基于全U网络的混凝土路面裂缝检测算法

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和U-net模型,提出一种全U型网络的裂缝检测算法。首先,依照原U-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池化层之前的特征图规格,并将其与池化之前的卷积层进行融合,将融合之后的特征图作为新的融合层与原U-net网络上采样之后的网络层进行融合;最后,为了验证算法的有效性,在测试集中进行实验。结果表明,所提算法的平均精确率可达到83.48%,召回率为85.08%,F1为84.11%,相较于原U-net分别提升了1.48%,4.68%和3.29%,在复杂环境中也能提取完整裂缝,保证了裂缝检测的鲁棒性。     

基于云网PoP的弹性边缘网络设计思路探讨

移动边缘云是公司“云+5G”双引擎战略的最佳契合点,边缘网络是发挥移动云“大云”产品和5G网络融合优势,实现云网统筹、构建运营商“连接+计算”核心能力的关键。运营商传统接入网存在云网割裂、分段入云和组网复杂等突出问题,难以适应边缘业务敏捷交付要求。本文通过深入分析边缘云业务特征和技术架构,对标业界主流云商建设实践,研究基于云网PoP网的边缘网络建设思路,创新性提出云网一体化规划设计和建设交付流程变革,基于云网POP统一网络和业务锚点,构建Overlay和Underlay融合双层加速网络架构,探索Spine-leaf化的新型城域接入网实现L3下沉和弹性扩容等方法,实现“云+网+应用”一体化敏捷交付的边缘网络能力。     

专题:6G的智能通信计算融合技术

内容导读目前,针对潜在6G关键技术的场景与需求研究成为学术界的热点。面向未来更多类型终端的智能互联与新兴服务的需求,人工智能应用于无线通信物理层的信道估计、编译码及接收机设计,解决基于大数据的网络自主优化,基于泛在无线感知和边缘侧的强大算力构成的多接入边缘计算,已成为6G无线技术发展的重要趋势。在未来智能车联网、物联网、有人/无人交互、全息通信等场景下,面向未来的智能通信计算融合需求,存在许多拟待解决的关键科学问题。     

周矶油田控递减对策研究

周矶油田从1994年投入开发,直至1997年一直处于稳产阶段,1998年之后由于区块主要以天然能量开采,产量进入递减阶段。2004年以来随着周30、周16井区相继投入开发,周矶油田进入二次上产阶段,2011年至今,由于周16,周19注水见效见水,产量再次进入递减阶段。本文从注水开发实践出发,重点分析及总结注水开发过程中取得的经验、教训以及认识,指导下步注采调整方向从而控制周矶油田自然递减。     

对数字化改革与转型的思考

数字化转型和数字化改革是当前地方发展和改革中提出的新理念。从形式上看,数字化转型表现为社会各子系统基于数字技术建立的各种应用场景,数字化改革则是运用数字化技术、思维和认知对治理的体制机制、组织架构、流程手段等进行全方位、系统性重塑。如何进一步理解数字化转型与改革的根本内涵,需要从复杂社会系统的演变与治理上来思考,这里做简要讨论。     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.     

探索特殊管理股在传媒融合发展中的应用研究

通过特殊管理股制度来重新确立话语权,是传统媒体在今天传媒融合的发展背景下,在当今媒体在融合创新过程中必需面对的挑战。特殊管理股制度也应借助新机遇创新思想,为建立新型现代化传媒企业抢占先机。本文针对在传媒整合的发展过程中特殊管理股发挥的效用来进行深入的分析。     

国家形象的构建与营造——中华人民共和国国旗、国徽的设计分析

中国国旗、国徽设计以五星、天安门、嘉禾稻、麦穗等彰显时代特点的现实主义素材为设计元素,具有明显的政治语态和意识形态意味.其以环绕、半环绕结构图式和红、黄色调的设计形式,表现出了中国传统图案的装饰意味.这种近乎完美的艺术形式与明显的政治意象,准确地呈现了国家意志和政党主张.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

专家模糊控制的氩氧精炼炉口喷溅抑制系统研究

低碳铬铁冶炼过程中由于物料反应不均衡,会导致喷溅的发生,这不仅会导致设备的损坏,严重可能会导致人员的伤亡。为了降低喷溅发生率,根据所采集的不同工况炉口火焰图像进行图像预处理,同时结合专家系统分析,从而抑制喷溅的发生。通过对AOD炉正常工作和三种不正常工作状态的炉口火焰进行检测、预处理、特征提取等技术分析,实现专家系统模糊控制技术,并对不同图像灰度值分别进行氧气、氮气、氧枪高度、泡沫抑制剂的控制,使AOD炉控制在正常冶炼的范围内,从而达到冶炼过程中喷溅抑制的自动控制。