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。     

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。     

一种基于粒子滤波的自适应相关跟踪算法

相关跟踪是最常见的一种目标跟踪方法,但传统相关跟踪采取的"峰值"跟踪方法抛弃了所有小于峰值点相关值的位置点的信息,不够稳健,受遮挡影响大,并且很难求解相关模板的仿射变形参数.提出了一种改进的非线性相关跟踪算法,以改进的灰度模板作为目标表示方式,粒子的权值与相关值成比例,目标状态的后验概率由粒子加权表示.模板更新时根据粒子权值进行自适应调节,对所有粒子所在位置的区域进行加权更新,权值大的粒子具有更高的更新系数,避免了仅利用单一峰值点处的模板进行更新可能造成的误差累计.该算法大大提高了跟踪与模板更新的鲁棒性,同时也是一种在仿射空间进行运动参数搜索的实用方法.     

分级结构的碳/二硫化钼纳米带的制备及其锂电性能研究

以钼粉、过氧化氢(30%)、苹果酸、硫脲为原料,通过连续的水热法-热分解碳包覆,制备出了分级结构的C@MoS_2@C纳米带,并通过X射线衍射、扫描透射及电化学性能表征方法对该纳米复合材料的形貌结构、组成成分及锂电性能进行测试。研究结果表明,通过该连续的水热法-热分解碳包覆,以碳包覆的三氧化钼纳米带为模板,制备出分级结构的C@MoS_2纳米带复合材料,其MoS_2纳米片均匀的负载在碳层表面,通过再一次简单的热分解碳包覆,实现了在MoS_2表面均匀覆盖一层无定形碳,得到了三层分级结构的C@MoS_2@C纳米带复合材料。通过这种形貌结构的筑造,极大提高了其作为锂电负极材料的导电性、结构稳定性,该材料作为锂电负极材料在0.2 A/g的恒流充放电下循环100次后放电比容量达到1025.5m Ah/g,在1.0 A/g的大电流充放电循环中放电比容量仍然达到820 m Ah/g。     

Cd_xZn_(1-x)Se_yS_(1-y)量子点/PVDF纳米复合薄膜的制备与性能研究

以聚偏氟乙烯(PVDF)作为Cd_xZn_(1-x)Se_yS_(1-y)量子点微封装材料,利用简易刮涂法工艺成功制备出大面积、高稳定性的Cd_xZn_(1-x)Se_yS_(1-y)量子点/PVDF纳米复合薄膜,同时对该纳米复合薄膜的结构、形貌及光学性能进行表征和分析,并进一步研究纳米复合薄膜的水热稳定性。研究结果表明,使用刮涂工艺制备的Cd_xZn_(1-x)Se_yS_(1-y)量子点/PVDF纳米复合薄膜仍然保持优良的荧光光致发光特性,利用该工艺能够实现大面积8 cm×15 cm Cd_xZn_(1-x)Se_yS_(1-y)量子点/PVDF纳米复合薄膜制备,该薄膜在紫外灯照射下发出明亮红光。通过PVDF和Cd_xZn_(1-x)Se_yS_(1-y)量子点的复合,将得到的复合薄膜在沸水中沸煮240min发光性能基本不会发生变化,具备超高的稳定性。     

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.     

基于递进卷积神经网络的台标识别及其并行化

针对台标的视觉特征,提出一种基于递进卷积神经网络的台标识别算法.该网络不仅有对图像特征进行隐性提取的卷积层和采样层,还包括识别常规台标的泛化模块和识别偏差台标的特异模块.针对串行卷积神经网络训练耗时长的缺点,提出基于Spark的并行递进卷积神经网络算法,采用数据共享及批处理方式对算法模型进行并行化处理.实验证明,递进卷积神经网络算法对台标进行识别能达到98％的正确率,多节点并行化卷积神经网络相比于单节点模型能有效缩短80％以上训练所需的时间.