基于改进MobileFaceNet的人脸识别方法北大核心

针对目前大多数人脸识别算法参数多、计算量大,难以部署到移动端和嵌入式设备中的问题,提出了一种基于改进MobileFaceNet的人脸识别方法。通过对MobileFaceNet模型结构的调整,将bottleneck模块优化为sandglass模块,改良深度卷积和逐点卷积的相对位置,适当增大sandglass模块的输出通道数,从而减少特征压缩时的信息丢失,增强人脸空间特征的提取。实验结果表明:改进后的方法在LFW测试数据集上准确率达99.15%,模型大小和计算量分别仅为原算法的61%和45%,验证了所提方法的有效性。     

河南平顶山:夜间捣毁县城“黑广播”窝点

2021年12月27日,河南省平顶山无线电管理局监测及执法人员联合宝丰相关部门,在宝丰县城依法查获1套在夜间定时播放的"黑广播"。12月26日,平顶山无线电管理局监测站通过对各县(市、区)无人值守固定监测站24小时监测数据的回放、分析,发现在宝丰县夜间有一个频率为92.3MHz的广播信号出现,播放时间为20:30至次日凌晨6:30,播放性保健品广告,内容十分低俗。监测人员经与台站数据库比对,确定其为"黑广播"信号。     

基于包装功能的时间–温度指示器与食品新鲜度指示器研究进展

目的 从包装功能实现的角度分析研究时间–温度指示器和食品新鲜度指示器的原理、类型与发展趋势，指出开发设计时间–温度指示器和食品新鲜度指示器应完成的包装功能，为有效实现包装交流功能提供研究思路和技术支持。方法 列出现有食品包装功能在物理环境、周围环境和人类环境下的实现矩阵，通过研究时间–温度指示器和食品新鲜度指示器的实现原理和所满足的包装交流功能，探讨这2种技术提高矩阵中分值较低元素的可行性。结果 时间–温度指示器监测食品所经历的时间、温度的完整历程，有助于提高实现矩阵中ComA元素的分值;食品新鲜度指示器提供生理变化或微生物生长引起的食品质量变化的定性或半定量信息，有助于提高实现矩阵中ComH元素的分值。结论 时间–温度指示器和食品新鲜度指示器能够有效提升食品包装的交流功能，保证消费者安全，减少资源浪费，具有广阔的发展前景。     

公示

根据《国家新闻出版署关于开展2021年度新闻记者证核验工作的通知》(国新出发电〔2022〕3号)、《新闻记者证管理办法》有关规定,我单位对持有新闻记者证人员资格进行了严格审查,拟定徐兴利换发新闻记者证。现予公示,公开接受社会监督。公示时间:2022年2月5日至2月15日。     

《中国皮革》官方微信

《中国皮革》杂志社利用遍及全国及海外的信息网络,已经成为中国皮革和制鞋业界能为国内外皮革和制鞋工商企业在信息、咨询、广告、技术、人才、培训、购销等方面,提供全方位服务的信息机构。日前旗下推出的《中国皮革》官方微信平台为行业内人士提供行业资讯,数据分析,深度报道,打造您的每期行业必读。     

基于超声导波SC-DTW的金属板微损检测方法

针对金属板材的质量控制与服役性能评估问题,在对金属板材微损伤进行超声导波检测的基础上,结合形状上下文(shape context,SC)与动态时间规整方法对其损伤劣化程度进行量化评估.该方法以无损Lamb波信号为基准,采用动态时间规划(dynamic time warping,DWT)算法对损伤信号进行相似匹配分析对比,确定基准信号与损伤信号的最佳匹配路径.引入SC的轮廓识别方法对Lamb波的局部波形信息进行统计分析,以波形形状距离代替传统欧氏距离匹配方法,解决DTW相似匹配中的病态对齐问题.最后,将无损Lamb波与损伤Lamb波信号间SC-DTW匹配距离作为损伤程度的量化指标,采用随机闭合裂纹的有限元仿真模型和铝板弯折实验对所提出方法进行验证,结果表明,基于Lamb波SC-DTW的损伤量化指数对铝板早期裂纹具有较高的敏感性和较好的量化表征能力.该方法无需对波包进行识别,也不必进行复杂的特征提取,具有简单高效和抗噪声能力强等优点,在金属板服役性能评估与质量控制中有较好的实用性和推广价值.     

基于DIP的沥青混合料车辙变形数值模拟

利用数字图像处理和有限元技术，生成沥青混合料非均质有限元模型，并分析沥青混合料各组分对其抗车辙能力的影响，从沥青混合料细观角度研究其永久变形规律，为沥青路面设计提供理论指导。结果表明，数值模拟得到的沥青混合料的车辙深度和车辙实验结果吻合较好，非均质有限元模型可对沥青混合料车辙深度进行预测；在各温度条件下提高集料的模量不能有效的提高沥青混合料的抗车辙能力；沥青混合料抗车辙能力增加速率随着沥青砂模量的增加呈现出先增加后减小的趋势；选用密级配的集料级配在软化点以上时可以较好的提高沥青混合料的抗车辙能力，低于软化点时影响不大。     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。