基于AT89C2051单片机的客车倒车监视系统

AT89C2051是美国ATMEL公司生产的低电压、高性能CMOS8位单片机，采用高密度、非易失性存储技术生产，兼容标准MCS～51指令系统，适合许多高性价比的应用场合。文中采用AT89C2051芯片为北京某汽车公司设计了一个客车倒车监视系统，并介绍了相应的硬件设计和软件编程。只要挂上倒挡，系统便自动监视车后从0．35m至5．0m的视频图像，在客车进站中门打开时，系统会自动监视中门附近车内信息。该系统已投产使用，性能稳定，反应良好。     

视频会议系统在LAN中的实现

开会总是需要先预定时间、地点,统一开会人员及会场布置、记录、主持等.会议所要解决的问题或是要制定的方案、决策都由于许多客观因素而耽搁.视频会议系统解决了以上的问题,免去会议开支,缩短了解决问题的周期,不受客观因素的影响.文中从视频会议系统的基本概念出发,介绍了视频会议系统的基本结构和一些关键技术.再以Microsoft公司的NetMeeting为模型,设计了各个功能模块,包括会员的管理、数据压缩、数据加密等,应用Winsock API以及数据库的相关技术,制作出一套类似于NetMeeting的软件,用于局域网(LAN)的视频会议系统.实践证明,该软件有较好的使用效果.     

PIC单片机实验系统的研制

本文介绍了一种PIC单片机实验系统的设计方案,选用高速、低功耗和高性能的8位PIC16F877A单片机。我们采用模块化的设计方法,注重硬件设计,同时还提供比较丰富的接口,便于扩展。实验系统提供了16个实验项目,可用于PIC16F87X系列单片机实验教学、课程设计及电子竞赛赛前培训等。教学实践表明,使用该系统可以提高单片机课程的教学效果。     

基于多尺度和注意力融合学习的行人重识别

行人重识别的关键依赖于行人特征的提取,卷积神经网络具有强大的特征提取以及表达能力。针对不同尺度下可以观察到不同的特征,该文提出一种基于多尺度和注意力网络融合的行人重识别方法(MSAN)。该方法通过对网络不同深度的特征进行采样,将采样的特征融合后对行人进行预测。不同深度的特征图具有不同的表达能力,使网络可以学习到行人身上更加细粒度的特征。同时将注意力模块嵌入到残差网络中,使得网络能更加关注于一些关键信息,增强网络特征学习能力。所提方法在Market1501, DukeMTMC-reID和MSMT17_V1数据集上首位准确率分别到了95.3%, 89.8%和82.2%。实验表明,该方法充分利用了网络不同深度的信息和关注的关键信息,使模型具有很强的判别能力,而且所提模型的平均准确率优于大多数先进算法。     

基于AT89C2051单片机的客车倒车监视系统

AT89C2051是美国ATMEL公司生产的低电压、高性能CMOS 8位单片机,采用高密度、非易失性存储技术生产,兼容标准MCS-51指令系统,适合许多高性价比的应用场合。文中采用AT89C2051芯片为北京某汽车公司设计了一个客车倒车监视系统,并介绍了相应的硬件设计和软件编程。只要挂上倒挡,系统便自动监视车后从0.35m至5.0m的视频图像,在客车进站中门打开时,系统会自动监视中门附近车内信息。该系统已投产使用,性能稳定,反应良好。     

融合双流三维卷积和注意力机制的动态手势识别

得益于计算机硬件以及计算能力的进步,自然、简单的动态手势识别在人机交互方面备受关注。针对人机交互中对动态手势识别准确率的要求,该文提出一种融合双流3维卷积神经网络(I3D)和注意力机制(CBAM)的动态手势识别方法CBAM-I3D。并且改进了I3D网络模型的相关参数和结构,为了提高模型的收敛速度和稳定性,使用了批量归一化(BN)技术优化网络,使优化后网络的训练时间缩短。同时与多种双流3D卷积方法在开源中国手语数据集(CSL)上进行了实验对比,实验结果表明,该文所提方法能很好地识别动态手势,识别率达到了90.76%,高于其他动态手势识别方法,验证了所提方法的有效性和可行性。     

基于IMSE的神经网络优化设计方法在板厚板形控制中的应用

提出基于免疫调节的共生进化算法 (IMSE)的神经网络优化设计方法 ,融入了免疫调节原理中的浓度抑制调节机制以保持个体的多样性 ,有效地克服了未成熟收敛现象 .在应用于二机架冷连轧板厚板形综合控制系统中的仿真实验表明 ,该方法能很好地适应复杂环境 ,并具有较好的收敛性和较强的抗扰性     

基于归一化背景方向特征的脱机手写汉字识别

对4方向背景方向特征进行了改进,提出了8方向背景特征描述方法。与4方向背景方向特征描述方法相比,改进后的特征描述方法可以从0°、45°、90°、135°、180°、225°、270°、315°共8个方向来对汉字图像进行考察,从而进一步提高描述的精度。此外,为了消除笔划粗细的影响,还对背景方向特征进行了归一化处理。实验结果表明改进后的归一化8方向背景方向特征具有更高的识别精度。