基于形态优化的激光快速成型产品设计系统

产品形态是吸引消费者购买产品的重要原因之一,为缩短产品研发周期优化产品设计,研究基于形态优化的激光快速成型产品设计系统。利用形态分析法获取产品形态设计要素,通过眼动追踪技术统计产品形态的眼动数据,采用方差法提取与产品形态关联度高的眼动数据,从而建立眼动追踪数据与设计要素的关系模型,获取形态优化设计结果。根据设计结果运用数据处理软件采集并处理产品数据,并通过反求软件将产品以三维CAD模型形式展示,对三维CAD模型实施切片与程序处理获取产品数控代码,利用激光快速成型技术加载数控代码制作出三维产品。实验结果表明,采用该系统方法可获取用户满意度较高的形态优化产品设计方案,设计效果逼真,且最终设计产品精度均在99%以上,充分验证了该系统的有效性。     

飞行训练中仪表注意力分配自动判别的实现

飞行仪表图的注意力分配训练是飞行学员地面课程的重要组成部分,传统的训练方法需要使用静态仪表图片来训练,这种方法存在不易监督和不能统计训练成绩等缺点.结合CCAR-61R4审定规则和飞行学员培训实践内容及操作需求,采用眼动跟踪技术,基于SEEV视觉注意力模型,考虑显著性、努力、期望和价值四个因素,开发了一个视觉注意力分配...     

基于卷积注意力机制的电视节目评论情感分析方法研究

本文提出一个基于卷积注意力机制的文本分类方法,该方法利用卷积神经网络抓取上下文信息,自适应生成注意力权重,并与LSTM模型相融合进行分类。在IMDB影评分类测试中,本文所提方法的分类准确率比基准模型高3.6%,证明了本文所提方法的有效性。     

融入残差注意力机制的DeepLabV3+图像拼接篡改取证网络

针对现有图像拼接检测网络模型存在边缘信息关注度不够、像素级精准定位效果不够好等问题,提出一种融入残差注意力机制的DeepLabV3+图像拼接篡改取证方法,该方法利用编-解码结构实现像素级图像的拼接篡改定位。在编码阶段,将高效注意力模块融入ResNet101的残差模块中,通过残差模块的堆叠以减小不重要的特征比重,凸显拼接篡改痕迹;其次,利用带有空洞卷积的空间金字塔池化模块进行多尺度特征提取,将得到的特征图进行拼接后通过空间和通道注意力机制进行语义信息建模。在解码阶段,通过融合多尺度的浅层和深层图像特征提升图像的拼接伪造区域的定位精度。实验结果表明,在CASIA 1.0、COLUMBIA和CARVALHO数据集上的拼接篡改定位精度分别达到了0.761、0.742和0.745,所提方法的图像拼接伪造区域定位性能优于一些现有的方法,同时该方法对JPEG压缩也具有更好的鲁棒性。     

基于AB神经网络模型的车牌定位方法

提出了一种基于AB神经网络模型的车牌定位方法,利用区域直方图和矩形滑动窗口法进行车牌的第一次定位,再利用区域均值法和均值跳变法进行车牌的精确定位。实验证明,该方法速度快,准确度高.     

基于HSV空间与数学形态学的车牌定位方法

车牌区域的颜色特征是车牌的重要信息,基于此特征,提出了基于HSV颜色模型和数学形态学相结合的车牌定位算法.并利用Matlab软件对该算法进行仿真,实验证明该方法在复杂背景下具有较强的适应性与稳健性.     

MCA-Net:多尺度综合注意力CNN在医学图像分割中的应用

医学图像自动分割技术具有辅助临床医学诊断的功能.为改善CNN模型在医学图像分割中存在感受野小及细节特征不敏感等问题,基于多尺度策略以及注意力机制,提出一种多尺度综合注意力的U形网络架构,以提升医学图像分割质量.首先,提出一个新的双路径因式分解多尺度融合块,以扩展图像特征的感受野,进一步提取图像特征的细节信息.其次,在架构中融入通道和空间融合自注意力块,利用注意力机制的特性,抑制不相关的部分或背景以突显深层特征的空间信息.最后,引入多尺度注意力块.该模块通过融合多个尺度的特征信息,以突出不同尺度中最显著的特征图来适应当前分割对象的大小.为验证模型的可靠性,将所提出的网络模型应用于肺部、细胞轮廓及肝脏等医学图像分割任务.实验结果表明,所提方法在准确率、Dice系数、AUC及灵敏度等评估指标上均优于目前用于医学图像分割的主流方法.     

