-8.5气候环境的增温趋势均较为平缓,SSP5-8.5环境,温度呈南高北低趋势,降水呈北多南少趋势,且SSP2-4.5气候环境湖南省北部区域降水呈显著减少趋势。两种气候环境的归一化植被指数均呈现出一定的上升趋势,尤其SSP5-8.5气候环境更为显著。因此,两种气候环境归一化植被指数变化趋势的共性是,长沙市的少部分区域、洞庭湖流域内及张家界市北部归一化植被指数下降明显,是未来植被修复的重点地区;而湘西土家族苗族自治州、怀化、邵阳、永州西部和郴州东部地区也存在归一化植被指数下降趋势,区域石漠化较为严重,后期应加强保护与治理;湖南省其他各区域未来植被有明显的改善趋势。

基于局部归一化互信息联合约束的三维头颈部CT/MR配准方法

针对头颈部图像的复杂解剖结构和不同模态图像的差异,提出一种改进的多模态配准方法。该方法采用局部归一化互信息作为相似性测度,以捕捉局部图像区域的相似性,并减少不同区域间的强度差异对配准结果的影响。此外,为解决MR图像易受到噪声和伪影的影响产生畸变的问题,引入F范数约束配准过程,抑制不必要的畸变。实验结果表明,所提方法在降低均方误差、提高配准精度和鲁棒性方面均有所提高。

基于数据归一化原点矩约束最大熵原理的小样本数据测量不确定度评定

测量检验是生产制造的重要环节,测量不确定度是测量质量的重要评价指标,表征测量数据的分散程度。最大熵原理常用于测量不确定度评定,基于最大熵原理获得测量样本数据的概率密度函数,能够避免主观因素,反映数据客观的分布情况。小批量生产中获得的测量数据往往较少,在小样本数据下,基于原点矩约束最大熵原理求得的测量不确定度不够准确可靠。针对这一问题,提出基于数据归一化原点矩约束最大熵原理的小样本数据测量不确定度评定方法,并通过数值仿真和应用案例验证所提测量不确定度评定方法的有效性。

基于批归一化与注意力机制的图像纹理识别算法

针对传统图像纹理识别方法特征提取繁琐和纹理类间模糊性高、类内区分度低的问题,提出基于批归一化与注意力机制的卷积网络图像纹理识别算法。通过逐层批归一化将分散的数据统一,优化算法损失震荡和梯度消失问题;通过通道域和空间域的注意力机制对图像的关键区域和纹理的关键特征进行突出化表达。实验结果表明,所提算法不仅参数量低、计算速度快,而且在纹理数据集上的识别率达99.84%,超越基准模型和其他网络模型,证明该算法的对图像纹理具有良好的识别效果。

圆形目标图像定位与归一化旋转研究

在图像配准过程中,图像存在一定角度旋转是常见的问题,会造成后续视觉任务处理困难。同时,由于圆形目标图像不具有明显的外轮廓定位信息,故当其发生一定角度旋转时,检测难度有所增加。以多种圆形目标图像为研究对象,研究了常见的圆定位算法和旋转角度检测算法。实验结果表明,最小二乘法进行圆定位的误差最小,基于Zernike矩的旋转角度检测算法可以在兼顾速度的同时,达到较高的检测精度。

基于归一化求导的裂纹缺陷涡流检测信号处理方法

针对裂纹缺陷检测时材料应力变化引起检测信号波动的问题,提出了一种归一化求导的信号处理方法,以实现对应力变化影响的抑制。首先,通过涡流检测系统获取被测试件的单点检测信号,并对信号数据求均方差,获取单点采集的均方差信号特征;接着,利用获取的信号特征进行A扫检测,获取相应的扫查信号,并进一步对扫查信号进行求导处理,获取均方差导数信号;然后,利用归一化方法对均方差导数信号进行处理,获取归一化导数信号;最后,提取出归一化导数信号的幅值变化量特征,用以检测裂纹宽度。试验结果表明,裂纹缺陷检测信号数据经归一化方法求导处理后,获取的归一化导数信号可以有效抑制应力变化的影响,提高裂纹缺陷的检测精度。

