基于异构基Stacking机制的居民负荷特征图像识别方法

负荷识别技术能将不同电器类型有效区分开,对于用电策略制定、需求响应具有重要意义。针对当前负荷识别技术无法有效实现负荷特征融合以及不同识别器模型结合的问题,提出一种基于异构基Stacking机制的居民用电负荷识别特征图像集成学习方法。该方法通过构建特征图像实现特征融合,利用卷积神经网络充分挖掘特征图像中蕴含的深层次特征,解决传统方法对特征挖掘不够深入的问题。同时引入集成学习Stacking方法将多种异质负荷识别模型结合,综合各种模型的优势,解决传统方法模型单一化的问题。最后使用公开数据集PLAID进行验证并在实验室电器设备上完成工程应用。结果表明,所提方法具有较高的识别准确率和应用价值。     

基于三维视觉特征的数字手势语义识别新方法研究

为了解决现有手势识别易受背景噪声干扰和算法较为复杂的问题,提出一种基于3D视觉的数字手势语义识别方法。首先,通过RealSense 3D相机采集手部区域的RGB图像和深度图像,并结合深度信息和肤色信息,对手势进行分割;其次,对手势图像进行形态学滤波后,得到手势区域的轮廓凸包面积比、凸缺陷数、手指夹角和关键点连线比值等特征参数;最后,通过分析不同手势独有的特征参数,实现准确的手势识别。对数字0～9的手势分别进行50次识别实验,手势分割准确率为100%,手势识别准确率为98.5%。实验表明该方法准确可靠,数字手势识别效果理想。     

反向加权融合多尺度特征的X 射线图像违禁品检测

针对现阶段违禁品检测方法存在的混叠效应以及在类内变化显著的场景下检测精度较低等问题,提出一种反向加权 融合多尺度特征的 X 射线图像违禁品检测算法,通过反向自适应地引导融合多尺度上下文特征来实现准确的违禁品目标检 测。首先,使用多尺度场景感知模块获取从局部到全局的目标表征信息,帮助处理显著的类内变化。其次,利用反向加权融 合结构采用特征引导加权的方式,高效融合蕴含丰富上下文特征的多级特征,缓解融合过程中易出现的混叠效应。最后,设 计了一种 Focal-SIOU 损失函数,用于平衡不同质量违禁品目标预测框之间的贡献差异,并结合角度和边长损失进一步提升 预测框的收敛速度和回归精度。本文方法在 SIXray 、OPIXray 、PIDray等3个非常具有挑战性的基准数据集上进行了广泛的 评测实验,平均精度均值(mAP) 分别达到93.2%、90.7%和85.1%。实验结果充分表明,方法相比于最新方法性能更优,并 且能够满足实时目标检测的实际应用需求。     

多模型融合动作识别研究

提出了一种多模型结融合的动作识别方法,目的是利用大数据时代下数据形态的多样性并结合已有模型,以提高识别准确率。该方法使用视频或图像序列与骨架序列对整个模型进行训练。对于骨架序列提取其关键帧,然后使用长短时记忆（LSTM）编码器对骨架序列进行特征提取得到骨架特征。接着使用卷积神经网络得到RGB视频或者图像序列的特征,进一步经过循环神经网络提取特征,得到RGB特征。网络的损失函数方程组由分类误差与上述两种特征的L2范数组成。使用混合最速下降进行网络优化。该方法使用关键帧训练LSTM编码器,大大缩短了训练时间。结合手工提取的关键帧与非监督方式获取的卷积特征,提高识别准确率。在Florence和MSR3D数据集上的实验结果表明,该方法对动作识别具有良好的分类效果。     

基于注意力机制与特征平衡的变电站多目标检测

随着电网结构的日益复杂,变电站关键设备的运行状态对电网安全稳定运行的影响逐渐增强。针对变电站复杂背景下多目标识别以及相似目标识别困难的问题,该文提出了一种基于注意力机制与特征平衡的YOLO-AFB(youonly lookonce-attentionandfeaturebalance)网络。通过在Darknet-53网络中引入混合注意力加强对变电站相关目标的特征提取能力,在特征融合模块中加入反卷积来实现特征图的自适应上采样,提出特征平衡策略来缓解特征图语义信息差别,提高特征融合的质量。在含有9类目标的变电站数据集上进行测试,所提模型整体识别精度达到了83.02%,与经典目标检测网络对比,各类目标的检测精度均有大幅提升。同时互感器等相似目标的识别也得到明显改善,验证了特征平衡的策略可以很好地解决变电站中相似目标识别难的问题。     