基于CNNCIFG-Attention模型的文本情感分类

神经网络在处理中文文本情感分类任务时,文本显著特征提取能力较弱,学习速率也相对缓慢.针对这一问题,文中提出一种基于注意力机制的混合网络模型.首先对文本语料进行预处理,利用传统的卷积神经网络对样本向量的局部信息进行特征提取,并将其输入耦合输入和遗忘门网络模型,用以学习前后词句之间的联系.随后,再加入注意力机制层,对深层次...     

一种基于视觉显著图的舰船红外图像目标检测方法

提出了一种基于视觉显著图的红外舰船目标定位方法,即通过改进的Itti模型生成视觉显著图,并基于视觉显著图分割出目标区域,从而实现目标检测。先用小波变换替代Itti模型中的高斯滤波来生成图像多尺度金字塔,然后用center—surround算子提取出多尺度的视觉差异特征,并对生成的视觉特征图进行合成,生成显著图。最后,利用阈值分割方法分割出目标区域,并对原始图像进行标记,从而实现目标检测。实验结果表明,与传统的Otsu阈值分割方法相比,该方法能够准确检测出目标区域。     

基于视觉注意机制的人脸区域预检测

为了快速搜索图像中的人脸区域,依据人类视觉系统的特点,引入Itti模型,提出了一种基于肤色特征和方向特征的人脸区域预检测注意力模型,并应用于复杂背景下彩色图像的人脸区域预检测.首先把图像从RGB空间转换到HSI空间,利用肤色在色度空间的聚散性,采用Gaussian金字塔和center-surround算子获取肤色和方向特征的多尺度视觉差异,通过这2个不同特征图的规格化和线性融合获得综合的显著图,由显著图地址转换成图像坐标找出原图中的人脸区域.实验结果表明,该方法能有效检测出人脸区域,且检测速度快,为后续的处理和分析提供了良好的基础.     

基于双星TDOA和主星DOA的空中动目标联合定位技术

现有基于星载的空中动目标定位方法工程实现复杂度与代价过大,本文提出了一种应用于空中动目标定位的新型双星定位技术,联合双星到达时差信息（TDOA）和主星来波方向信息（DOA）可以获得目标的三维定位.通过矢量求解方法,建立了空中动目标定位的数学模型.同时,在考虑多种误差因素的前提下,建立了用于Monte Carlo分析的定位误差模型.最后,以空间站及其辅星作为应用场景进行了算例仿真.结果表明该技术能够实现空中动目标的地面航迹和三维位置的精确估计,可应用于空间站与卫星联合的空中动目标联合定位系统.     

面向运动目标检测的粒子滤波视觉注意力模型

视觉注意力是机器视觉领域的研究热点,对目标检测、跟踪等技术发展具有积极意义,本文面向运动目标检测问题,构建了一种基于粒子滤波的视觉注意力模型.首先依据贝叶斯估计理论,推导了基于注意力的粒子权重计算方法;然后将运动注意力和目标颜色注意力分别作为自底向上（Bottom-Up）和自顶向下（Top-Down）注意力的输入,通过重要性采样、粒子权值计算、重采样等形成粒子注意力显著图,并确定目标位置;测试结果显示本文方法能够获取比其它方法更好的目标注意力显著图,并具有准确的目标检测效果.     

基于带有注意力机制的深度循环神经网络的语音情感识别

自从注意力机制在自然语言处理领域取得了巨大成功,其被引入了语音情感识别任务中,使各种语音情感识别模型的性能获得了提高。为了能在深度循环神经网络中更加高效地利用注意力机制,对传统的注意力机制进行了推广,提出了基于分段的注意力机制,并将其应用于深度循环神经网络中。在CASIA语音情感数据集上的实验结果证明,这一方法能够有效提高模型性能,并大幅提高模型训练速度。     

基于预训练语言模型及交互注意力的平行句对抽取方法

从互联网可比语料中筛选高质量的平行句对,是提升低资源机器翻译性能的有效手段之一.针对该问题,融合预训练语义表征提出一种基于双向交互注意力机制的跨语言文本语义匹配方法,首先利用预训练语言模型分别获得源语言和目标语言的双语表征,其次基于双向交互注意力机制实现跨语言特征的空间语义对齐,最后基于多视角特征融合后的语义表征实现跨...     

