空洞卷积与注意力融合的对抗式图像阴影去除算法

为了解决暗区域、纹理复杂或半影区域的阴影去除效果不明显的问题,提出了空洞卷积与注意力机制融合的对抗式图像阴影去除算法。该算法基于生成对抗网络的总体思想,将空洞卷积引入残差网络中,用自定义的空洞残差块进行特征提取,扩大了特征提取的感受野。在注意力编码阶段,加入4层相同结构的空洞卷积,确保最小计算量的情况下为解码阶段提供更抽象、更本质的全局的语义特征。运用多重注意力机制,引导判别网络对无阴影图像的鉴别,提高判别网络能力。该算法分别在ISTD(image shadow triplets dataset)与SRD(shadow removal dataset)公开数据集上进行检验,SSIM(structural similarity)值达到97.77%。该算法图像特征信息保存完整,画面清晰,暗区域及地物复杂的区域阴影去除效果较好,对半影区域,也有具有良好的表现。     

一种扩充MCS—51系列单片机外部中断功能的有效方法

本文介绍了用Ｉｎｔｅｌ８２５９４Ａ中断控制器扩充ＭＣＳ－５１系列单片机外部中断功能的有效方法。     

检测区域动态调整的TLD目标跟踪算法

针对经典跟踪-学习-检测(TLD)目标跟踪算法由于检测区域过大而导致的检测时间过长及对相似目标跟踪处理效果不理想的问题,提出一种检测区域可动态自适应调整的方法——TLD-DO。该方法利用两次Kalman滤波加速度矫正预测的检测区域优化算法DKF,通过缩小TLD检测器检测范围,以达到在跟踪精度略有提升的情况下提高跟踪速度的目的;同时此方法可排除画面内相似目标的干扰,提高在含有相似目标的复杂背景下目标跟踪的准确性。实验结果表明:TLD-DO算法在处理不同视频与跟踪目标时,检测速度有1.31~3.19倍提升;对含有相似目标干扰情况下,跟踪效果明显优于原TLD算法;对目标抖动及失真情况有较高的鲁棒性。     

结合[k]-means的自动FCM图像分割方法

针对图像分割中模糊C均值算法（FCM）无法自动确定聚类中心,不考虑像素邻域信息的问题,提出一种结合[k]-means的自动FCM图像分割方法。该方法先由图像的灰度直方图确定聚类数目,使用一种改进的快速FCM方法产生初始聚类中心。即通过一步[k]-means算法对大隶属度灰度更新模糊聚类中心,同时仅对小隶属度灰度使用快速FCM?方法进行隶属度更新,迭代后得到初始聚类中心。利用改进隶属度的FCM算法进行最终聚类。实验表明,该方法获取初始聚类中心接近最终值,加速图像分割,并对噪声具有一定的鲁棒性。     

基于双重优化的卷积神经网络图像识别算法*

为了进一步提高卷积神经网络算法的收敛速度和识别精度,提出基于双重优化的卷积神经网络图像识别算法。在构建卷积神经网络的过程中,针对特征提取和回归分类建立双重优化模型,实现对卷积与全连接过程的集成优化,并与局部优化算法对比,分析各算法的识别率和收敛速度的差异。在手写数字集和人脸数据集上的实验表明,双重优化模型可以在较大程度上提高卷积神经网络的收敛速度和识别精度,并且这种优化策略可以进一步拓展到其它与卷积神经网络相关的深度学习算法中。     

制造业可持续供应链网络建模及求解

为将可持续发展纳入制造业供应链决策,利用企业信息资源有效平衡其三重底线,基于绿色供应链CITI指数提出一种对经济效益、环境污染和社会责任进行整体协调,促进三者平衡发展的制造业可持续供应链网络模型,并研究了一种高效的进化求解算法.首先基于经济侧、环境侧和社会侧的八项指标,构建了一个多层次、多产品类型和多能源模式的混合整数线性模型,提出了将多个优化目标进行标准化整合的方法.然后,设计了供应链网络的多叉树结构表征,在此基础上提出了一种自适应多叉森林进化算法,并通过自适应参数调整显著提升了算法的求解精度.最后,基于制造业真实数据进行了大量仿真实验,验证了所提模型和算法的有效性和优越性.实验结果表明,仅升高5％以内的成本,企业即可使碳排放量平均降低17.67％、废气排放量平均降低10.54％、废水排放量平均降低13.05％、固体废物排放量平均降低20.19％.     

砂轮修正器进给失准原因分析与对策

介绍一种圆锥滚子轴承内圈滚道、挡边磨床砂轮修整器的工作原理,分析引起修整进给失准的原因及采取的对策,针对原设计缺陷采取的改进措施,使产品尺寸稳定统一,提高了生产效率。     

数据挖掘在供应管理中的应用

文章对供应管理现状进行了分析,并针对目前物资管理部门普遍存在的库存储备量过大、占用资金过多、资金利用和周转率不高、物资的进出仓工作量大而且容易出错、经济效益低等诸多问题,指出了在管理工作中引入数据挖掘技术进行科学管理的重要性。通过计算机系统的管理,使物资供应管理达到了保证物质供应、降低采购成本、优化库存结构、减少库存资金、加速资金周转、提高经济效益的目的。     

Microsoft．Net中的异常处理

.NET采用的结构化异常(Exception)处理系统是检测和处理系统错误的一种不但高效并且有力的方法。本首先介绍了异常的概念以及Exception对象，然后论述如何更有效的利用．NET的异常处理，极大地保证程序的健壮性，提高程序的容错机制。