跨模态行人再识别的协同学习方法

跨模态行人再识别是实现全天候智能视频监控系统的一项关键技术。该技术旨在匹配某一特定身份行人在不重叠摄像头场景下的可见光图像和红外图像,因而面临着巨大的类内变化和模态差异。现有方法难以较好地解决这两大困难,很大程度上是由于欠缺了对特征判别能力的有效挖掘和对多源异质信息的充分利用。鉴于以上不足,使用协同学习方法设计了一个精细化多源特征协同网络,提取多种互补性特征进行信息融合,以提升网络的学习能力。从骨干卷积网络中提取多尺度和多层次特征,实现精细化特征协同学习,以增强特征的判别能力来应对类内变化。设计了模态共有与特有特征协同模块和跨模态人体语义自监督模块,达到多源特征协同学习的目的,以提高多源异质图像信息的利用率,进而解决模态差异。在SYSU-MM01和RegDB数据集上验证了该方法的有效性和先进性。     

改进CBAM的轻量级注意力模型

近几年注意力模型在计算机视觉领域取得了广泛的应用,通过在卷积神经网络中加入注意力模型,网络的性能可以显著提升。然而大多数现有的方法都专注于开发更复杂的注意力模型,以使卷积神经网络获得更强的特征表达能力,但这也不可避免地增加了模型的复杂性。为了在性能和复杂度间取得平衡,对CBAM模型进行优化提出了轻量级的EAM（Efficient Attention Module）模型。针对CBAM的通道注意力模块,引入一维卷积替代全连接层来聚合各通道间的信息;对于CBAM的空间注意力模块,将大卷积核替换为空洞卷积来增加感受野以聚合更广的空间上下文信息。将该模型融入YOLOv4后在VOC2012数据集上进行测试,mAP提高3.48个百分点。实验结果表明,该注意力模型只引入较小的参数量,网络性能可获得较大提升。     

基于改进YOLOv3的人体行为检测

针对人体行为检测中相同行为差异大, 不同行为相似度高, 以及视觉角度、遮挡、不能实时检测等问题, 提出Hierarchical Bilinear-YOLOv3人体行为检测网络. 该网络采用YOLOv3在3个不同尺度上进行预测, 抽取YOLOv3金字塔特征提取网络中特定层作为Hierarchical Bilinear的输入, 捕获特征图的层间局部特征关系, 并在3个不同尺度上进行预测, 最后将YOLOv3和Hierarchical Bilinear两种预测结果融合. 实验结果显示, 改进后的模型相比于原网络仅增加了少量参数, 在保证检测效率的同时提高原算法的检测精度, 并在一定程度上优于当前行为检测算法.     

Adaptive Backstepping Sliding Mode Control of Tractor-trailer System with Input Delay Based on RBF Neural Network

In this paper, an adaptive sliding mode neural network(NN) control method is investigated for input delay tractor-trailer system with two degrees of freedom. An uncertain camera-object kinematic tracking error model of a tractor car with n trailers with input delay is proposed. Radial basis function neural networks(RBFNNs) are applied to approximate the unknown functions in the error model. A sliding mode surface with variable structure control is designed by using backstepping method. Then, an adaptive NN sliding mode control method is thus obtained by combining Lyapunov-Krasovskii functionals. The controller realizes the global asymptotic trajectories tracking of the kinematics system. The stability of the closed-loop system is strictly proved by the Lyapunov theory. Matlab simulation results demonstrate the feasibility of the proposed method.

     

基于 KingSCADA 的运动控制状态监测系统

分布式运动控制大量应用于激光装置的自动准直控制组件中,针对大型激光装置运动系统规模大、诊断要求高的特点,独立于运动控制系统之外,基于KingSCADA组态软件构建运动控制状态监测系统,实现控制对象的运行记录归档、故障查询,提升运动控制系统在线诊断分析能力;状态监测系统在大型激光装置自动准直控制组件中得到了应用,实现了电机故障的记录和查询,并通过状态监测系统的历史数据积累,为运动控制系统的智能故障诊断和预测提供了分析数据基础.     

智能农业除草机器人研究现状与趋势分析

智能农业除草机器人融合了环境分析、路径导航、视觉识别和运动控制等多种技术,是应用于精准农业中除草作业的智能机器人系统,作为农业机械化研究的热点备受国内外学者关注;对除草机器人的国内外研究现状进行了梳理,进一步分析了除草机器人的特点与优势;总结了除草机器人系统控制、移动导航和机器视觉等关键技术的研究进展,指出关键技术的发展前景与空间;结合除草机器人的技术研究特点与市场环境分析了其未来发展趋势;针对目前除草机器人存在的问题提出解决思路与研究方法,为除草机器人智能化、自动化和集成化发展研究提供理论参考.     

基于二阶k近邻的密度峰值聚类算法研究

密度峰值聚类(DPC)是近年来提出的一种新的密度聚类算法,算法的核心是基于局部密度和相对距离,通过画出决策图,人为选定聚类中心,进而完成聚类.DPC算法利用截断距离计算局部密度,本质上只考虑了周围近邻节点的数量,且算法采用单步分配策略,一定程度上限制了算法对任意数据集的计算精度和有效性.针对上述问题,提出基于二阶k近邻的密度峰值聚类算法(SODPC).算法通过引入节点的二阶k近邻,计算直接密度和间接密度,重新定义局部密度的计算方式.在此基础上,定义非中心节点的多步骤分配策略完成聚类.通过人工和真实数据的测试,证明了该算法对不规则、密度不均匀的数据集具有较好的聚类效果.     

矿井提升机变频调速控制系统研究

针对煤矿用提升机存在机械磨损严重、耗电量大的问题,设计基于变频调速的矿用提升机控制系统。详细分析变频调速直接转矩控制原理和电压型逆变器原理,并完成仿真验证。给出变频调速控制系统总体方案设计、硬件设计和软件设计并完成工业试验。试验结果表明,该变频调速控制系统能够保证矿井提升机安全、稳定运行,降低机械磨损并达到节电的目的。     

Sunway supercomputer architecture towards exascale computing: analysis and practice

Science China Information Sciences -     

信息安全专业课程思政的逆向教学设计——以西安电子科技大学“无线通信网络安全”课程为例

课程思政是信息安全专业课程教学中的新课题。依据逆向教学设计理论,以西安电子科技大学“无线通信网络安全”课程为例,在厘清课程思政建设理念和原则的基础上,从课程前端设计、层级化的课程思政教学目标、合理化评价、多样化学习活动、教学反馈5方面出发,构建了一个基于问题式学习的系统化课程思政设计流程。通过本案例的演示,为其他信息安全专业类课程开展课程思政教学设计提供了参考和借鉴。