基于TDM-EfficientPhys的人脸视频HR检测方法

为了实现高精度的人脸视频心率(heart rate, HR)检测,本文提出了一种基于改进EfficientPhys网络的人脸视频HR检测方法：TDM-EfficientPhys。首先,引入时间导数网络(temporal derivative network, TDM-Net),有效地保留了远程光电容积脉博波描记术(remote photoplethysmography, rPPG)信号的时间特征。然后,调整EfficientPhys的Dropout参数,嵌入残差结构,有效地避免梯度消失和网络退化问题,并且将TDM-Net和改进后的EfficientPhys网络以跳跃连接的方式实现时序和空间信息的特征融合,提高检测精度。最后,使用两个公开的数据集PURE和UBFC-rPPG来验证本文所提出模型的有效性,实验表明,本文方法测试的均方根误差(RMSE)降低至2.387,平均绝对误差(MAE)降低至2.040,与现有的模型相比,本文方法显示了更好的网络性能和更精准的HR。     

融合轻量级网络的农业病害检测

农业病害会导致作物脱叶早,光合作用减弱,从而影响作物质量,减少农民收入。针对病害初发期间目标小、背景复杂和室外光线变化大导致的目标误检问题,本文提出一种融合轻量级网络的YOLOv4检测算法。首先对主干网络进行剪枝并增加多尺度的分组卷积提高模型对复杂背景的抗干扰性,其次设计轻量级SCE(space channel expand)注意力机制降低深层网络中细节信息丢失的影响。最后设计跳跃连接特征金字塔(jump connection feature pyramid network, JC-FPN)替换PAnet(path aggregation network)特征融合模块从而进一步实现模型轻量化。实验结果表明,改进算法在本文数据集上的mAP₅₀达到了84.17%,检测速度为50 FPS,相比于YOLOv4检测算法分别提高了0.71%和10 FPS,满足移动端对农业病害的检测精度和速度的要求。     

基于深度语义分割的无人机影像烟草种植面积提取

目前,深度学习广泛用于作物信息提取,但是存在模型复杂以及训练时间较长的问题.为此,提出一种基于DeeplabV3+深度语义分割模型的无人机遥感影像烟草种植面积精确提取方法.首先通过采用四种经典的轻量化骨干网络(Xception、MobilenetV1、MobilenetV2和Resnet50)替换DeeplabV3+原...     

结合高效通道注意模块的残差网络骨龄评估

本文针对现有骨龄评估数据集数据规模小,样本 分布不均匀以及现有方法评估准确度 较低的问题,提出了一种新的结合高效通道注意模块的残差网络骨龄评估模型。通过结合深 度残差网络和高效通道注意模块来提高卷积效率,并改进损失函数,缓解样本分布不均匀问 题的影响;然后运用迁移学习的方法微调训练骨龄评估模型,提高模型训练效率;最后引入 随机深度算法提高模型泛化能力。实验结果表明,该方法在RSNA数据集和DHA数据集上的平 均绝对误差分别 为4.69个月和5.98个月,当容忍度为12个月时,骨龄评估的准确率可以达到 98.36%和94.88%,说明本文方法能够明显地提高骨龄评估的准确率,一定程度上缓解数据规 模小和数据分布不均匀带来的影响。     

