基于CM-Transformer的连续手语识别

针对捕获手语动作的全局特征和局部特征以及保留图像中原有的结构和捕获上下文联系,提出了一种改进的卷积多层感知机鄄自注意力(CM-Transformer)方法用于连续手语识别。 CM-Transformer 将卷积层的结构一致性优势与自注意力模型编码器的全局建模性能相结合,以捕获长期的序列依赖。 同时将自注意力模型前馈层替换为多层感知机,以发挥其平移不变性和局部性。 使用随机帧丢弃和随机梯度停止技术,减少时间和空间上的训练计算量,防止过拟合,由此构建一种高效计算的轻量级网络;最后使用连接主义时间分类解码器对输入和输出序列对齐,得到最终的识别结果。 在两个大型基准数据集上的实验结果表明了所提方法的有效性。     

流状线型结构图像修复算法的研究

针对流状线型结构图像修复问题,提出了一种基于张量扩散的流状结构图像修复算法,模型根据图像局部结构(局部图像结构由结构张量来度量)的纹理走向确定沿纹理方向和垂直纹理方向的扩散来修复断裂特征,并且控制沿纹理方向的扩散强度要大于沿垂直纹理方向的扩散强度,由此才能保证较好的纹理修复。为使计算结果更加准确,采用了非负性离散化和最优化旋转不变性两种数值计算方案。实验结果表明,对于有划痕或较小损坏区域的流状线型结构的纹理图像,该算法都能取得较好的修复结果。     

盐酸克林霉素的核磁共振波谱研究

利用DEPT-135及二维核磁共振波谱实验^1H—^1H COSY、HMBC和HMQC等对盐酸克林霉素的1H和13C信号进行了全归属,并讨论了化合物中部分质子化学位移向低场位移的原因。     

基于卷积神经网络的轮胎缺陷X光图像分类

轮胎缺陷的类型直接决定着轮胎是否为残次品或废品,对于轮胎定级具有重要参考价值,探索高性能的轮胎缺陷分类方法至关重要.采用卷积神经网络技术,提出一个端到端的图像自动分类算法.首先,从国内某轮胎生产线上通过现场运行的轮胎X光射线缺陷检测系统采集胎侧异物缺陷、胎冠异物缺陷、气泡缺陷、胎冠劈缝、胎侧开根5种最常见缺陷类型和1种正常胎侧图像作为分类目标,并且依据缺陷图像的缺陷尺度,将每幅图像缩放到127×127像素的统一大小;然后,设计含有5个卷积层、3个池化层、3个全连接层的网络结构.最后,用采集的缺陷样本对所设计的深度网络进行训练学习与测试.并将该算法和大量传统分类算法进行实验对比,取得更好的分类效果,平均测试识别率高达96.51％.     

多模型协作的分块目标跟踪

为解决复杂场景下,基于整体表观模型的目标跟踪算法容易丢失目标的问题,提出一种多模型协作的分块目标跟踪算法.融合基于局部敏感直方图的产生式模型和基于超像素分割的判别式模型构建目标表观模型,提取局部敏感直方图的亮度不变特征来抵制光照变化的影响;引入目标模型的自适应分块划分策略以解决局部敏感直方图算法缺少有效遮挡处理机制的问题,提高目标的抗遮挡性;通过相对熵和均值聚类度量子块的局部差异置信度和目标背景置信度,建立双权值约束机制和子块异步更新策略,在粒子滤波框架下,选择置信度高的子块定位目标.实验结果表明,本文方法在复杂场景下具有良好的跟踪精度和稳定性.     

无极绳运输中梭车连接装置的改进

阳煤集团在倾斜轨道巷运输中推广使用了无极绳连续牵引车,三矿做为一个试点单位,根据实际运用的需要对其进行了科学应用与合理改进,实现了倾斜轨道巷安全运输,为煤矿的倾斜轨道巷运输管理的良性发展提供了可贵的经验.     

煤矿井下局部通风机供电安全可靠方案探讨

为了提高煤矿井下掘进工作面局部通风机供电安全可靠,减少和避免掘进头出现无计划停风,努力消除因无计划停风导致掘进头瓦斯增大给生产带来较大的隐患,对掘进工作面(综掘和普掘)的局部通风机的供电方案除原有的风专线路外,另增加动力专供线路,确保在风专线路故障时,能自动切换到动力线路上,保证不出现无计划停风,同时,采用先进的变频调速装置可根据现场瓦斯浓度大小自动调节风量大小来消除各种安全隐患、改善作业环境、有效地节约电能。     

高显著性的时空金字塔精简描述符算法研究

当传统时空金字塔层数较多时,特征描述符的维数会非常高,使得此类描述符在训练和测试阶段计算效率非常低。此外,在时空金字塔的分层及每层立方体单元的划分中,至今仍然采用手动划分视频,使得视频划分策略没有强的理论依据。鉴于以上缺点,提出一种高显著性的时空金字塔精简描述符算法。形成的新描述符是所有时空金字塔层中每个立方体单元局部特征的权重和,而不是把所有立方体单元局部特征描述符串联起来形成一个巨大的特征描述符,每个立方体单元的权重可以通过偏最小二乘法自动获取,由此产生的视频全局描述符精简并且具有高的显著性。此外通过观测其精细立方体单元的权重,还可以展现出显著性时空金字塔每个立方体单元及每层金字塔的贡献,由此,可以根据权重自动划分视频。采用HMDB51和YouTube两个动作数据库进行实验验证,与时空金字塔描述符和超稀疏编码向量相比,此描述符精简并能在低维度下取得较好的识别效果。     

基于深度学习的行人轨迹预测方法综述

为了规划合理的路径以规避行人,针对行人轨迹预测的研究具有广泛的应用价值.基于手工特征的传统方法难以预测复杂场景下的行人轨迹.深度学习以人工神经网络为架构,具有强大的学习能力,在各个领域取得了显著的效果.基于深度学习的行人轨迹预测方法已逐渐发展为一种趋势.为了宏观把握基于深度学习的行人轨迹预测的研究状况,首先,对不同方法进行组织与分类,比较不同方法的优缺点,讨论不同方法在行人轨迹预测领域的应用与发展;其次,根据行人轨迹预测模型的设计差异,对比不同算法对模型性能产生的影响;最后,针对行人轨迹预测中存在的问题,对基于深度学习的行人轨迹预测方法的未来发展进行了展望.     

基于约束策略的WSN低能耗粒子滤波跟踪算法

目标跟踪是无线传感器网络研究的关键技术之一,如何在保证较低能量消耗的前提下,实现监测场景中运动目标准确跟踪是需要解决的问题。在深入研究分析传感器网络目标跟踪算法的基础上,提出了基于约束策略的WSN低能耗粒子滤波跟踪算法。该算法采用动态分簇,既减少网络的能量消耗,又保证监测目标节点的数量;在跟踪过程中,采用约束策略得出目标估计区域,对粒子采样结果进行优化,同时对状态空间模型进行改进,增强粒子对目标的跟踪能力。仿真结果表明,提出的跟踪算法有效的实现目标的跟踪,在保证低能耗的同时提高了跟踪精度。