移动计算用户界面可用性评估的眼动方法

 为了降低传统可用性评估方法中的主观影响和误差,本文应用眼动跟踪技术分析人机交互过程中的认知情况,提出移动计算用户界面可用性评估方法.该方法选取凝视时间、凝视数目、感兴趣区转移频次矩阵等眼动指标,并结合交互任务与自顶向下的视觉认知机制对界面进行分析,建立可用性评估模型,考察视觉搜索和信息加工等认知效率,进而为界面设计优化提供指导.以手机用户界面为对象的评估实例表明,该方法可有效分析界面认知内因,获取可用性问题清单,与用户主观评估保持较高一致性,验证了其实用性与有效性.     

基于双注意力机制的红外与可见光图像融合方法

针对大多数基于GAN的红外与可见光图像融合方法仅在生成器使用注意力机制,而鉴别阶段缺乏注意力感知能力的问题,提出了一种基于双注意力机制生成对抗网络（doubleattention generative adversarial networks,DAGAN）的红外与可见光图像融合方法。DAGAN提出一种多尺度注意力模块,该模块在不同尺度空间中将空间注意力和通道注意力结合,并将其应用在图像生成阶段和鉴别阶段,使生成器和鉴别器均能感知图像中最具鉴别性的区域,同时提出了一种注意力损失函数,利用鉴别阶段的注意力图计算注意力损失,保存更多目标信息和背景信息。公开数据集TNO测试表明：与其他7种融合方法相比,DAGAN具有最好的视觉效果与最高的融合效率。     

基于MSD-Vnet的三维医学图像配准

基于编解码结构的卷积神经网络在医学图像配准中具有巨大的应用优势,但是依然存在不足.基于此,提出一种基于多尺度跳过连接、选择核注意力机制及深度监督V-net(MSD-Vnet)的三维医学图像配准方法.该方法使用多尺度跳过连接提高网络对解剖结构位置信息的定位能力,选择核注意力机制根据输入特征的多个尺度自适应调整感受野大小来...     

基于正交移动双水下自主潜航器的水下合作目标定位方法

利用水下自主潜航器(AUV)定位是水下大区域静止目标定位主要方法之一.针对单AUV定位存在的定位周期长,定位覆盖区域低,长时间定位误差累积大的缺陷,该文提出一种基于正交运动的双AUV的静止目标定位方法.每个AUV通过自身携带的惯性导航系统(INS)和多普勒计程仪进行自身定位,并在多次运动过程中通过与静止目标间的通信时延差测量进行定位.该方法需要2个相对航向角呈90°的正交移动AUV通过最少2次与静止目标间通信完成次定位.相比于传统的单移动传感器定位方法,该算法需要的定位周期更短,对同步要求更低.实验结果表明,该方法定位精度有显著提高,同时有效定位区域增大,在长时间定位过程中对AUV位置误差影响更低.     

面向方面级情感分析的交互图注意力网络模型

方面级情感分析目前主要采用注意力机制与传统神经网络相结合的方法对方面与上下文词进行建模.这类方法忽略了句子中方面与上下文词之间的句法依存信息及位置信息,从而导致注意力权重分配不合理.为此,该文提出一种面向方面级情感分析的交互图注意力网络模型(IGATs).该模型首先使用双向长短期记忆网络(BiLSTM)学习句子的语义特征表示,并结合位置信息生成新的句子特征表示,然后在新生成的特征表示上构建图注意力网络以捕获句法依存信息,再通过交互注意力机制建模方面与上下文词之间的语义关系,最后利用soft-max进行分类输出.在3个公开数据集上的实验结果表明,与其他现有模型相比,IGATs的准确率与宏平均F1值均得到显著提升.     

基于轴向空间注意力和中间融合表示的单图像三维重建模型

提出一种基于注意力和中间融合表示的三维重建模型，旨在重建具有精细化结构的三维模型。该方法利用轴向空间注意力机制学习不同方向的信息，将其嵌入编码器中以捕获局部结构特征；并基于双流网络推测深度图和三维平均形状以设计中间融合表示模块，该模块能够有效地融合可见表面细节信息，从而更好地描绘对象的三维空间结构。实验结果表明：所提出的轴向空间注意力机制和中间融合表示模块增强了特征提取的能力，IoU和F-score比PixVox++分别提升了1.3%和0.4%,三维重建效果更优。