基于卫星数据和深度学习方法预测京津冀地区地表 NO2浓度

二氧化氮 (NO2) 对人类健康和气候变化有着诸多负面影响, 随着中国城镇化和工业化进程加速, NO2污染成 为人们日益关注的问题。相关研究表明传统的单个站点监测结果只能代表数平方公里内的污染物水平, 无法提供大 尺度的污染物分布信息。相比于站点监测, 卫星遥感可以提供大尺度且时空连续的数据, 为研究大气污染提供了新 的角度。基于哨兵5P卫星的NO2柱浓度数据和气象、人口密度等其他辅助数据, 构建了对地表NO2进行预测的深度神 经网络 (DNN) 模型。并使用两种交叉验证方法对该模型进行验证。在基于样本的验证中, 模型的决定系数 R2、均方 根误差 (RMSE) 和平均预测误差 (MAE) 分别为0.80、7.72 μg/m3和 5.31 μg/m3;在基于站点的验证中, 模型的R2、RMSE 和MAE分别为 0.74、8.95 μg/m3和6.01 μg/m3, 两种验证结果都表明DNN模型具有较好的整体预测能力和空间泛化 性。此外, 与经典的地学统计和机器学习算法对比结果表明DNN预测性能优于其它方法。最后用训练好的模型获得 了京津冀地区 0.1° 的NO2分布图。     

多尺度混合注意力胶囊网络的海洋鱼类识别

针对胶囊网络(capsule network,CapsNet)特 征提取结构单一和数据处理中参数量过大的问题,提出 多尺度混合注意力胶囊网络 模型。首先,在网络初始端添加不同尺度的卷积核来多角度提取 特征,并引 入混合注意力机制,通过聚焦更具分辨性的特征区域来降低复杂背景干扰。其次,采用局部 剪枝算法优 化动态路由,减少参数量,缩短模型训练时间。最后,在海洋鱼类数据集F4K(Fish4Knowled ge)上验证, 结果表明,与传统残差网络(residual network50,ResNet-50)、双线性网络(bilinear convo l utional neural network,B-CNN)、分层精简双线性注意力网络(spatial transformation netw ork and hierarchical compact bilinear pooling,STN-H-CBP)以及CapsNet模型相比,该算法 识别精度为98.65%,比ResNet-50模型提升 了5.92%;训练时间为2.2 h,相比于CapsNet 缩短了近40 min,验证了该算法的可行性。     

基于改进DS证据理论和BN的信息安全风险评估

针对信息安全风险评估过程中专家评价意见的多样性以及不确定信息难以量化处理的问题,提出了一种基于改进的DS证据理论与贝叶斯网络(BN)结合的风险评估方法.首先,在充分研究信息安全风险评估流程和要素的基础上,建立了风险评估模型,确定风险影响因素;其次,根据评估模型并结合专家知识构建相应的贝叶斯网络模型,确定贝叶斯网络模型中的条件概率表;再次,利用基于权值分配和矩阵分析的改进DS证据理论融合多位专家对风险影响因素的评价意见;最后,根据贝叶斯网络模型的推理算法,计算被测信息系统处于不同风险等级的概率值,并对结果进行有效性分析.分析表明,将改进后的DS证据理论与贝叶斯网络应用到风险评估过程中,在一定程度上能够提高评估结果的可信度和直观性.     

基于GAN指纹库的卷积神经网络室内可见光信道模型

提出一种神经网络算法实现室内可见光信道模型,解决Lambert模型难以计算室内可见光信道的噪声和误差问题。针对指纹库数据量大、难以采集和训练参数多导致迭代速度慢的问题,提出使用生成式对抗网络(generative adversarial network,GAN)生成仿真数据集融合原有的稀疏指纹库,生成满足训练要求数量的指纹库;使用一维的卷积神经网络(convolutional neural network, CNN)提取数据特征,降低训练参数,提高迭代速度。在室内5 m×5 m×3 m环境下采集稀疏指纹库,分别用反向传播 神经网络(back propagation netural network, BPNN)和一维CNN室内可见光信道模型进行对比。仿真结果表明:使用GAN生成指纹库的平均绝对误差为0.04,对数据量增广300%;在同一指纹库下,BPNN信道模型误差为3.81,迭代500次收敛;而CNN信道模型误差为0.79,迭代100次收敛。本文提出的GAN指纹库融合CNN的可见光信道模型具有精度高、误差小、速度快、泛化性强等优点,为室内可见光信道模型提供新的研究方案。     

