剩余燃气发电技术的有效利用

众所周知，燃气生产供应关系着千万居民的生活，但是由于天津冬夏两季外网用气量的严重不平衡（冬季高峰与夏季低谷气量相差达3倍），使得夏季煤气过剩。这些剩余煤气除部分供锅炉（替代动力煤）使用外，还有相当一部分煤气被放散到空气中，不但浪费了能源，还污染了空气。据不完全统计，目前国内有焦化企业2000余家，每年放散炼焦煤气120亿m^3以上，相当于正在建设的西气东输工程的年输气量。     

基于半监督学习的跌倒检测系统设计

针对老人跌倒时的复杂运动情况,进行跌倒标注的较难实现,提出了基于Tri-training半监督算法的跌倒检测系统。本系统使用3D加速度传感器采集运动加速度数据,然后对数据进行特征提取与部分样本标注,使用Tri-training算法训练分类器,最后使用训练好的分类器进行跌倒识别。具体的数据采集传感器设计为可穿戴式设备,服务器端使用Java编写了一个服务器的程序实现对数据的分析与处理。实验结果表明：该方法使用了大量无标签数据的信息,有效提高了跌倒识别的准确率。实验结果表明：本系统能够满足老年人在日常生活中的需求,对于一些意外跌倒能够给予及时的检测与报警。     

基于参考点配准法的全景泊车系统研究

为了提高驾驶行车的安全性,研究并改进了一种全景泊车系统,由鱼眼摄像头,图像处理单元和显示器三大部分组成.鱼眼摄像头采集汽车四周的超广角图像;在OpenCV环境下通过鱼眼摄像头标定,桶型矫正和图像的透视变换技术形成汽车前后左右的4幅平面俯视图;提出了一种参考点配准的方法,可以根据平面俯视图得到汽车的360°全景图像,并在显示器上显示.与特征点匹配法相比,参考点配准方法受环境的影响很小且对硬件性能要求较低,因此,更适用于嵌入式系统实现.     

基于自监督边缘融合网络的MRI影像重建

医学影像的统计研究表明,组织的边缘信息是医学影像重建最难恢复的一个部分,但现有基于深度学习的重建方法均缺乏对边缘信息的显式考虑.为了在重建时考虑影像的边缘信息,文中提出自监督边缘融合网络,完成MRI影像的压缩感知重建.首先使用边缘检测算子,以无需人工标注的方式生成影像的边缘标记.再提出自监督的辅助网络,将边缘标记以特征学习的方式转换成可融合的特征.设计自顶向下的特征融合机制,将自监督网络学习的特征融入重建网络,实现对影像的压缩感知重建.实验表明,文中网络可较好地捕获影像的边缘信息,重建效果较优.     

ADIC：一种面向可解释图像识别的自适应解纠缠CNN分类器

近年来，卷积神经网络（convolutional neural network,CNN）作为一种典型的深度神经网络模型，在图像识别、目标检测和语义分割等计算机视觉领域中取得了令人瞩目的成效.然而，CNN端到端的学习模式使其隐藏层的逻辑关系以及模型决策结果难以被解释，这限制了其推广应用.因此，研究可解释的CNN具有重要意义和应用价值.为了使CNN的分类器具有可解释性，近年来涌现出了很多在CNN架构中引入基础概念作为插入式成分的研究.事后概念激活向量方法以基础概念为表现形式，用于分析预训练的模型，但依赖独立于原始模型的额外的分类器，解释结果可能并不符合原始模型逻辑.另外，现有的一些基于概念的事前可解释方法对于CNN潜在分类空间中的概念处理太过绝对.引入图卷积网络模块，设计了一种类内概念图编码器（within-class concepts graphs encoder, CGE）学习类内基础概念及其潜在交互.在CGE基础上，设计实现不同依赖关系的基础概念不同程度解纠缠的正则化项，提出了潜在空间自适应解纠缠的可解释CNN分类器（adaptive disentangled interpretab...