基于NPSI方法的西安市地裂缝灾害链地表形变监测与演化态势分析

受构造背景、地下水采掘、活断层等因素的综合作用,西安市地裂缝于近年间不断加剧,引发多处不均匀地表沉降,并演化为对地表及地下建筑物均有强烈破坏作用的城市地质灾害链。为探明西安市地裂缝灾害链区域近年间的地表沉降态势、辨析不均匀沉降与地裂缝发育的联系,引入在城市地表形变监测精度和可靠性方面具有显著优势的网络化永久散射体时序雷达干涉测量（NPSI）方法,以2017年3月至2018年3月间成像的15期Sentinel-1A卫星SAR影像为数据源针对西安地区开展了时序监测分析,结合水准测量数据验证发现NPSI监测结果的精度达到 ±4.75 mm。实验结果表明：西安市地裂缝正向西南郊发育,地下水采掘及地上地下工程的建设在地裂缝发育趋势下加剧了不均匀沉降灾害,在形成地裂缝灾害链的鱼化寨、电子城、曲江新区以及地铁3号线等危害严重区域需要实时监测地裂缝发育趋势,并合理规划地下水开采及工程建设活动。相关研究结果可为路政、城建等部门的业务工作及相关研究提供参考信息。     

一种基于分段偏最小二乘模型的土壤重金属遥感反演方法

土壤中重金属由于其毒性而成为最有害的环境污染物之一,利用遥感进行土壤重金属检测和分布制图是目前最为高效的手段。采用哨兵二号（Sentinel-2）多光谱影像与实测样品光谱数据,对山西省铜矿峪铜矿尾矿库及其周边农田土壤的铜（Cu）含量进行估算,利用68个土壤样品的反射光谱,优选出适合土壤铜含量预测的波段,结合分段偏最小二乘法（Piecewise Partial Least Squares Regression,P-PLSR）,对土壤铜含量进行估算,将模型用于Sentinel-2影像获得了Cu含量的空间分布。通过P-PLSR对实测样品光谱建模反演Cu含量的决定系数（R²）为0.89,预测偏差比（RPD）为2.82;利用Sentinel-2多光谱影像获得了该区域Cu元素含量空间分布,其Cu含量的估算精度R²为0.74,RPD为1.73,Cu含量高值区空间分布与尾矿库关系密切。Sentinel-2多光谱数据具有高空间分辨率（10、20和60 m）、高时间分辨率和幅宽大（290 km）等优势,通过敏感波段选择并建立反演模型,可实现大范围土壤环境制图。     

高校智能咨询系统实施过程中的关键问题研究

高校是"最多跑一次"思想的有力支持者,目前已有百余所高校同步推进,且取得显著成效.在此背景下,从高校留学生群体入手,分析当前高校智能咨询系统在"最多跑一次"实施落地过程中存在的问题.通过加强团队建设、规范事项、梳理流程、细化颗粒度的方式弥补仅靠系统带来的不足,旨在更好的为高校"最多跑一次"服务.     

基于大数据的成绩可视化分析与研究

从海量的大数据中挖掘出潜在的有价值的信息并进行可视化分析已成为研究的热点.文章根据成绩大数据,从班级、课程等多维度进行成绩可视化分析,为教学管理者提供学生学习情况分析服务.经研究发现,成绩的可视化分析不仅能为管理者提供精准的教学支持,还能使学生及时发现学业问题.     

