基于双分支通道空间依赖和非对称权重共享卷积的目标检测优化结构

以往的目标检测任务中,大量研究通过空间和通道信息来构建特征优化算法。然而,如何利用通道和空间中最大和平均特征的信息分布情况进行特征提取,仍是一个挑战。针对上述挑战,构建了双分支通道空间依赖网络,用来提取空间和通道中信息依赖特征,其关键是获取最大特征和平均特征上的重要信息分布情况。为了优化网络的检测精度与计算效率,构建了非对称权重共享卷积网络,利用相同的非对称卷积核进行联合训练来实现权重共享,极大地增强了卷积核参数的鲁棒性。以YOLOv4、YOLOv5和EfficientDet为检测基线,在PASCAL VOC和MS COCO数据集上进行实验,验证了双分支通道空间依赖网络和非对称权重共享卷积网络模块的有效性。在两个数据集上精度最高分别增长了1.98%和2.6%。     

基于醉汉漫步和反向学习的灰狼优化算法

灰狼优化算法在优化后期易陷入局部最优,在求解高维函数时因其复杂度更高,陷入局部最优概率更大,针对上述问题提出基于醉汉漫步和反向学习的混合灰狼优化算法（DGWO）。在迭代过程中对每代种群中优势狼与最差狼进行反向学习并进行比较、重新排序后保留前3的狼,同时将采用醉汉漫步机制更新领导狼,参数A和C采用系数标量而不是GWO原始算法中的系数向量。通过10个标准测试函数(100维、500维和1 000维)以及10维的CEC2013测试函数验证了算法的性能,并与PSO、GWO-CS和GWO算法进行了比较, 结果表明,该混合灰狼优化算法 在精度和收敛速度上都具有优势。此外,将改进的灰狼优化算法应用于两级运算放大器参数设计,以开环低频增益最大化为目标,验证该算法的实用性。     

轻量级安全内存：RISC-V嵌入式微处理器安全增强

近年来,针对嵌入式设备中硬件的新型攻击不断出现,严重威胁嵌入式设备的安全.特别是随着非易失性存储器开始被配备到嵌入式设备中,就需要考虑如何保护配备非易失性存储器的嵌入式设备的安全.安全内存,就是这样一种通过保护内存来增强嵌入式设备安全性的有效手段.通过设计一种安全内存加密引擎来实现安全内存.在保证该安全内存加密引擎足够轻量、开销低的同时,将其集成到RISC-V嵌入式微处理器中,并通过FPGA对该安全内存加密引擎进行了评估.评估结果表明,安全内存加密引擎能够在提升RISC-V嵌入式微处理器安全性的同时,保证其合理的访存性能以及较小的面积开销.研究结果具有良好的参考价值和应用前景.     

区块链技术与应用综述

区块链技术作为一种分布式技术,广泛应用于加密货币的基础架构,具有去中心化、不可篡改和可溯源等特性,使用非对称加密技术保证数据的安全性。区块链技术作为智慧城市的重要环节,已经不再局限于金融领域的应用,区块链技术的不断发展和更新,为区块链技术与其它传统领域相融合提供了可能性。介绍了区块链技术的相关概念和数据结构,详细讨论了区块链的核心内容：共识机制、智能合约、Merkle树和非对称加密,并对目前国内区块链技术应用于一些传统领域的数据安全和数据共享方面的研究进行总结。     

基于CIMISS的省级气象大数据服务系统设计

针对原有省级CIM ISS系统无法有效支撑现代化气象数据服务的问题,利用分布式技术,构建了天津省级气象大数据服务中心,搭建了以HBase、GBase、分布式NAS为基础的统一数据存储环境,与省级CIM ISS系统形成了无缝对接,满足了天津气象业务的现代化需求.在测试对比中发现,本系统的查询性能得到较大提升:自动站数据比CIM ISS系统提升了5.2-22.3倍(倍数随着时间不断扩大),而格点数据则比原一体化平台提升了5倍多,充分验证了本方案的有效性.     

