基于深度神经网络的移动端人像分割

针对现有的人像分割算法大多忽略移动设备的硬件限制,盲目追求效果,以致无法满足移动端对于分割速度要求的问题,提出了一种可在移动设备上高效运行的人像分割网络。首先,基于编码器-解码器的轻量级U型架构来构建网络;其次,为了克服全卷积网络（FCN）受制于较小的感受域,无法充分捕获长距离信息的缺陷,引入期望最大化注意力块（EMAU）置于编码器之后、解码器之前;然后,在训练阶段添加多层边界辅助损失,有助于提高人物边界轮廓的准确度;最后,对模型进行量化和压缩。在Veer数据集上将所提网络与PortraitFCN+、ENet和BiSeNet等网络进行对比实验。实验结果表明,所提网络可以提高图像推理速度和分割效果,并能够以95.57%的准确率处理分辨率为224×224的RGB图像。     

基于Transformer人像关键点检测网络的研究

为解决目前基于卷积网络的关键点检测模型无法建模远距离关键点之间关系的问题,提出一种Transformer与CNN(卷积网络)多分支并行的人像关键点检测网络,称为MCTN(multi-branch convolution-Transformer network),其利用Transformer的动态注意力机制建模关键点之间的远距离联系,多分支并行的结构设计使得MCTN包含共享权重、全局信息融合等特点。此外,提出一种新型的Transformer结构,称为Deformer,它可以将注意力权重更快地集中在稀疏且有意义的位置,解决Transformer收敛缓慢的问题;在WFLW、300W、COFW数据集的人像关键点检测实验中,归一化平均误差分别达到4.33%、3.12%、3.15%,实验结果表明,MCTN利用Transformer与CNN多分支并联结构和Deformer结构,性能大幅超越基于卷积网络的关键点检测算法。     

提升电力调度操作效率技术研究

<正>随着社会经济的发展,城市电网规模日益扩大,电力调度员承担工作量和风险也日益增加。调度部门作为电网风险管控最后一道关口,必须无差错完成各项计划工作及缺陷事故处理。为提升风险管控水平,提高调度操作效率显得尤为重要。在调度运行操作过程中,操作票拟定及电话下令沟通过程占据大量时间与人力。由于线路属性多样化,线路一旦发生事故跳闸,调度员需查询确认线路相关信息,延迟跳闸处理时间。在日常计划操作过程中,操作前需针对性评估系统潮流及设备信息,占用大量时间。基于上述三方面问题,研究提升电力调度操作效率。     

基于ARM和FPGA的LCD灰阶色度自动校正系统

由于液晶显示器件特殊的电光效应,其输入与输出为非线性关系,又因液晶像素对不同波长的光透过率不同,红绿蓝三通道穿透率特性表现不一致,形成不同灰阶色温的偏移.为使显示器件达到最佳的显示效果,必须对其做显示校正.针对小尺寸TFT-LCD提出了基于ARM和FPGA的LCD灰阶色度自动校正系统,系统使用高性价STM32为核心主控,结合高速FPGA和SSD2828实现8lane MIPI信号的输出,支持高达2K×4K分辨率的LCD.校正算法依据格拉斯曼混色定理,通过较色矩阵实现XYZ与RGB的转换,结合3次样条插值实现RGB穿透率的获取,再根据目标亮度色度计算获取目标穿透率.实验结果表明该系统可实现LCD灰阶色度更为快速、准确的校正,其中校正时间在10s以内,灰阶亮度精度为1％,色度精度为±0.001 5,且校正系统成本低、体积小、具有广泛的应用性.     

面向OSD选单文字分割算法的研究

针对现有的自动化OSD选单图像文字分割存在亮度不均匀、图形噪声等问题,提出了一种面向OSD选单的文字分割算法,首先结合顶帽变换和改进的双阈值Otsu法对图像进行光照校正和图像二值化;通过垂直投影分析和Canny算子边缘检测法去除图形噪声,结合二分法和投影法解决文字黏合问题,最终达到OSD选单文字分割的目的.实验结果表明,提出的算法能够解决OSD选单亮度不均匀和图形噪声的问题,文字分割正确率达到88％以上,比传统投影法的正确率提高了67％.     

基于改进Chamfer匹配的台标识别

已有电视台台标的识别技术多基于视频流处理,实时性较差,且对半透明台标识别效果不佳。为此,提出一种基于改进Chamfer匹配的台标识别方法。利用Canny算子提取台标边缘颜色及梯度方向,采用RANSAC算法对台标边缘进行优化,通过距离变换计算边缘梯度方向的距离图,并基于距离最短准则对其识别。实验结果表明,该方法能实现台标的单帧识别,克服半透明台标的识别难题,平均识别率达97.7%,平均识别时间为801 ms。     

基于多通道Gabor滤波的手机按键识别方法

为实现手机按键的自动化检测,提出一种手机按键识别方法。利用多通道Gabor滤波器组对图像进行滤波,提取局部能量极值作为特征向量,再通过特征向量的匹配进行识别。采用基于按键边框长宽比估算目标图像旋转角度的方法,提高识别方法的效率。实验结果表明,该识别方法在各种干扰的情况下识别率仍能达到90%以上,具有一定的实用性。     

基于深度神经网络的视频播放速度识别

针对目前的视频播放速度识别算法大多存在的提取精度差、模型参数量巨大的问题,提出了一种双支轻量化视频播放速度识别网络。首先,该网络是基于SlowFast双支网络架构组建的一个三维（3D）卷积网络;其次,为了弥补S3D-G网络在视频播放速度识别任务中存在的参数量大、浮点运算数多的缺陷,进行了轻量化的网络结构调整;最后,在网络结构中引入了高效通道注意力（ECA）模块,以通过通道注意力模块生成重点关注的内容对应的通道范围,这有助于提高视频特征提取的准确性。在Kinetics-400数据集上将所提网络与S3D-G、SlowFast网络进行对比实验。实验结果表明,所提网络在精确度差不多的情况下,模型大小和模型参数均比SlowFast减少了大约96%,浮点运算数减少到5.36 GFLOPs,显著提高了运行速度。     

输电线路接地线实时检测装置的开发与应用

本文分析了线路地线的检测与定位需求,提出了通过GPS定位技术准确获取接地线位置信息(经纬度),并通过GPRS无线网络上报的方法。设计了线路地线检测装置,将接地线位置信息上报到输电工区,开发了线路接地线测控软件,自动对比数据库中的杆塔位置信息,显示每条接地线的实际挂接杆塔位置,最终实现了输电线路接地线状态检测,经过现场使用,验证了该种方法与技术的效果。