聚苯胺对电极在染料敏化太阳能电池的应用

通过软模板在FTO(导电玻璃)上化学浴沉积球状纳米聚苯胺和粉末聚苯胺,将以上两种对电极与无模板化学浴沉积聚苯胺对电极进行对比,并通过场发射扫描电子显微镜(FESEM)测试手段对这三种电极的表观形貌进行表征,对所制备三种电极进行了CV、EIS、Tafel、IV等电化学性能测试。结果表明:三种电极的表观形貌分别为球状结构聚苯胺、平整致密聚苯胺、蠕虫状聚苯胺,其中蠕虫状聚苯胺对电极因粗糙的表面和相对较大的厚度而具有较大的表面积,因此其催化活性位点也较多。而球状聚苯胺对电极则是三种电极中最有序的,规整的表面形貌使电极的导电性增加,加之其球状而产生的较大的表面积而使其光电转换效率在三种电极中最高,光电转换效率达到7.11%。     

一步水热法合成可见光响应Ba_4SrNb_4O_5-NaNbO_3复合光催化剂

通过一步水热法合成出具有可见光响应的复合光催化剂Ba_4SrNb_4O_5-NaNbO_3,对样品进行XRD、FE-SEM、BET、UV-VIS-DRS检测分析,并通过光解水表征样品的光催化性能。研究结果表明,Ba_4SrNb_4O_5与NaNbO_3形成复合材料后,吸收光波长从紫外光拓展到可见光范围,0.1 g样品2 h内在紫外光与可见光辐射下的产氢量分别为8.931和1.021μmol。     

A Customized Framework to Recompress Massive Internet Images

Recently,device storage capacity and transmission bandwidth requirements are facing a heavy burden on account of massive internet images.Generally,to improve user experience and save costs as much as possible,a lot of internet applications always focus on how to achieve appropriate image recompression.In this paper,we propose a novel framework to efficiently customize image recompression according to a variety of applications.First of all,we evaluate the input image’s compression level and predict an initial compression level which is very close to the final output of our system using a prior learnt from massive images.Then,we iteratively recompress the input image to different levels and measure the perceptual similarity between the input image and the new result by a block-based coding quality method.According to the output of the quality assessment method,we can update the target compression level,or switch to the subjective evaluation,or return the final recompression result in our system pipeline control.We organize subjective evaluations based on different applications and obtain corresponding assessment report.At last,based on the assessment report,we set up a series of appropriate parameters for customizing image recompression.Moreover,our new framework has been successfully applied to many commercial applications,such as web portals,e-commerce,online game,and so on.     

照片水印自动排版与配色

目的 随着用户对图像传播的个性化要求不断提升,图像-与文本融合成为了目前传播的新形式。为用户照片自动地添加具有美观的水印文字成为图像处理的一个新方向-视觉媒体的自动设计。通过结合设计学原理和计算机视觉原理,为水印文字块在图像中的位置和配色进行优化。方法 基于视觉显著性理论及构图学理论,为水印文字块确定最佳位置。然后根据视觉反差和颜色和谐化理论为文字选取合适颜色。为更完美呈现文字与图像的和谐关系,基于色彩和谐化理论对原图像进行自适应的色轮模板匹配,并以此选取文本色彩。结果 为验证本文所提出的算法,采用用户调查方式分别与腾讯的水印相机及华夏地理（国家地理杂志中文网）配图作对比。与腾讯的水印相机相比,排版与配色后的结果优于仅和谐化后结果（73.25%：17.42%）,同时也优于水印相机原图（73.25%：9.32%）。与华夏地理编辑人工处理后的图片相比,本算法远胜于原始推送结果（97.2%：2.8%）。本算法可以全自动、快捷为用户提供满意的输出结果。结论 无论在与目前自动化的水印相机相比还是简单的人工编辑排版相比,本文算法在提高图文混合排版的设计感及美感上有一定的作用。     

自然环境下日常动作的在线识别

自然环境下的日常动作识别有着广泛的应用前景和重要的研究价值.不同于以往在结构化和孤立条件下进行的动作识别,自然环境下的日常动作是连续的,视角多变并常发生遮挡.本文提出了分布式视觉系统下日常动作的在线识别方法.时间轴上的滑动窗口每个时刻取一段视频帧,采用基于"包容形状"的视角无关的体态表示方法提取体态特征向量,并用隐马尔科夫模型进行识别.动作类型的搜索空间由环境知识推理得到.遮挡检测和部分遮挡下的体态表示也在文中进行了讨论.实验表明本文提出的日常动作的在线识别方法能够克服日常场景给动作识别带来的困难,结果证实了方法的有效性.     

双标签监督的几何约束对抗训练

近年来的研究表明,对抗训练是一种有效的防御对抗样本攻击的方法.然而,现有的对抗训练策略在提升模型鲁棒性的同时会造成模型的泛化能力下降.现阶段主流的对抗训练方法通常都是独立地处理每个训练样本,而忽略了样本之间的关系,这使得模型无法充分挖掘样本间的几何关系来学习更鲁棒的模型,以便更好地防御对抗攻击.因此,重点研究如何在对抗训练过程中保持样本间的几何结构稳定性,达到提升模型鲁棒性的目的.具体而言,在对抗训练中,设计了一种新的几何结构约束方法,其目的是保持自然样本与对抗样本的特征空间分布一致性.此外,提出了一种基于双标签的监督学习方法,该方法同时采用自然样本和对抗样本的标签对模型进行联合监督训练.最后,分析了双标签监督学习方法的特性,试图从理论上解释对抗样本的工作机理.多个基准数据集上的实验结果表明:相比于已有方法,该方法有效地提升了模型的鲁棒性且保持了较好的泛化精度.相关代码已经开源:https://github.com/SkyKuang/DGCAT.     

视角无关的动作识别

人体动作识别是计算机视觉中一个流行而且重要的研究课题.当观察视角发生变化时,动作识别变得格外困难.至今为止,关于动作识别和手势识别的大多数研究工作都是围绕着视角相关的表达展开的.有一小部分利用了视角不变的表示开展研究,可是它们大多数存在一些缺陷,比如缺少用于识别的足够信息,依赖鲁棒的语义特征点的检测或者是点对应.为了解决这个问题,实现视角无关、动作人无关的动作识别,提出了"包容形状"的表示,这种表示不依赖于特定视角.在人体动作识别中,人的身体旋转通常是引起视角变化的主要原因.包容形状充分利用了两个正交摄像机拍摄的轮廓信息以去除由人的身体旋转产生的影响.从来自两个正交的摄像机拍摄的外轮廓,可以很容易计算得到包容形状.利用包容形状的体态表示和隐马尔可夫模型,取得了非特定人、任意视角下动作识别的很好的实验结果.这些实验结果也表明了包容形状包含有足够区分度的信息.同时提出了包客形状的扩展表示,以便在两个摄像机并不完全正交的更为一般的摄像机配置条件下也可以应用,这极大地加强了其实用价值.