无菌条件非接触式多通道自然交互手术环境

无菌和非接触环境是医疗手术室的基本要求,这使得计算机操作室和手术室需要在物理上隔离.同时,因为手术进行中,主治医生如果需要查看病灶图像,通常授意护士或者手术助理到计算机操作室操作病灶图像,由于手术室和计算机操作室间的隔离,以及主治医生和助理间可能存在的意图理解不准确,容易导致护士或者手术助理在手术室和计算机操作室往返多次,这增加了患者手术时间延长、失血增多、脏器暴露时间长等风险,尽量减少手术中定位到病灶图像的时间对于医生和病人都很重要.针对上述需求,借助遮挡环境下的深度图像人体骨架提取、手势跟踪与理解、手术室环境远场语音识别,多模态信息处理与融合技术,构建无菌条件下的非接触式多通道自然交互手术环境.该环境使得主治医生在手术中可通过语音命令、手势及上述交互方式相结合的方式快速定位到需要观察的病灶成像.在接近真实环境的实验环境中,建立的无菌条件的非接触式多通道自然交互手术环境在保证精度的情况下,可显著缩短病灶图像定位时间.无菌环境智能交互医疗手术室为未来下一代高效的手术提供了技术与方法验证.     

衍射增强成像折射衬度的应用

折射衬度是衍射增强成像(diffraction enhanced imaging,DEI)中的一种重要衬度,在弱吸收物质的成像中,折射衬度远超过吸收衬度.折射衬度应用的关键是提取出样品的折射信息,折射信息由相应的折射图像表示.根据生物样品和材料样品的特点,研究和比较了两种折射信息提取方法.利用样品的折射图像,对聚苯乙烯样品进行了简单的定量分析,比较了正常肝组织和肝血管瘤组织.实验结果表明,折射衬度清楚地描述了肝组织的微细结构和血管瘤损伤,精确地显示了无法在传统X射线成像技术中获得的聚苯乙烯样品的清晰结构.     

融入法律知识的问句匹配

问句匹配是问答系统的重要任务,当前方法通常采用神经网络建模两个句子的语义匹配程度.但是,在法律领域中,问句常存在文本表征稀疏、法律词的专业性较强、句子蕴含法律知识不足等问题.因此,通用领域的深度学习文本匹配模型在法律问句匹配任务上效果并不好.为了让模型更好的理解法律问句的含义、建模法律领域知识,首先构建一个法律领域知识库,在此基础上提出一种融合法律领域知识(如法律词汇和法律法条)的问句匹配模型.具体地,构建了合同纠纷、离婚、交通事故、劳动工伤、债务债权等5种法律纠纷类别下的法律词典,并且收集了相关法律法条,构建法律领域知识库.在问句匹配中,首先查询法律知识库检索问句对所对应的法律词汇和法律法条,进而通过交叉关注模型同时建模问句、法律词汇、法律法条三者之间的关联,最终实现更精准的问句匹配,在多个法律类别下的实验表明提出的方法能有效提升问句匹配性能.     

基于条件随机场的深度相关滤波目标跟踪算法

目标跟踪是计算机视觉领域众多应用中的重要组成部分之一.在实际环境中目标经常会因为形变、快速运动、背景杂波和遮挡而引起明显的表观变化,使得该问题具有一定的挑战性,因此如何对跟踪问题进行建模变得至关重要.基于深度卷积神经网络（convolutional neural network,简称CNN）的判别式相关滤波（discriminative correlation filter,简称DCF）跟踪方法自提出以来,就以兼顾准确率和速度的优势,吸引了大量研究者的关注,该方法通过相关滤波器获取目标候选区域的响应图,作为衡量目标位置的标准,理想响应图的最大值应该对应目标所在的位置.在此基础上,考虑到响应图中数值的连续性,对应的连续条件随机场（conditional random field,简称CRF）模型中极大似然对数存在闭式解,因此对响应值的求解可以定义为一个连续CRF的学习问题.基于以上研究,提出了一种基于条件随机场的鲁棒性深度相关滤波目标跟踪算法,将DCF与CRF结合,设计了一个端到端的深度卷积神经网络,嵌入了CRF中的一元状态函数与二元转移函数,用来获取图片的响应.通过结合一元状态函数中的初始响应和二元转移函数中的相似度矩阵,优化后的算法可以得到一个更平滑、更精确的响应图,从而提高跟踪的鲁棒性.最后,在OTB-2013和OTB-2015这两个数据集上进行了大量的测试,并且与近年来9种在国际上具有代表性的相关算法进行对比分析,结果显示,在OTB-2013中,所提出的算法比基准方法的跟踪成功率高3%,跟踪精度高6.1%;在OTB-2015中,所提出的算法比基准方法的跟踪成功率高3.5%,跟踪精度高4.8%.     

