基于车载环境的交通目标跟踪

针对车载环境下小目标难以识别和相机动态移动造成的目标跟踪精度下降问题, 提出一种基于改进YOLOv5与ByteTrack的交通目标跟踪方法. 首先, 引入Transformer与加权特征金字塔(BiFPN)结构的思想重构YOLOv5检测网络, 有效捕获了特征的全局依赖关系, 缓解了深层卷积小目标信息丢失问题, 改善了车载环境下的目标检测性能. 此后, 以ByteTrack为基础提出了添加相机移动补偿的CMC-ByteTrack跟踪方法, 更精准地描述了视频前后帧的数据关联关系, 提高了相机大幅位移时的跟踪精度. 实验结果表明, 改进YOLOv5的平均检测精度(mAP)达到了82.2%, 相比原算法提高了3.9%, 与CMC-ByteTrack结合后的跟踪准确性(MOTA)相比改进前的跟踪方法提高了2.8%.     

跨模态融合的双注意力脑肿瘤分割算法

针对脑肿瘤多模态信息融合不充分以及肿瘤区域细节信息丢失等问题,提出了一种跨模态融合的双注意力脑肿瘤图像分割网络(CFDA-Net).在编码器-解码器的基础结构上,首先在编码器分支采用密集块与大内核注意力并行的新卷积块,可以使全局和局部信息有效融合且可以防止反向传播时梯度消失的问题;其次在编码器的第2、3和4层的左侧加入多模态深度融合模块,有效地利用不同模态间的互补信息;然后在解码器分支使用Shuffle Attention注意力将特征图分组处理后再聚合,其中分组的子特征一分为二地获取空间与通道的重要注意特征.最后使用二进制交叉熵(binary cross entropy, BCE)、Dice Loss与L2 Loss组成新的混合损失函数,缓解了脑肿瘤数据的类别不平衡问题,进一步提升分割性能.在BraTS2019脑肿瘤数据集上的实验结果表明,该模型在整体肿瘤区域、肿瘤核心区域和肿瘤增强区域的平均Dice系数值分别为0.887、0.892和0.815.与其他先进的分割方法 ADHDC-Net、SDS-MSA-Net等相比,该模型在肿瘤核心区域和增强区域具有更好的分割效果.     

基于通道注意力机制和多尺度卷积的行人重识别

针对真实环境中由于复杂背景和物体遮挡、角度变换、行人姿态变化带来的行人重识别(person re-identification,person re-ID) 问题,设计了基于通道注意力(efficient channel attention,ECA) 机制和多尺度卷积(poly-scale convolution,PSConv) 的行人重识别模型。首先利用残差网络提取全局特征,在网络末端加入基于ECA机制及PSConv的特征融合模块,将全局特征和该模块提取的全局特征进行融合,之后将新的全局特征进行分割得到局部特征,最后将新的全局特征和分割得到的局部特征融合得到最终特征,并计算损失函数。模型在Market1501和DukeMTMC-reID 数据集上进行实验验证。在Market1501数据集中,Rank-1和平均精度均值分别达到94.3%和85.2%,在DukeMTMC-reID数据集中,上述两参数分别达到86.3%和75.4%。实验结果可知,该模型可应对实际环境中的复杂情况,增强行人特征的辨别力,有效提高行人重识别的准确率和精度。     

用数据挖掘技术分析融合系统的性能

使用数据挖掘技术对融合系统性能测试结果进行分析 ,以便找出影响融合性能的因素 ,发现各种影响因子间的相互关系 ,通过调整不利因素 ,改进设计方法 ,进一步提高了融合系统的性能     

音素关联的多文种语音融合编码方法

依据异类文种之间、同类文种不同语音之间存在音素数据关联的特性,提出多文种语音数据融合编码方法。将不同文种存在的相同音素数据段块按段块模板截取语音样本序列,小波变换,提取特征矢量,生成共享模板集;任意字音或语句音串均按共享模板集提供的元素进行编码与解码;以模板音素串构成的语音记录库按（音节、音素）索引。实验结果表明,单字语音数据压缩比、语音数据存储量、语音还原分段信噪比、主观评价得分等参数均明显优于已有方法,语音还原质量良好。     

多传感器信息融合技术探析

多传感器信息融合是一门涉及信号处理、信息论、人工智能、模糊数学等理论的多学科交叉技术,被广泛应用于军事和民用领域。文章介绍了多传感器信息融合的概念,描述了多传感器信息融合的功能模型、主要方法和应用,并对其发展趋势进行了分析。     

交流异步电动机轻载降压节能分析

基于近几年来全国范围内大量缺电，造成煤炭资源紧缺的现状，讨论了电动机降压节能原理及降压以后对电动机性能产生的影响，探讨了现有节能方法中的利与弊，并从理论上分析了降压节能的最佳系数。通过分析认证了降压节能具有合理性，具有很实用的价值。     

结合视觉Transformer和CNN的道路裂缝检测方法

提出了一种结合视觉Transformer和CNN的道路裂缝检测方法。利用CNN来捕获局部的细节信息,同时利用视觉Transformer来捕获全局特征。通过设计的Fusion特征融合模块将两者提取的特征有机地结合在一起,从而解决了单独使用CNN或视觉Transformer方法存在的局限。最终将结果传递至交互式解码器,生成道路裂缝的检测结果。实验结果表明,无论是在公开的数据集上还是在自建的数据集上,相较于单独使用CNN或视觉Transformer的方法,所提出的方法在道路裂缝检测任务中有更好的效果。     

Attraction and Repulsion of Nucleons: Sources of Stellar Energy

The potential energy of a nuclide is enhanced by about 10 MeV per nucleon from the repulsion between like nucleons, and diminished by about 20 MeV per nucleon from the attraction between unlike nucleons. Nuclear stability results mostly from the interplay of these opposing forces, plus Coulomb repulsion of positive charges. Whereas fusion may be the primary mechanism by which first generation stars produce energy, repulsion between like nucleons may cause neutron emission from the collapsed core (neutron star) produced in a terminal supernova explosion and initiate luminosity in second generation stars that accrete on such objects. As noted earlier [1], the scarcity of solar neutrinos, the enrichment of light isotopes in the solar wind, and the presence of abundant short-lived nuclides and interlinked chemical and isotopic heterogeneities in the early solar system might also be explained if the Sun formed in this manner.     

基于双CPU技术的泵和马达控制系统的研究与设计

为获取泵和马达的静态与动态特性,设计了基于ADμC812和TMS320F206的双CPU结构的多传感器融合与控制系统。介绍了该系统的体系结构、硬件配置、接口电路、工作原理和工作流程。实现了传感器信息融合的高速高精度采集、复杂算法的大数据量实时计算以及模拟与开关量并有的多通道控制等功能,系统硬件结构简单。该系统作为泵、马达综合试验台的子系统,用于泵、马达性能试验。应用表明该系统能够满足试验要求,具有很好的可靠性和实时性。