D-S理论中证据损耗分析及改进方法

分析了传统D-S理论在证据组合过程中的误差、抗干扰能力弱以及与人类思维相悖的原因;认为主要是由于部分定义和规则的局限性引发了组合过程中的证据损耗;提出了一种扩展的定义和组合规则,发现并解决了完全兼容证据组合过程中的证据损耗,有效地化解了冲突;理论分析和实验结果支持了方法的合理性与可行性.     

对氧化锌避雷器试验方法的探讨及改进

本文主要介绍了利用公司目前现有试验变压器,采用AI－6103型试验仪器进行特殊氧化锌避雷器试验的局限性,提出了对试验变压器串级升压改进的思路和方法并进行了试验论证,以期对电力基建单位现场试验有一定的参考价值。     

基于强化学习的目标偏移策略跟踪方法

针对计算机视觉领域的目标跟踪问题,提出基于强化学习的目标框偏移决策跟踪方法。近年来目标跟踪主要研究趋势是基于孪生网络或相关滤波的跟踪方法。与现有跟踪方法不同,提出的方法通过将目标跟踪视为动作序贯决策问题,设计动作决策网络,使得该网络可以用于预测目标边框的偏移,连续移动目标框实现目标跟踪。动作决策网络基于强化学习方式训练,使得该决策网络能使用标注不全的数据集训练。实验表明,提出的跟踪方法在视觉目标跟踪(Visual object tracking, VOT)数据集上表现优异,能有效应对多种复杂场景,具备较高的跟踪精度。     

基于自适应匹配的实时视频拼接系统

为了实现基于PC机的实时视频拼接,提出一种基于自适应匹配的平移参数计算方法。设计基于海思HI3520D开发平台采集两路视频,UDP传输视频,PC机接收视频并实现视频拼接。在系统启动时候,通过巴氏距离方法得到融合后的图像重叠区域匹配度,反馈优化,得到最佳平移参数。试验证明该系统不仅提高了图像融合质量而且具有良好的实时性,实现了两路视频实时拼接,系统总体拼接速度为40ms左右。     

基于高分辨率网络的行人重识别技术

针对行人重识别特征提取过程中特征图分辨率不断下降,丢失大量空间信息和细节信息,导致特征鲁棒性较低的问题,提出一种基于高分辨率特征提取网络的行人重识别方法。采取变换背景的方法对训练数据集进行数据扩充,提高数据样本的多样性;通过构建高分辨率特征提取网络,使得在整个特征提取过程中网络里始终拥有高分辨特征;结合三元损失函数和改进的交叉熵损失函数进行网络的训练。该高分辨率特征提取网络行人重识别方法在Market1501数据集上Rank-1达到了94.6%,mAP为86.0%。在DukeMTMC-reID数据集上Rank-1达到了90.3%,mAP为78.2%。该方法在两大数据集上均有良好表现,具有一定的应用价值。     

基于无线技术数字家庭灯光系统的设计与实现

随着蓝牙通信技术的日臻成熟以及GSM网络的日益普及,在分析现有数字家庭灯光系统的连接标准和控制方案的基础上,提出了基于蓝牙通信的数字灯光远程控制解决方案.本文提出的解决方案实现了通过PDA、PC和普通手机等终端对家中灯光系统进行控制.并且该方案已在工程项目中实施,且运行良好.     

在ASP.NET中调用EJB3.0的实现

采用ASP.NET来做前台的页面显示和控制,通过JavaEE建立EJB和Web Service来实现数据持久化和业务逻辑的实现。EJB3.0是建立在Hibernate和TopLink的思想上的,通过数据库中的表来反向生成实体bean和用来进行持久化的上下文,这样一来,开发者就不需要自己再重新定义实体bean和解决方法,大大地减少了代码量。     

改进YOLOv5的无人机影像小目标检测算法

无人机航拍影像具有目标尺度变化大、背景复杂等诸多特性，导致现有的检测器难以检测出航拍影像中的小目标。针对无人机影像中小目标误检漏检的问题，提出了改进YOLOv5的算法模型Drone-YOLO。增加了检测分支以提高模型在多尺度下的检测能力。设计了多层次信息聚合的特征金字塔网络结构，实现跨层次信息的融合。设计了基于多尺度通道注意力机制的特征融合模块，提高对小目标的关注度。将预测头的分类任务与回归任务解耦，使用Alpha-IoU优化损失函数定义，提升模型检测的效果。通过无人机影像数据集VisDrone的实验结果表明，Drone-YOLO模型较YOLOv5模型在AP50指标上提高了4.91个百分点，推理延时仅需16.78 ms。对比其他主流模型对于小目标拥有更好的检测效果，能够有效完成无人机航拍影像的小目标检测任务。