基于Landsat8OLI可见光波段反演陆地气溶胶光学厚度

为解决目前城市上空气溶胶光学厚度反演中城市地表复杂与卫星分辨率较低的问题,提出一种改进的反演算法。首先利用波段修正后的MODIS(moderate resolution imaging spectroradiometer)地表反射率产品探究了城市区与非城市区在红、蓝波段地表反射率的比值统计关系,然后运用6S辐射传输模型构建查找表反演获得北京及其周边地区的AOD分布。通过AERONET(aerosolrobotic network)观测数据验证算法的反演精度,利用相对平均偏差RMB、平均绝对误差MAE、平均相对误差MRE、均方根误差RMSE和相关系数R共5个指标进行衡量,结果表明:反演结果与AERONET观测数据具有较高的一致性,5个观测站点的R都大于0.95,MAE范围为0.037～0.065,MRE范围为24.08%～39.54%,RMSE范围为0.047～0.083,RMB范围为0.86～1.452,且所有观测点对中有超过84%满足MODIS气溶胶产品的误差精度要求,说明算法对获取高分辨率城市地区的AOD具有较好的可行性。     

基于轻量化YOLOv3的带钢表面缺陷检测方法

缺陷检测是带钢生产过程中不可缺少的工序,现有检测方法普遍存在检测精度较低、实时性差等问题。为解决上述问题,本文提出了一种基于轻量化YOLOv3的快速缺陷检测方法。MobileNetv2作为主干网络并用两个尺度的特征图进行输出,保证了网络模型的轻量化;将改进后的注意力模块融合进特征金字塔网络(feature pyramid network, FPN),同时结合空间金字塔池化模块(spatial pyramid pooling, SPP),以提高算法对缺陷的学习能力;使用K均值聚类算法获得更优的先验框,并且使用CIoU(complete-intersection over union)对损失函数进行优化,进一步提升网络性能。提出的方法在带钢缺陷数据集上检测速度为70.8 FPS;模型参数量为7.1 MB,仅为YOLOv3的3.02%。实验结果表明本文所提方法能够在保证精度的同时实现对缺陷的快速检测,具有良好的生产线部署能力。     

电极激励超声谐振谱压电材料定征技术

超声谐振谱（RUS）是一种压电材料单样品定征技术,避免了多样品造成的结果不自洽问题。现有的谐振谱激励方法常使用超声换能器定点激励 拾取,需要有复杂的测试装置。该文提出了一种电极激励 拾取法来获取压电谐振器的超声谐振谱,该方法测试装置简单,同时还可获得模态振型的对称特性,避免了反演过程中峰丢〖JP2〗失和错峰拟合。基于现场可编程门阵列(FPGA)技术搭建了压电谐振器分组扫频激励电路,通过电荷放大器拾取谐振峰。结果表明,通过Levenberg Marquardt算法可完成测试频谱和计算频谱的匹配,成功获得了优化后压电材料参数。     

基于Monte Carlo方法的3G网络仿真

以3G网络仿真为主线,介绍了动态仿真和静态仿真两种仿真方法,并主要对蒙特卡罗仿真方法做出深入探讨,以期此方法的使用能提高3G网络仿真的质量。围绕该方法的内容有蒙特卡罗仿真方法的数学基础、蒙特卡罗方法的一般工作流程、一次快照的四个关键步骤以及仿真的收敛标准。     

简述3G网络建设中站点选择方法

本文简要论述了以骨干站点为基础进行3G站址选择的方法，用于指导3G网络建设中的站点选择。     

采用图像修复的基于深度图像复制

在传统的基于深度图像复制(DIBR)的基础上提出一种基于图像修复的DIBR方法,将预处理深度图像和图像修复算法相结合来填补三维图像映射后的空洞。与传统方法相比更加灵活,本文方法仅需传输一路参考图像序列,从而有效降低DIBR系统的传输带宽。实验结果证明,本文所提出方法是有效的。     

