Deployment of a cloud pipeline for real-time visual inspection using fast streaming high-definition images

We investigate the challenges of building an end-to-end cloud pipeline for real-time intelligent visual inspection system for use in automotive manufacturing. Current methods of visual detection in automotive assembly are highly labor intensive, and thus prone to errors. An automated process is sought that can operate within the real-time constraints of the assembly line and can reduce errors. Components of the cloud pipeline include capture of a large set of high-definition images from a camera setup at the assembly location, transfer and storage of the images as needed, execution of object detection, and notification to a human operator when a fault is detected. The end-to-end execution must complete within a fixed time frame before the next car arrives in the assembly line. In this article, we report the design, development, and experimental evaluation of the tradeoffs of performance, accuracy, and scalability for a cloud system.     

融合重检测机制的卷积回归网络目标跟踪算法

针对基于人工特征的背景感知相关滤波（CACF）算法在形变、运动模糊、低分辨率情形跟踪效果较差以及跟踪器遇到严重遮挡等情形容易陷入局部最优而导致跟踪失败的问题，提出一种融合重检测机制的卷积回归网络（CRN）目标跟踪算法。在训练阶段，将相关滤波作为CRN层融入进深度神经网络，使网络成为一个整体进行端到端训练；在跟踪阶段，通过残差连接融合不同网络层及其响应值，同时引入重检测机制使算法从潜在的跟踪失败中恢复，当响应值低于给定阈值时激活检测器。在数据集OTB-2013上的实验表明，所提算法在50个视频序列上精确度达到88.1%，相比原始CACF算法提高9.7个百分点，在具有形变、运动模糊等属性的视频序列上相比原始算法表现更优秀。     

改进卷积输入的端到端普通话语音识别

主流神经网络训练的交叉熵准则是对声学数据的每个帧进行分类优化，而连续语音识别是以序列级转录准确性为性能度量。针对这个不同，构建基于序列级转录的端到端语音识别系统。针对低资源语料条件下系统性能不佳的问题，其中模型使用卷积神经网络对输入特征进行处理，选取最佳的网络结构，在时域和频域进行二维卷积，从而改善输入空间中因不同环境和说话人产生的小扰动影响。同时神经网络使用批量归一化技术来减少泛化误差，加速训练。基于大型的语言模型，优化解码过程中的超参数，提高模型建模效果。实验结果表明系统性能提升约24%，优于主流语音识别系统。     

大规模连续中国手语数据集的创建与分析

绝大多数健听人不懂手语导致听障人在找工作、就医、法律咨询等各生活、工作领域中遇到了极大的沟通障碍，而手语翻译员需要提前预约，成本也非常高，所以很多科研工作者都开始利用机器学习来开发手语自动翻译器，但其中的大部分研究都因为受到了数据集规模和质量的影响而效果不佳。为解决上述矛盾和问题，创建了目前全球最大的中国连续手语数据集，并使用了考虑身体关节的位置、面部表情及手指关节的端到端的深度学习模型进行有效训练。结论突显了现代深度学习技术在识别复杂手语方面的巨大优势，针对较小子集的BLEU-4已达到30.8。     

西班牙馆多曲率、双层偏心管桁架钢结构施工技术创新

上海世博会西班牙馆工程采用先进的双层钢管偏心支撑桁架受力体系,钢结构有3万余根不同尺寸的钢构件,通过采用相贯或半相贯连接技术,使之成为独立的S形曲面双管偏心桁架柱或水平系杆,各钢构件相互交错、相互依赖、共同受力,支撑起了整栋建筑,将工程结构外形打造成"结构外部看起来很开放,内部又有着明确的区域划分",互动性很强的精品建...     

基于分子动力学的无定形纤维素热力学性质仿真

为更深入地在微观角度上研究变压器绝缘纸老化机理,利用分子动力学仿真,对不同温度下纤维素无定形区的热力学性质进行了研究。结果表明:纤维素无定形区为各向同性弹性材料,其弹性系数和各模量随着模拟温度的升高均有减小的趋势,与晶区相比,温度对其影响较大;无定形区的刚性随温度升高出现较大减弱;随着温度升高,无定形区内氢键数量减少,并且分子内氢键数目较分子间氢键数目下降快。对比晶区内的氢键数目在相同模拟温度下的极小变化,可知纤维素的老化首先是从纤维素的无定形区内分子间的氢键被破坏开始的。随模拟温度的升高,纤维素分子链运动加剧,但其末端距无明显变化。温度对纤维素无定形区的力学性质和氢键的影响从分子层次上阐明了纤维素绝缘老化实验中结晶度升高及无不定形区先行老化的微观机理。     

一种基于信令的彩信端到端客户感知优化方法的研究

本文在研究了彩信端到端流程的基础上,开发了一套基于信令的彩信端到端分析平台,分析了彩信端到端流程各阶段的损耗,并详细分析了引起各阶段损耗的原因,然后针对每种原因提出了优化方案,最终提高了彩信端到客户感知。     

量子密钥分发网络端端密钥协商最优路径选择算法

针对量子密钥分发(QKD)网络端端密钥协商路径选择问题,设计了一种基于改进Dijkstra算法的端端密钥协商最优路径选择算法。首先,基于有效路径策略,剔除网络中的失效链路;然后,基于最短路径策略,通过改进Dijkstra算法,得到密钥消耗最少的多条最短路径;最后,基于最优路径策略,从多条最短路径中选择一条网络服务效率最高的最优路径。分析结果表明,该算法很好地解决了最优路径不唯一、最优路径非最短、最优路径非最优等问题,可以降低QKD网络端端密钥协商时密钥消耗量,提高网络服务效率。     

一种速率自调节可用带宽测量算法

可用带宽是网络路由、网络服务质量、流量工程等方面的一个关键参数。目前很多研究方法都基于PGM模型和PRM模型,但这两种方法大都假设背景流量速率为固定比特流,不适用于低带宽的测试。提出一种端值自调节可用带宽测量算法,该算法充分考虑了低链路带宽的情况。通过对排队延时的处理、探测分组列速率端值自适应调节,实现了端到端可用带宽快速准确的测量。实验结果表明,该算法具有良好的测量效果,尤其在低带宽条件下较其它同类算法提高了测量准确性,加快了测量速度并减小了对网络的影响。