基于条件归一化网络的艺术字体多风格融合技术研究

针对艺术字体风格迁移中风格单一性以及多风格字体融合时出现的风格单一、风格溢出和残余黑点的问题,提出了一种基于条件归一化网络的多风格字体图像融合方法。该方法采用了一个字体多风格融合模型,能根据不同的风格参数调整预训练的VGG19Net网络的输出。通过将内容图与多个风格字体图像分别提取特征,并使用一个新的风格损失函数来度量内容图与风格字体图像之间的差异,将多个风格特征混合,生成新的艺术风格字体图像。该方法的关键在于卷积层和条件归一化层,能够实现多风格的迁移和融合。实验结果表明:与其他两种方法相比,内容相似度平均提高了1.2%,风格相似度平均提高了2.7%。

基于归一化循环前缀相关谱的无人机识别技术

基于射频的无人机识别技术具有探测距离长、环境依赖性低的优点,已成为无人机监控系统不可或缺的技术手段。如何在低信噪比条件下有效识别无人机是当前热点问题。为保证良好的图传质量,无人机通常采用带有循环前缀结构的正交频分复用(OFDM)调制作为图传链路的调制方式。据此特性,首先提出一种基于归一化循环前缀相关谱和卷积神经网络的无人机识别算法。依据对无人机信号的OFDM符号周期和循环前缀长度的分析结果,计算信号归一化循环前缀相关谱。当归一化循环前缀相关谱的计算参数与无人机信号的调制参数匹配时,谱线中会出现若干相关峰,峰的位置分布反映了无人机信号帧结构、突发规则等协议特征。然后,利用卷积神经网络对归一化循环前缀相关谱进行特征分析和提取,从而识别无人机。最后,利用通用软件无线电平台USRP X310对5款无人机的射频信号进行采集,构建实验数据集。实验结果表明,该算法优于基于频谱和基于时频谱的算法,且在低信噪比下仍然有效。

基于梯度归一化的端到端语音合成自适应损失权衡

语音合成技术是指给定文本经过模型处理生成目标说话人语音的过程,该技术在现实社会中已经得到广泛应用。在众多的语音合成模型中,VITS(The Variational Inference for Text-to-Speech)模型将多任务损失函数进行有效组合,相比以往的模型,能够生成质量更高、听感更自然的语音。然而,现有模型依赖多个损失函数,暂时缺乏对其有效权衡的研究。因此,在现有模型损失函数的基础上,引入了梯度归一化自适应损失平衡优化方法,它根据模型不同损失函数的量级与不同子任务的训练速度来平衡各损失函数之间的权重,以验证该方法在语音合成任务中的适用性。在公开的中文语音合成数据集上评估了该方法合成语音的准确度与自然度,结果表明,采用此损失函数的模型在性能上得到了提升,证明了方法的有效性。

数值求解耦合Gross-Pitaevskii方程组基态解的离散归一化梯度流方法

本文提出了一种求解磁场项为常数的耦合Gross-Pitaevskii方程组基态解的数值方法.基于单组分近似理论,本文将方程组的能量函数等价为单组分的能量泛函,然后基于降阶后的能量表达式提出了离散归一化梯度流数值方法.数值算例表明,该方法高效且可靠.

基于归一化控制器的光伏图像无监督域适应缺陷检测

为解决在太阳电池数据集域偏移问题,提出一种针对动态开放场景下光伏缺陷检测的数据归一化控制器(DNC),以提高网络的域适应能力。在测试阶段,该文的DNC方法通过修改模型参数,根据小批次样本数据(0.5%)来实现领域统计纠正。DNC可将目标域产生域偏移的数据映射到与源域数据相同的分布空间,而无需提前标注数据或访问目标域的全部数据。实验结果表明,DNC能显著提高目标检测模型对域偏移数据的适应能力。仅使用少量未标记的目标域数据(少于0.5%)就可在分布外数据上获得显著的性能提升,同时不会降低模型的预测速度(FPS)。