基于小区相关性的PCI优化方法研究

现网中可以通过道路测试等方式发现MOD3干扰区域,而仅仅基于道路测试的PSS调整很难评估调整后其他MOD3情况和周边小区产生的干扰。因此对于MOD3干扰的调整需要尽可能通过区域内总体干扰情况的评估来得到最佳方案。本文研究一种基于小区相关性的PCI调整方法。     

基于数字全息层析的温度场三维检测方法

提出一种结合数字全息干涉测量原理和计算层析迭代原理的温度场三维检测方法。首先,基于光纤传导的离轴数字全息光路,通过旋转记录多角度的数字全息图。然后,对全息图进行数值重构,获得多角度上的定量相位分布,以此作为计算层析迭代的投影数据,并采用层析迭代算法重建三维折射率场分布。最后,基于折射率与温度之间的关系,反演得到三维温度场分布。基于上述方法搭建了实验系统并开展实验验证,实验测量结果与温度场预测分布基本一致,证明了该方法在对温度场三维检测的可行性。     

基于3G技术电视新闻连线的直播手段

对扬州电视台使用的3G直播系统进行介绍,并对出现的一些问题进行总结.介绍了3G技术的定义及使用情况说明,详细说明了扬州电视台的基于3G技术电视新闻连线的新闻生产解决方案,分析了其中的核心技术和3G直播系统工作流程.     

3D-MIMO基站需求场景的识别及规划方法研究

随着4G用户及业务的发展,4G网络需采用新技术进一步提升承载能力,3D-MIMO作为5G技术4G化应用的最佳实践得到了业界的广泛认可。为了进一步在现网更好地实现3D-MIMO的落地规划,本文充分挖掘讨论了3D-MIMO技术特性、适用场景,与其他部署技术的差异化应用,在此基础上提出可行的规划方法。并展望了人工智能技术在网络规划中的应用,将其与3D-MIMO规划这种复杂的网络设计相结合,由机器深度学习现网运营数据及参数设定,得到最需要开展3D-MIMO建设的站点,极大地提升了规划效率和建站效果。     

基于线性扩散板的高光抑制方法研究

陶瓷、金属等光滑表面的强反射性质,会使图像饱和产生高光现象,导致测量精度大幅下降。针对这一问题,本文利用扩散板对光的扩散作用,设计了基于线性扩散板的高光抑制系统。首先从理论上研究线性扩散板的扩散原理,并利用高光点反射辐射亮度分析线性扩散板对高光的抑制作用。然后搭建系统平台,完成相机标定、投影仪标定等系统搭建工作。最后对陶瓷盘子和大理石罐等具有强反射表面的物体进行三维测量,实验结果表明,线性扩散板能够实现三维测量中强反射表面的高光抑制,其中大理石罐、陶瓷盘子、花盆、杯子的高光点数目相比未加扩散板时分别减少了19.6倍、5.6倍、4.4倍与3.9倍。扩散板能够减弱高光点的反射辐射亮度,对高光具有一定的抑制作用,三维重构结果中高光区域明显缩小。     

基于深度学习的云参量反演方法研究

有效的云检测与云相态判识对于农业、气候及人类生活具有重要意义, 而这些数据的获取离不开卫星遥感。 卫星遥感数据在当今社会的生产和生活中都扮演着至关重要的角色, 众多领域的发展都离不开卫星遥感数据的支持。 随着高精度传感器的发展, 传统研究方法无法满足大规模、高维度数据的高效挖掘与处理, 因此深度学习技术在遥感 领域得到了快速的发展。基于深度学习技术提出了一种结合多波段遥感影像的云检测及云相态判识的方法。该方法 采用 MODIS 云产品影像作为样本, 将不同波段信息作为特征值, 分别建立针对云检测与云相态判识研究任务的多个 数据库, 并采用 DeepLab V3+ 模型进行训练并预测, 从而完成高精度的云检测及云相态判识任务。与传统方法相比, 该方法高效便捷、特征提取能力较强, 将多波段作为特征值输入模型进行预测时, 该方法展现了良好的结果。