复杂场景下基于改进DiMP算法的精确目标跟踪

针对DiMP目标跟踪算法在自然场景下遇到遮挡及背景干扰导致跟踪表现不佳的问题,提出了改进的DiMP精确目标跟踪算法。在图像预处理阶段创新性地设计了一个任意灰度块替换策略来丰富样本的信息;将特征提取网络ResNet-50提取的目标各阶段的特征图输入到设计的多尺度融合模块中进行正向和反向的充分融合,得到包含更多位置信息和语义信息的特征图;随后特征图输入到模板预测模块中进行在线更新操作,进而得到判别力更强的目标模板。实验表明：该算法在UAV123数据集的遮挡和背景干扰测试中的成功率和精确率分别提高8%、4.15%和9%、6.30%;同时,在VOT2018的EAO指标上提高1.36%,在UAV123的成功率和精确率指标上分别提高3.89%和3.06%。说明改进的DiMP算法在对遮挡与背景干扰问题上优势明显,进而提升了算法的整体表现。     

基于RTS法的空调动态冷负荷计算软件开发

介绍了基于辐射时间序列法的空调动态冷负荷计算软件系统,以及周期响应因子、辐射时间因子的计算方法。该系统以城市经纬度、气象参数、建筑几何尺寸和结构材料、室内热源、渗透风量等信息为输入数据,可以计算出中国各大城市夏季典型设计日的空调逐时冷负荷,为空调器的选型提供了一个技术分析平台,对空调系统的能量分析有着重要的价值和意义。该软件界面友好,操作过程简单,使用方便,计算速度快。且计算结果相对精确,能够满足工程实践的需要。     

大功率柴油机监控系统的国产化研制

本文从研制思想、配置、功能原理和系统特点等几个方面，阐述MANB＆W6L42MC主机遥控监测系统的国产化研制情况．     

红外空心传能光纤聚焦系统的设计与优化

为了进一步提高光纤传输激光的效率,通过改善中红外光纤输出激光时的光斑及发散角的大小设计了双透镜和两种三透镜光学聚焦系统,并得到相应的光斑图形。运用MATLAB软件对实测的光斑进行模拟计算,得到了光斑的强度分布图,通过分析计算不同聚焦系统中的不同位置处光斑的大小,计算并得到了光束发散角。实验结果表明,3种方案中凸凹凸三透镜聚焦系统效果最佳,输出的光斑直径为0.33mm,光束的发散角为0.42°,提高了耦合效率,降低了传输能量的损耗。     

时间特征互补的无监督视频行人重识别

目前的视频行人重识别方法不能有效提取视频帧之间的时空信息,且需要解决人工标签的问题,提出一种时间特征互补的无监督视频行人重识别方法。利用时间特征擦除网络模块对视频帧与帧之间的时间信息特征及空间信息特征进行擦除提取,挖掘行人不同的特征以减少每帧特征的冗余,进而得到目标行人不同视觉的完整特征。通过约束性无监督层次聚类模块计算每个样本之间的距离得到高质量的不同身份集群,根据集群之间距离进行聚类生成高质量的伪标签,提高不同身份极度相似的样本识别性,并根据PK抽样困难样本三元组损失模块从已经聚类好的结果中抽取样本生成一个新的数据集,以便在每次聚类迭代后进行训练,减少困难样例对模型的影响。在MARS数据集和DukeMTMC-VideoReID数据集上的实验结果表明,该方法的平均精度均值分别达到了46.4%和72.5%,Rank-1分别达到了69.3%和80.5%,性能指标优于传统的RACM和DAL等方法。     

无监督行人重识别的判别性特征研究

目前,在计算机视觉方面,大多的监督学习方法用于解决其重要分支:行人重识别问题已经取得了不错的成果,但是此类方法需要对训练数据进行手工标注,特别是对于大容量的数据集,手工标注的成本很高,而且完全满足成对标记的数据难以获得,所以无监督学习成为必选项.此外,全局特征注重行人特征空间整体性的判别性,而局部特征有助于凸显不同部位特征的判别性.所以,基于全局与局部特征的无监督学习框架,使用全局损失函数与局部相斥损失函数共同进行判别性特征学习,并联合优化ResNet-50卷积神经网络(CNN)和各个样本之间的关系,最终实现行人重识别.大量实验数据验证了提出的方法在解决行人重识别任务时具有优越性.     

基于交叉验证网格寻优支持向量机的产品销售预测

综合考虑影响汽车销售的多种因素,运用交叉验证网格搜索优化支持向量机的惩罚系数和核函数参数,建立了适合汽车销售的预测模型.仿真实验结果表明,改进支持向量机优化汽车销售预测模型的预测效果比某公司当前采用的模型更佳,该模型具有较高的预测精度和较大的可信度,可为企业决策层提供较为准确的销售预测参考.     

行人再识别中基于无监督学习的粗细粒度特征提取

行人再识别研究中存在特征判别信息不够丰富的情况,并且遮挡、光照等因素会干扰有效特征的准确提取,对后续相似性度量、度量结果排序等工作都有较大影响。此外,监督学习需要使用标签信息,在面对大型数据集时工作量很大。通过引入无监督学习框架,提出一种粗细粒度判别性特征提取方法。构建基于细粒度和粗粒度特征学习的模型框架,其中包含局部和全局2个分支。在局部分支中,对图像学习到的特征映射提取补丁块,并在未标记数据集上学习不同位置的细粒度补丁特征;在全局分支中,使用无标注数据集的相似度和多样性作为信息来学习粗粒度特征。在此基础上,利用相吸和相斥2个损失函数分别增加类别内相似度和类别间多样性,并结合最小距离准则计算特征之间的相似度,进行无监督的聚类合并。在Market-1501和DukeMTMC-reID数据集上的实验结果表明,该方法对于完成行人再识别任务具有较好的判别性能和鲁棒性,相比所有对比方法的最优结果,其Rank-1指标分别提高5.76%和5.07%,平均精度均值分别提高3.2%和5.6%。     

基于状态观测器的双馈风电机组变流器开关管开路故障检测

针对双馈风电机组变流器可靠性较差,一旦变流器开关管发生故障,整个风电机组可能遭到严重损坏甚至导致停机的问题,提出一种基于状态观测器的双馈风电机组转子侧变流器开关管开路故障检测方法.根据双馈风电机组拓扑结构,结合其感应电机和变流器进行整体建模;构建状态观测器以实现对转子侧电流的在线估计并生成残差;将残差与设定的阈值比较,判断是否有故障发生.仿真结果证明该方法可行且有效.