用于场景识别的多尺度注意力网络

寻找场景中的有效信息是场景识别领域中的关键性问题.针对构建场景图像的有效表示,提出了一种基于多尺度注意力网络的场景识别方法.通过在模型中融入改进的通道注意力结构,获得值得关注的局部特征和全局特征;同时针对空间注意力计算过程中的信息丢失问题,提出了基于不同尺度的空间注意力结构,利用特征互补得到场景图像的最终表示;并且引入...     

融合外观特征的行人重识别方法

针对行人重识别中由于姿势变化、视角改变、遮挡等引起的识别率不高的问题,提出了融合外观特征的行人重识别方法.该方法通过两个网络分支的设计,分别提取行人的全局特征和局部特征,二者融合后得到行人的外观特征.同时结合分类损失和度量学习损失,通过多任务学习策略对两个网络分支进行模型优化.此外,该模型设计了随机擦除算法,在数据集中...     

基于伴生稀土高岭土制备致密堇青石陶瓷的研究

堇青石具有优良的力学性能,主要用于耐火材料等领域。本研究以天然高岭土矿物粉末为原料,通过成分调整并采用固相烧结法制备了高性能的堇青石陶瓷,利用气孔率、XRD、SEM、维氏硬度、抗弯强度等分析测试方法对堇青石结构和性能进行了表征。研究表明:堇青石陶瓷配比为伴生稀土高岭土80.2wt.%、氧化铝7.6wt.%和氧化镁12.2wt.%,当烧结温度由1 100 ℃提升至1 250 ℃,且原料粒度由100目降至300目,样品中堇青石相含量增加到96.6%,体积密度达到2.51 g/cm³、致密度高达99.8%,维氏硬度上升至11.56 GPa,抗弯强度达到127 MPa,经3次热震循环后,材料的抗弯强度达到150 MPa。综合堇青石材料对硬度、抗弯强度与抗热震性能的要求,其最佳烧结温度为1 200 ℃,且原料粒度越小,堇青石结构与性能越好。     

基于改进模糊算法的移动机器人避障

为了提高移动机器人在连续障碍物环境下的避障性能,提出了一种具有速度反馈的模糊避障算法。移动机器人利用超声传感器感知周围环境,在模糊控制的基础上通过障碍物分布情况调整自身速度,进而引入优雅降级并把改进的模糊避障融入其中,增强了移动机器人的鲁棒性。实验结果表明,该方法能通过与环境交互调整机器人移动速度,控制机器人成功避障并优化避障路径,具有良好的有效性。     

人脸识别技术进展

简要回顾了人脸自动识别技术的研究背景及发展历程;文中对人脸识别技术的常用方法如基于特征脸(Eigenface)的PCA(Principal Component Analysis)方法、人工神经网络(ANN)的方法、以及模板匹配方法等,进行了分类总结.总结了现存的研究困难并提出了解决方法及今后的发展方向.     

基于离散评分向量概率分析的CF算法改进研究

协同过滤(CF)个性化推荐算法过程中,用户相似度计算是CF技术的核心问题之一。以用户显式、离散评分的条件为基础,应用概率论分析方法,考察了用户显式离散评分向量,提出了改进方法:全面均值法结合对商品进行分类推荐的改进算法。分析表明这种方案更适合推荐系统实际应用环境。实际数据实验表明,新方法提高了CF推荐的预测精度和推荐质量。     

改进的遗传算法在作业调度中的应用

作业调度问题（JSP）是一类典型的NP-hard问题,遗传算法作为一种通用的优化算法在求解JSP中得到了广泛的应用。本文主要针对作业车间调度问题,基于改进的遗传算法 ,根据种群的进化状况,从而确定种群的适应度值,使之能够保持种群的多样化。     

融合对象和多尺度视觉特征的遥感图像描述模型

基于遥感图像多尺度、无法准确提取微小物体、物体类别易混淆的问题,提出了一种融合对象和多尺度视觉特征的遥感图像描述模型(Fusion of Object and Multiscale Visual Feature,FO-MSV),通过构建的对象提取器分析文本信息,提取其中的对象信息;设计了一种多尺度交互模块,获取遥感图像的多尺度视觉特征,以适应多尺度的特点;为了充分利用对象信息并融合视觉信息,提出了一种新的对象-视觉特征融合机制,调整视觉上下文和对象上下文之间的平衡。基于该领域内三个数据集的实验结果表明,该模型能明显提升描述的性能,与其他先进模型相比具有竞争力。     

复杂背景下基于深度学习的手势识别

在人机交互领域,针对复杂背景下手势识别率低、算法鲁棒性差的问题,基于深度学习提出一种手势识别算法HGDR-Net(hand gesture detection and recognition network).该算法由手势检测和识别2部分构成.在手势检测阶段,为解决复杂背景下手势区域提取困难的问题,基于改进的YOLO(you only look once)算法进行手势检测.改进的YOLO算法结合了手势检测的特点,解决了原始YOLO对小物体检测效果差、定位准确度不高的问题.在识别阶段,利用卷积神经网络(CNN)进行识别,并针对手势区域的尺寸多样性引入了空间金字塔池化(SPP)来解决CNN的多尺度输入问题.最后在训练过程中联合线下和实时2种数据增强方法避免过拟合问题,提升HGDR-Net的泛化能力.在NUS-II和Marcel两个复杂背景的公共数据集上进行了验证实验,识别率分别达到98.65%和99.59%.结果表明本文算法能准确地从各种复杂背景中识别手势,相比于基于人工提取特征的传统算法和其他基于CNN的算法具有更高的识别准确率和更强的鲁棒性.     

基于矩阵聚类的页面预测研究

提出一种基于Web日志的分析方法,构建UserID—URL关联矩阵,通过矩阵聚类进行页面预测,为了加快聚类逑度和效果,引进PingPong算法,实验表明基于矩阵聚类的页面预测达到较高的命中率。