具有智能交互学习能力的机械臂写字系统

基于Uarm机械臂构建了一个学习人类写字顺序的机械臂智能写字系统,该系统首先具有对陌生汉字的自动笔画拆分和书写能力,然后基于语音对话和图像分析技术,能够根据用户教授的笔画和笔顺来学习汉字的正确书写方式.首先,系统根据输入的语音信息以及摄像头观察到的文字的图像信息,获得用户想要写的关键字及对话意图;然后通过对摄像头看到的图像信息进行分析,对检测到的汉字进行自动笔画拆分和笔顺提取,对于正在教授中的字,跟踪笔迹顺序,学习汉字笔顺的正确写法.通过对话管理,机械臂会以对话的形式进行书写反馈并与用户交互,学习人类书写顺序并实现正确书写.通过实验分析及测试者主观评测,该系统取得了不错的评价.     

一种基于视觉的飞行器接近角估计方法

提出了一种基于图像序列的飞行器接近角的估计方法.飞行器的接近角对于飞行器的着陆来说是一个非常重要的参数,是指飞行器在着陆时的飞行轨迹与地平面之间的夹角.飞行器在着陆时近似作平移运动,在这种情况下,图像上的极点称作FOE(focus-of-expansion),地平面的消失线被称作Horizon.首先给出了从已标定的图像序列中提取FOE和Horizon的方法,然后由这两个参数估计出飞行器的接近角.模拟实验和真实图像实验表明该方法是可行的.     

基于相似性的图像融合质量的客观评估方法

研究图像融合结果的质量评估问题,提出一种新的基于相似性的图像融合质量客观评估方法.这种方法考虑人类视觉对局部变化更加敏感的特性,用源图像和融合结果的梯度场相似性来衡量融合的性能.这种相似性度量相对于现有的对比度度量,有了全方向的边缘辨识能力;相对于互信息量的度量方法,考虑了图像像素的局部关系,更加符合人的视觉特征.实验结果表明,这种客观评估方法很好地反映了图像融合的质量,与主观评价具有高度的一致性.     

模式识别简述

模式识别可以使人们在影响因素很多的情况下仍能对众多信息进行方便的处理．进而对物群进行分类。而在工业中使用模式识别．则可以节约原材料、提高产品质量和产量、降低单产能耗。解决企业和工程技术人员所关心的问题。从本期开始，“模式识别”专栏将陆续邀请国内外知名专家向广大读者介绍模式识别的发展和具体应用。希望使更多读者认识和了解模式识别对自动化技术的推动。[编者按]     

口语对话中的语句分组

研究了信息类自然口语对话中的交互模式及其自动分析.首先,基于话语分析中的Birmingham学派关于交互模式的工作和Halliday关于言语功能的分析,提出使用语句组来刻画交互模式,并建立原则性分类体系;然后,对语料中的交互模式进行标注分析;随后,根据影响语句组结构的主要因素建立交互模式分析算法,并在语料中进行实验.实验结果表明,语句组的整体分析正确率可达到55.4%～84.2%--取决于不同来源的扩展句子类型和语句主题的分析结果.     

基于篇章结构多任务学习的神经机器翻译

篇章翻译方法借助跨句的上下文信息以提升篇章的翻译质量.篇章具有结构化的语义信息,可以形式化地表示为基本篇章单元之间的依存关系.但是目前的神经机器翻译方法很少利用篇章的结构信息.为此,提出了一种篇章翻译模型,能够在神经机器翻译的编码器-解码器框架中显式地建模基本篇章单元切分、篇章依存结构预测和篇章关系分类任务,从而得到结构信息增强的篇章单元表示.该表示分别通过门控加权和层次注意力的方式,与编码和解码的状态向量进行融合.此外,为了缓解模型在测试阶段对篇章分析器的依赖,在训练时采用多任务学习的策略,引导模型对翻译任务和篇章分析任务进行联合优化.在公开数据集上的实验结果表明,所提出的方法能够有效地建模和利用篇章单元间的依存结构信息,从而达到提升译文质量的目的.