一种高效的车体表面损伤检测分割算法

车体表面损伤检测是计算机视觉中的经典问题。车体表面损伤检测的主要瓶颈在于图像中损伤实例的不同尺度影响了分割的精度与效率。本文采用单阶段语义分割网络（YOLACT⁺⁺）进行车体表面的损伤检测,通过结合EfficientNet设计主干网络提高分割效率,并通过改进损失函数优化YOLACT⁺⁺中目标实例Mask的生成,实验中用深度学习标注实验数据集进行训练测试。实验表明,改进后的YOLACT⁺⁺降低了Mask生成误差,检测的实时帧率提高到35帧/s,同时也提高了YOLACT⁺⁺进行实例分割的精度。     

一种基于图像纹理分析的分形和SPIHT混合编码

从研究分形图像编码和零树编码各自的优劣点以及它们之间的结合点出发,寻找了一种基于图像纹理分析的分形和SPIHT混合编码,目的在于充分利用景物特征和人眼的视觉特性,提高分形变换和零树在图像编码领域内的协同能力。该方法利用SPIHT算法位平面编码的渐进特性,用基于灰度模型的统计特征分类方法将分形和SPIHT相结合,得到更符合人眼视觉特性的编码方案。实验结果表明,该方法能进行较好的图像块分类,并取得较高的压缩比,而且在人眼视觉允许的范围内且同时又要求高压缩比的情况下具有优势。     

基于双路式卷积神经网络的车辆与行人检测

针对低能见度状态下对车辆与行人的视觉特征难以提取的问题, 提出一种将2路卷积神经网络融合从而实现对车辆与行人识别的方法。采用高斯背景差分法实现图像去模糊, 在双路网络中分别采用不同尺寸的滤波器, 调整滤波器的大小得到不同环境下图片的特征值, 采用反向传播算法计算梯度。实验结果显示, 与单路式卷积神经网络对比, 在能见度低的环境中, 该方法对车辆的辨识率提高至83.49%, 对行人的辨识率提高至87.36%, 表明在低能见度环境中, 双路式卷积神经网络识别准确率高于单路式卷积神经网络。     

基于JADE平台的多Agent协同数据挖掘研究

文章针对多Agent协同数据挖掘问题进行了有关理论研究,提出了基于JADE平台的可扩展、适应性强、高效的三层多Agent并行关联规则挖掘方案,介绍了实现的关键技术,最后给出一个在UCI大规模数据集上进行并行分布式数据挖掘的应用实例.     

结合胶囊网络和卷积神经网络的目标识别模型

通过改进动态路由和压缩函数的方式对Hinton等的胶囊网络模型进行改进。运用了加强数据集的方法,增加了数据集的大小,在一定程度上避免了过拟合现象的发生。通过实验表明,改进后的胶囊网络模型在结构上有了简化,在效率上比未改进的模型有了明显的提高。在改进的胶囊网络模型基础上,提出了将改进后的胶囊网络与卷积神经网络相结合的网络模型。该模型训练准确率达到97.56%,模型评估准确率达88%。     

基于主动网络层次的多播体系结构

研究了多播路由协议及多播源分发数据报文的机制,提出一种新型的基于主动网络层次的多播体系结构,在自治系统AS中的分枝节点,亦可以根据该策略,构造以分枝节点为根的动态管理方式,从而可以动态地构造层次多播体系结构,在动态层次多播路由的具体实现中引入了agent和主动网络的概念,从而可以动态的加载多播路由,使得网络体系结构灵活与可编程.     

磨抛离线编程中修正砂带位姿及加工姿态

为提高离线编程系统机器人仿真工作环境模型与实际工作环境模型的匹配度,提出了使用偏移变量法来测定偏差值．根据测得砂带的偏差值,通过软件Ｓｏｌｉｄｗｏｒｋｓ修正工作环境中砂带位姿,并在修正后的砂带上重新建立工具坐标系. 根据四元数线性插补法,对加工线上的起始点、中点和终点坐标系姿态进行适当的变换,然后通过四元数线性插补完成中间加工点的插补,修正加工姿态,解决了磨抛工件曲面加工姿态的修正问题和加工过程中奇异位置问题. 最后把修正好的工作环境模型参数导入到Ｒｏｂｏｔｓｔｕｄｉｏ软件进行可视化验证.     

基于Linux经济安全的校园网VPN系统的实现

构建于公共网络之上的校园虚拟专用网既可以实现安全、快捷传递信息的需求,又可以为学校节省大量的开支。为适应目前各高校校园网校外员工访问校园网资源的需要,构建了基于LINUX的VPN系统,并运用IPTBALES防火墙对VPN系统的访问进行有效的安全控制。     

自动磨抛系统中工业机器人示教操作过程分析

根据ABB IRB4400机器人结构和D-H运动学模型,分析了ABB六轴工业机器人示教的过程,讨论了机器人示教运动的理论基础,论述了自动磨抛系统的工业机器人运行轨迹与速度、工件坐标与工具坐标等系统参数的设定方法。     

一个财政业务智能分析平台的设计与实现

阐述了一个基于BI技术的财政业务智能分析平台的设计原则、设计依据和系统架构,并从数据仓库设计建模、数据获取、数据存储、数据展现、元数据管理五方面介绍了系统的实现过程。