管理会计与财务会计的可行性分析

会计分为管理会计和财务会计等。一般来说财务会计注重实际工作操作而管理会计侧重内部调整。一般对财务会计的重视程度较大,因为对于实际运作方面必不可少,管理会计在很长的一段时间内受到冷落。文章将管理会计和财务会计的职能做一个阐述,并提出二者相互融合,相互促进对方和自身的职能有效发挥是一个完全可行的,并是未来的一个发展方向。     

结合注意力机制的跨域服装检索

针对跨域服装检索中服装商品图像拍摄严格约束光照、背景等条件,而用户图像源自复杂多变的日常生活场景,难以避免背景干扰以及视角、姿态引起的服装形变等问题.提出一种结合注意力机制的跨域服装检索方法.利用深度卷积神经网络为基础,引入注意力机制重新分配不同特征所占比重,增强表述服装图像的重要特征,抑制不重要特征;加入短连接模块融合局部重要特征和整幅图像的高层语义信息,提取更具判别力的特征描述子;联合分类损失函数和三元组损失共同约束网络训练过程,基于类别信息缩小检索范围.采用标准的top-k检索精度作为评价指标,选择DeepFashion数据集与当前跨域服装检索常用方法进行对比,文中方法在top-20检索精度对比中取得了最好的检索性能(0.503).实验结果表明,该方法能有效地处理视角、姿态引起的服装形变和复杂背景的干扰,同时不需要大量的样本标注信息,有效地提高了跨域服装检索的精度.     

基于标签分布学习的视频摘要算法

针对现有监督视频摘要算法中存在的模型训练复杂问题,提出一种新的基于标签分布学习(LDL)的视频摘要算法,采用非参数监督学习的方式生成视频摘要,利用标签传递的方法将摘要结构从带有注释的视频转移到相同类型的测试视频中.首先提取视频的卷积神经网络特征和颜色特征,将两者融合后进行降维得到特征矩阵;然后将特征矩阵与训练样本的标签分布一起输入到LDL模型中;最后根据模型输出的标签分布选取关键帧,生成视频摘要.在基准数据集上与其他算法的实验表明,该算法生成的摘要与用户创建的摘要一致性很高,明显优于其他算法.     

融入深度特征的多模板相关滤波跟踪算法

针对现实场景中跟踪算法因背景杂乱、遮挡、尺度变化、目标形变等情况易导致跟踪失败的问题,提出融入深度特征的多模板相关滤波跟踪算法.首先对图像或图像区域分别提取深度特征和Color Name特征,经过核相关滤波器学习得到不同的模板;然后采用核相关滤波跟踪算法获得2个特征下的响应集合,并对所得到的集合进行加权融合得到最终的目标位置;最后使用贝叶斯统计通过最大化后验的方式估计最佳目标尺度,同时更新核相关滤波器参数,以实现自适应尺度的目标跟踪.在OTB2013和OTB2015这2个基准数据库上进行实验,并与当前6种优秀的算法进行比较,结果表明该算法性能最优,在2个数据集上的成功率OP(AUE)较KCF算法分别提升10.7%和12.4%.     

WP-D80型八路巡检控制仪在温度监控中的应用

我公司制备生料和生产水泥的磨机传动系统中采用D110型减速机。该减速机共有5处轴承,因负荷较重,各轴承及润滑油处都要求有测温装置。     

穿越滞洪区油气管道埋深设计优化

论述了豫北PH天然气管道工程项目穿越滞洪区段管道埋深设计方案的优化过程。设计单位起初根据GB 50423—2013《油气输送管道穿越工程设计规范》确定管道埋深按照冲刷线以下1.5 m进行设计,经过建设单位和设计单位研判,最终确定管道埋深按照冲刷线以下进行设计。优化后的设计埋深可以显著节省投资、缩短工期、减少用地,提高安全质量,并为其他油气输送管道工程穿越滞洪区段埋深提供技术参考。     

基于天然气压缩系数Z提高天然气计量准确度的方法

从本质上分析了理想气体状态方程的局限性,提出了利用压缩系数提高天然气流量精度的概念,从而改进了状态方程.压缩系数的引入,使天然气的温压补偿有了高精度的保障.介绍了一种较简单可行的计算压缩系数的数学模型方法,经过实践证明具有较高的精确度.     

改性碳纤维制备及其RCS性能研究

碳纤维是新兴的功能材料,具备一定导电性能,在雷达干扰方面具有广阔的应用前景。采用化学镀沉积方法,在碳纤维表面沉积铜镀层,然后再采用化学气相沉积工艺,在同镀层表面沉积镍镀层。通过SEM、EDS、XRD等分析手段对改性碳纤维进行了表征,测试了改性碳纤维材料镀层的表观形貌和组成成分,并利用RCS测试系统对改性碳纤维的RCS性能进行了测试。结果表明,得到的改性碳纤维表面合金镀层均匀、平整,合金镀层主要为金属单质状态存在。改性碳纤维的RCS性能较原丝有很大增幅,且与理论值相近。     

包含跨域建模和深度融合网络的手绘草图检索

在手绘草图检索（sketch-based image retrieval,简称SBIR）领域,引入一种手绘草图的新型检索模型.手绘草图与自然图片之间存在巨大的差异性,这是因为,与自然图片相比,手绘草图展现出高度抽象的视觉表达,用现有的方法对手绘草图进行特征提取,其产生的特征描述子对于手绘草图的内容无法进行有效地拟合;对于相同的物体,不同的人群用手绘草图描述方式和表达也存在巨大的差距,这就使得手绘草图-自然图片的匹配更加困难;同时,将手绘草图与自然图片映射到相同视觉域的工作,也是一项具有困难的任务.所以,手绘草图检索技术是公认的比较有挑战性的任务.提出一种将手绘草图与自然图片在多个层次上映射到同一视觉域的策略来解决跨域的问题.同时,引入多层深度融合卷积神经网络（multi-layer deep fusion convolutional neural network）的框架来训练并获得手绘草图和自然彩色图片的多层特征表达.在Flickr15k图像数据库进行检索实验,实验结果显示,多层深度融合卷积网络学习到的特征的检索精度超过了现有的手工特征以及由自然图片或者手绘草图训练出来的卷积神经网络（convolutional neural network,简称CNN）的特征.