我们即将迎来的科技飞跃 2009 PC Magazine技术卓越奖揭晓

在全年大部分时间中,PC Magazine都在致力于传递最新的科技资讯、发布以实验室测评为基础的产品评价,从而帮助读者以最低廉的价格找到最好的产品。但无论如何到最后,我们的工作人员都会将注意力转移到技术卓越奖上,把急需发布的新闻稿、堆成山的市场宣传广告和大批的新产品发布放在一边,专注于在整整一年中真正重要的那些科技上面。     

最后的单机时代？

去年Activlsion131izzard的大嘴巴老总透露出要考虑推出一款网游版《使命召唤》,此言一出立刻引发了玩家的关注,只是由于随后的IW小组叛逃事件转移了大众的注意力。《使命召唤》进入4代之后,其网战的魅力是无庸置疑的,就连《光环》也得退避三舍。沉迷于《使命召唤》网战的玩家对于纯网战的《使命召唤》当然很感兴趣,有不少玩家在IW的官方论坛上将自己认为应该增加的内容贴了出来。不过很少有人会想到：BobbYKotick的原意也许只是删掉一些东西,例如完整的单机模式……     

基于视角置信度和注意力的暴力行为识别

暴力行为容易出现遮挡情况, 识别准确率较低. 目前, 一些算法加入多视角视频输入来解决遮挡问题, 以等量权重将所有视角数据融合, 但是不同视角的视频因拍摄距离和遮挡情况本身就对识别存在差异性. 针对该问题, 本文提出一种基于视角置信度和注意力的暴力行为识别方法, 提高暴力识别的准确率. 本文将时序差分模块TDM的输入扩展成多视角, 将通道注意力机制运用在片段维度来增强TDM中跨段特征提取能力, 通过背景抑制方法突显移动目标的纹理特征并计算出每个视角图像的置信度, 引入双线性池化方法融合多视角视频特征, 根据视角置信度分配每个视角局部特征的权重. 本文在公开数据集CASIA-Action和自制数据集上进行了验证. 实验表明, 本文提出的视角置信度方法优于改进前的双线性池化方法, 暴力行为准确率相较于现有的行为识别方法取得了更好的效果.     

基于RAW域的低光照图像质量增强方法

考虑原始图像(RAW图像)中的噪声未经过相机ISP的复杂非线性映射,更加容易建模,提出基于RAW域对低光照图像进行质量增强,以获得清晰的、高质量的图像.首先,将由相机传感器捕获的RAW图像进行线性插值,获得RGGB共4个通道的彩色图像,并模拟不同曝光程度的图像;其次,设计神经网络模型来学习不同曝光程度的RAW图像与正常曝光图像的映射关系,该神经网络采用了自编码器结构,并嵌入了通道注意力模块,以提取并增强图像中的纹理与细节特征;最后,在神经网络训练时,引入了结构相似性损失和梯度下降损失,引导网络生成与参考图像之间结构相似性和色彩关联性较高的高质量图像.该方法在SID数据集上进行了训练和测试,PSNR达到了29.738 0 dB,MPSNR达到了30.233 4 dB,均高于目前流行方法(如EnlightenGAN,Zero-DCE,SID,Residual和ALEN等);在主观质量方面,该方法生成的图像质量显著优于比较方法,无明显噪声和色斑伪影,颜色也更加真实细腻.     

基于注意力机制和特征聚合的车道线检测

车道线检测的可靠性和稳定性对智能驾驶系统来说至关重要.由于车道线容易受到光线、遮挡、老化等复杂情况的干扰,导致传统的语义分割网络无法准确的学习到车道线的细节特征.为解决该问题,本文首先在编码网络部分引入CA坐标注意力机制,进一步增强网络对车道线提取能力,然后,在特征聚合网络引入金字塔空洞卷积模块与RESA模块并联来增强模型的感受野,以丰富和提取全局的空间特征信息,最后经过解码网络将融合后的特征图上采样到原图大小,并预测每个车道的位置和概率分布.实验证明,文中提出的算法在CULane数据集上有较高准确率,多路面综合准确率达到76.2%,并通过实车测试表明,该算法检测帧率为30 fps,可以在复杂交通场景下进行实时检测,具有较高的泛化性和鲁棒性.     

基于多流网络一致性的视频显著性检测

现有的视频显著性检测算法通常采用双流结构提取视频的时空线索,其中运动信息作为双流结构的一个分支,在显著物体发生剧烈或慢速移动时存在运动估计准确率低的问题,并且不合理的训练数据或方案使得权重偏向单个分支结构。提出一种基于多流网络一致性的视频显著性检测算法MSNC。设计并使用一种新的三重网络结构提取预选目标区域的颜色信息、时序信息和先验特征,通过先验特征补偿运动流的缺陷,并提高运动线索的利用率。采用多流一致性融合模型优化三流分支,得到不同特征的最佳融合方案。同时通过循环训练策略平衡三重网络的权重,以避免网络过度拟合单流分支,从而有效地提高运动估计和定位的准确率。在Davis数据集上的实验结果表明,相比PCSA、SSAV、MGA等算法,该算法的鲁棒性更优,其maxF和S-Measure值分别达到0.893和0.912,MAE仅为0.021。     

MHSACAE-CNN在噪声下的电机轴承故障诊断

电机的运行情况复杂,实际运行工况下会有大量的噪声,导致其轴承故障诊断精度下降。为了改善这一问题,提出了一种基于多头自注意力机制的一维全卷积自编码网络（One-dimensional Fully Convolutional Autoencoding Network Basedon Multi-head Self-attention,MHSACAE）与卷积神经网络（Convolutional Neural Network,CNN）结合的轴承故障诊断方法。该方法先采用MHSACAE网络进行降噪,再通过CNN进行故障诊断。其中MHSACAE去噪网络采用无监督训练的方式,充分考虑了实际工况和序列数据内在联系,在实现对噪声的滤除效果的同时,最大限度地保留下了原始的故障信息,使得CNN可以实现在噪声情况下对电机轴承故障的高精度诊断。通过与其他轴承故障诊断方法在噪声情况下进行对比,证明提出的方法具有更好的效果。     

思维网络的中断与连接——摭谈化学课上学生的“掉线”与“连线”

随着课改的全面实施,在教学实践中教师应逐渐树立起新的教育理念,不断地去探索和实践。新的教学观、学习观认为:教学是要传递的,而且教师要做最必要的最重要的传递。在提倡学生     

浅析多媒体对语文课堂的优化

在信息技术日益发展的今天,计算机多媒体技术已逐步深入到各科教学之中。将多媒体融人语文课堂教学活动中,运用其绚丽多彩的画面、生动形象的演示,可以吸引学生的注意力,对激发学生的学习兴趣有独特的作用。教师应该怎样利用好多媒体这一新工具,营造出和谐高效的课堂呢？     

囧囧游神

尝试过了流行要素,这回我们还是把注意力重新放回游戏本身是吧。在本期栏目当中我们将再次经历雷封面的洗礼,其中有玩家最为印象深刻的《MEGAMAN》的后续封面《MEGAMAN2》,也有虽然封面雷死人不偿命。但是素质却颇为不错的《Karnaaj Rally》。闲话少说,让我们来一起感受“五雷轰顶”的快感吧!