一种高效的车体表面损伤检测分割算法

车体表面损伤检测是计算机视觉中的经典问题。车体表面损伤检测的主要瓶颈在于图像中损伤实例的不同尺度影响了分割的精度与效率。本文采用单阶段语义分割网络（YOLACT⁺⁺）进行车体表面的损伤检测,通过结合EfficientNet设计主干网络提高分割效率,并通过改进损失函数优化YOLACT⁺⁺中目标实例Mask的生成,实验中用深度学习标注实验数据集进行训练测试。实验表明,改进后的YOLACT⁺⁺降低了Mask生成误差,检测的实时帧率提高到35帧/s,同时也提高了YOLACT⁺⁺进行实例分割的精度。     

基于雷达与图像数据融合的人体目标检测方法

三维人体目标检测在智能安防、机器人、自动驾驶等领域具有重要的应用价值。目前基于雷达与图像数据融合的三维人体目标检测方法主要采用两阶段网络结构,分别完成目标概率较高的候选边界框的选取以及对目标候选框进行分类和边界框回归。目标候选边界框的预先选取使两阶段网络结构的检测准确率和定位精度得到提高,但相对复杂的网络结构导致运算速度受到限制,难以满足实时性要求较高的应用场景。针对以上问题,研究了一种基于改进型RetinaNet的三维人体目标实时检测方法,将主干网络与特征金字塔网络结合用于雷达点云和图像特征的提取,并将两者融合的特征锚框输入到功能网络从而输出三维边界框和目标类别信息。该方法采用单阶段网络结构直接回归目标的类别概率和位置坐标值,并且通过引入聚焦损失函数解决单阶段网络训练过程中存在的正负样本不平衡问题。在KITTI数据集上进行的实验表明,本文方法在三维人体目标检测的平均精度和耗时方面均优于对比算法,可有效实现目标检测的准确性和实时性之间的平衡。     

基于标签分布构造的异构数据集年龄估算

现有年龄估算方法的性能度量主要是基于训练集与测试集独立同分布的假设。为了能更好地符合实际场景以及更好地评估年龄估算方法的泛化性能,提出一种异构数据集评估协议,即在年龄估算时更关注训练集与测试集具有的不同分布和特征情况。此外,为了提高基于卷积神经网络的年龄估算方法的拟合能力,在充分考虑相邻年龄特性的基础上,通过将年龄估算问题建模为基于高斯模型的标签分布学习,提出一种新颖的损失函数。理论分析与实验结果皆说明本文方法的有效性与鲁棒性。     

一种辅助新型冠状病毒肺炎检测的肺实质分割算法

新型冠状病毒肺炎给人类健康及社会经济造成了巨大的负面影响,而X光胸片中的肺实质提取成为新型冠状病毒肺炎诊断过程中的关键环节。在U-Net的基础上,提出一种结合编解码模式的肺实质分割算法。应用特征融合思想,构建A形特征融合模块,充分学习深层特征的语义信息。引入注意力机制,在深层卷积神经网络中加入密集空洞卷积模块和残差多核池化模块,扩大卷积感受野并提取上下文特征信息。通过改进可变形卷积和分割损失函数,提升网络模型的泛化能力和鲁棒性。实验结果表明,该算法的分割准确度、Dice系数、敏感度、Jaccard指数分别为98.16%、98.32%、98.13%、98.54%,能够实现X光胸片中肺实质部位的有效分割。     

基于RBF神经网络优化的装备保障系统效能评估

针对现有装备保障系统效能评估方法存在依赖专家经验、主观性强等问题,提出一种基于径向基函数（RBF）神经网络优化的装备保障系统效能评估方法。通过完备交叉与预变异策略对遗传算法（GA）进行改进,利用改进的GA对RBF神经网络中心、宽度及输出权值进行全局寻优,并采用优化的RBF神经网络实现装备保障系统效能评估。仿真结果表明,该方法相比AGA-RBF和GA-RBF评估方法能更准确地评估装备保障系统效能值,并且可在一定程度上降低评估过程中主观因素的影响,确保评估结果更客观真实。