结合动态图卷积和空间注意力的点云分类与分割

目的 随着3维采集技术的飞速发展,点云在计算机视觉、自动驾驶和机器人等领域有着广泛的应用前景。深度学习作为人工智能领域的主流技术,在解决各种3维视觉问题上已表现出巨大潜力。现有基于深度学习的3维点云分类分割方法通常在聚合局部邻域特征的过程中选择邻域特征中的最大值特征,忽略了其他邻域特征中的有用信息。方法 本文提出一种结合动态图卷积和空间注意力的点云分类分割方法（dynamic graph convolution spatial attention neural networks,DGCSA）。通过将动态图卷积模块与空间注意力模块相结合,实现更精确的点云分类分割效果。使用动态图卷积对点云数据进行K近邻构图并提取其边特征。在此基础上,针对局部邻域聚合过程中容易产生信息丢失的问题,设计了一种基于点的空间注意力（spatial attention,SA）模块,通过使用注意力机制自动学习出比最大值特征更具有代表性的局部特征,从而提高模型的分类分割精度。结果 本文分别在ModelNet40、ShapeNetPart和S3DIS（Stanford Large-scale 3D Indoor Spaces Dataset）数据集上进行分类、实例分割和语义场景分割实验,验证模型的分类分割性能。实验结果表明,该方法在分类任务上整体分类精度达到93.4%;实例分割的平均交并比达到85.3%;在室内场景分割的6折交叉检验平均交并比达到59.1%,相比基准网络动态图卷积网络分别提高0.8%、0.2%和3.0%,有效改善了模型性能。结论 使用动态图卷积模块提取点云特征,在聚合局部邻域特征中引入空间注意力机制,相较于使用最大值特征池化,可以更好地聚合邻域特征,有效提高了模型在点云上的分类、实例分割与室内场景语义分割的精度。     

Correction to: MRI enhancement based on visual-attention by adaptive contrast adjustment and image fusion

Multimedia Tools and Applications - A Correction to this paper has been published: https://doi.org/10.1007/s11042-021-10782-7     

A Novel Heterogeneous Actor-critic Algorithm with Recent Emphasizing Replay Memory

Machine Intelligence Research - Reinforcement learning (RL) algorithms have been demonstrated to solve a variety of continuous control tasks. However, the training efficiency and performance of...     

A Fast Vision-inertial Odometer Based on Line Midpoint Descriptor

Machine Intelligence Research - Visual simultaneous localization and mapping (VSLAM) are essential technologies to realize the autonomous movement of vehicles. Visual-inertial odometry (VIO) is...     

一种基于对抗学习的实时跟踪模型设计

目标跟踪指在视频帧中找到感兴趣目标的运动位置,广泛应用于环境感知、安防监控和无人驾驶等领域。为进行高效的目标跟踪,建立一种基于对抗学习和特征压缩的相关滤波器目标跟踪模型。为了同时兼顾精度与速度,在模型中引入特征提取优化、特征压缩和特征聚合等步骤。在提取图像特征前,采用对抗学习方法解决特征提取模型中训练数据与任务数据分布不匹配的问题。在特征压缩阶段,应用双通道自编码器结构和特征聚合来增强模型对图像风格的泛化能力。实验结果表明,与非实时跟踪算法相比,该模型在精度损失不超过3%的情况下能取得明显的速度提升,其跟踪速度高达103FPS。     

TP-FER：基于优化卷积神经网络的三通道人脸表情识别方法

针对人脸五官在表达不同情绪时所起的作用不同,利用单一的卷积神经网络对人脸面部特征进行特征提取和表情识别可能会导致提取表情关键特征信息时聚焦性不够,而仅对眼部或者嘴部等重点部位进行特征提取,又有可能造成特征提取不够充分的问题,提出了一种基于优化卷积神经网络的三通道人脸表情识别方法TP-FER(tri-path networks for facial expression recognition).该方法基于构建的卷积神经网络训练,采用三个输入渠道,分别聚焦面部、眼部和嘴部区域进行特征提取和表情判别,最后采用基于决策层的融合技术将三个渠道的识别结果进行相对多数投票决策,获取整体最优识别率.将此方法应用于JCK+数据集和自建数据集上进行了实验判别分析,结果表明该方法在两个数据集上均提高了整体表情识别率.该方法既考虑了脸部整体特征的提取,又兼顾了某些表情主要聚焦在眼部、嘴部表达的特性,相互辅助,整体提高了表情的识别率;该方法也能对神经心理学研究提供数据支持.