基于语义分割算法的水库漂浮物智能识别

为了满足水库漂浮物强监管的需求，发挥水库水雨情视频监控的优势，将语义分割算法DeepLabV3+应用于水库漂浮物智能识别任务中。首先，通过多要素数据采集方法以及多种图像数据增强方式系统性整合得到水库漂浮物语义分割数据集。然后，提出改进的加权代价函数，以适应数据集中各类的总像素数量不平衡的问题。实验结果表明，通过规范采集与多种数据增强建立的数据集，以及改进的加权代价函数，提高了水库漂浮物语义分割模型的准确率。所提模型像素准确率平均值、平均交叉比分别可达到95.21%、91.03%，通过微信企业号实现的移动监管，可为水利相关部门对水库漂浮物进行及时的智能监控预警提供新的技术方案。     

基于张量计算的卷积神经网络语义表示学习

卷积神经网络已在多个领域取得了优异的性能表现,然而由于其不透明的内部状态,其可解释性依然面临很大的挑战.其中一个原因是卷积神经网络以像素级特征为输入,逐层地抽取高级别特征,然而这些高层特征依然十分抽象,人类不能直观理解.为了解决这一问题,我们需要表征出网络中隐藏的人类可理解的语义概念.本文通过预先定义语义概念数据集(例如红色、条纹、斑点、狗),得到这些语义在网络某一层的特征图,将这些特征图作为数据,训练一个张量分类器.我们将与分界面正交的张量称为语义激活张量(Semantic Activation Tensors,SATs),每个SAT都指向对应的语义概念.相对于向量分类器,张量分类器可以保留张量数据的原始结构.在卷积网络中,每个特征图中都包含了位置信息和通道信息,如果将其简单地展开成向量形式,这会破坏其结构信息,导致最终分类精度的降低.本文使用SAT与网络梯度的内积来量化语义对分类结果的重要程度,此方法称为TSAT(Testing with SATs).例如,条纹对斑马的预测结果有多大影响.本文以图像分类网络作为解释对象,数据集选取Image Net,在Res Net50和Incep...     

艺术效果装饰涂料的发展和展望

艺术涂料是一种新型的墙面装饰材料，不仅具有优异的物理性能和环保性能，还具有色彩丰富、造型多样、图案丰富、设计个性化的特点，近些年发展迅猛，广受新一代消费者的喜爱。本文介绍了艺术涂料的优劣势和施工特点，列举了常见的施工工具及用处，并按不同效果对艺术涂料进行了分类，最后对艺术涂料的发展现状及未来展望进行了综述。     

基于RandomForest分类方法的购买预测研究

本文针对银行客户,提出一种基于RandomForest的银行客户分类模型,通过基于RandomForest的分类方法对银行客户已存在数据进行处理,并应用labelencoder对数据进行预处理从而提高分类精确度,得到客户对产品是否具有购买倾向.结合了RandomForest的分类能力和labelencoder量化数据能力,使用葡萄牙银行机构数据进行验证,实验结果表明本文提出的客户购买预测模型精度更高.     

明代盔甲种类及制作工艺研究

本文通过盔甲的制作及材料,区分了非金属材料的皮甲、瓠子作甲、藤甲、绵甲、纸甲以及金属材料组成的齐腰甲、齐腰明甲、缉甲、布甲、铁甲、钢甲、铜甲、锡甲等类型,并对其制作方式等进行分析。结合不同材质盔甲的使用地区、战争方式进行研究,以对明代盔甲有一个整体性的认知。     

基于K-Means算法的SSD-Mobilenet模型优化研究

SSD-Mobilenet目标检测模型是将SSD和Mobilenet进行结合衍生出的一种轻量化模型,同时具备了两模型各自的优势,即多尺度检测和模型轻量化。在原模型中特征提取层使用了人为设置的先验框,这样的设置存在一定的主观性,并不适用于对特定场景下单一类别目标的识别与定位。为解决这一问题,本文提出了使用K-Means算法对目标真实框的宽高比进行聚类分析,提升模型在特定场景下对单一类别目标的检测能力,规避了人为设置的主观先验性。使用Pascal VOC 2007数据集对该模型进行训练和评估,实验结果显示,模型的mAP值比Fast RCNN提高了4.5%,比Faster RCNN提高了1.5%,比SSD-300提高了3. 4%,比YOLOv2提高了2. 4%。     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。     

3M宣布将通过创新技术减少对非再生塑料制品的使用

在世界地球日当天,3M宣布将减少使用由石油制成的非再生塑料制品,并计划到2025年前达成一项全新的可持续发展目标:将非再生石油基塑料的使用量减少1.25亿磅。3M高级副总裁兼首席可持续发展官Gayle Schueller表示:“毋庸置疑,能够帮助人们摒弃石油基塑料的原材料和基础设施正在经历显而易见的飞速革新。在借助科技手段探寻塑料的可持续替代品方面,3M具有丰富的经验。在全新可持续发展目标的引领下,我们将更积极地与社会各界分享3M前沿的解决方案,携手助推全球循环经济的发展。”     

“十四五”规划指引下的智慧城市关注点分析

自2008年以来,智慧城市在我国发展非常迅速,呈现出典型的政策推动特点,2012年试点、2012—2014年探索、2014年成为国家战略、2016年成为国家重点工程,智慧城市建设的重要性日益突出。进入"十四五"时期以来,《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》的提出,标志着我国经济迈入新的发展阶段。