基于跨模态特征融合的RGB-D 显著性目标检测

RGB-D显著性目标检测因其有效性和易于捕捉深度线索而受到越来越多的关注。现有的工作通常侧重于通过各种 融合策略学习共享表示,少有方法明确考虑如何维持RGB 和深度的模态特征。提出了一种跨模态特征融合网络,该网络维 持RGB-D显著目标检测的RGB 和深度的模态,通过探索共享信息以及RGB 和深度模态的特性来提高显著检测性能。具体 来说,采用RGB 模态、深度模态网络和一个共享学习网络来生成RGB 和深度模态显著性预测图以及共享显著性预测图。提 出了一种跨模态特征融合模块,用于融合共享学习网络中的跨模态特征,然后将这些特征传播到下一层以整合跨层次信息。 此外,提出了一种多模态特征聚合模块,将每个单独解码器的模态特定特征整合到共享解码器中,这可以提供丰富的互补多 模态信息来提高显著性检测性能。最后,使用跳转连接来组合编码器和解码器层之间的分层特征。通过在4个基准数据集 上与7种先进方法进行的实验表明,方法优于其他最先进的方法。     

融合多级注意力机制和信息融合的车型识别

不同车型类间外观特征高度相似，同车型类内外观差异大，这对特征提取网络提出了更高的要求。现有的车型识别方案仅依靠车辆外观特征识别，整体识别准确率不高。为此，首先在主干网络设计了多级注意力机制，提高主干网络对车型特征提取和识别能力；其次根据卡口环境下不同车辆位置车辆外观特征的变化提出了车辆位置和外观特征融合结构，从而提取出融合位置信息的复合图像特征，减小类内特征距离，增强主干网络所提取的特征的表达力和稳健性；最后在分析了难例样本注意力热力图基础上，对难例样本注意力区域进行干预，使网络聚焦于车辆细小差异的局部区域。实验结果表明，本文所提出的车型识别方法整体性能比现有方案有显著提升。     

基于HSI颜色特征的变电站压板状态识别方法

针对当前变电站压板状态识别存在未充分考虑复杂光照因素以及在图像分割过程中未考虑连通域粘连的问题，提出了一种基于HSI（色调-饱和度-亮度）颜色特征和图像处理技术的压板状态识别方法。首先对采集的压板图像进行畸变矫正预处理；接着利用HSI颜色特征提取技术对图像进行分割处理；然后对连通域进行形态特征分析，利用连通域的边界信息去除标识牌，并利用极限腐蚀算法实现粘连连通域的分离；最后基于简单最小外接矩形边界特征与面积最小外接矩形的偏转角度特征融合识别压板状态。通过与传统RGB（三原色）颜色分割方法、单一长宽比识别方法进行对比试验，结果表明该方法在识别率上有较大提升，具有一定的工程应用价值。     

基于多维特征融合的太赫兹隐蔽目标检测方法研究

针对被动式太赫兹成像信噪比低、成像模糊等问题,提出了一种基于多维特征融合的太赫兹隐蔽目标检测方法.该方法首先设计了关于太赫兹图像的预处理流程,实现了图像的滤波与增强效果.然后分别提取方向梯度分布特征、灰度分布特征和像素空间分布特征,再进行多维特征融合,完成了对隐蔽目标的特征综合表示.最后采用支持向量机实现了隐蔽目标的分...     

基于空间特征融合的车间作业工具检测算法

手和工具的交互是区分车间人员作业行为的关键信息。为防止泵件装配工序错漏,达到实时监测的目的,提出基于空间特征融合的车间作业工具检测算法。首先,为了提高对目标的定位能力和检测精度,基于帧差法分割前景中的手部运动区域,获得具有运动空间特征的纹理图像,结合装配过程的RGB图像构成目标检测网络的双通道输入。设计空间感知模块实现双通道输入的空间特征融合,获得全局空间信息。利用特征增强模块融合全局空间信息和深层语义信息,加强显著位置的特征响应。然后,采用ESNet(enhance shuffleNet)重构主干网络,基于深度可分离卷积实现多尺度特征提取,提高检测速度。最后,针对图像背景中局部元素变化问题,采用CutOut数据增强方法,提高模型抗干扰能力。实验结果表明,本文所提算法有效降低了误检率,较传统YOLOv5s的mAP提高6.4%,能够快速准确检测车间人员作业时使用的工具。