Variability in stepping direction explains the veering behavior of blind walkers.

Walking without vision results in veering, an inability to maintain a straight path that has important consequences for blind pedestrians. In this study, the authors addressed whether the source of veering in the absence of visual and auditory feedback is better attributed to errors in perceptual encoding or undetected motor error. Three experiments had the following results: No significant differences in the shapes of veering trajectories were found between blind and blindfolded participants; accuracy in detecting curved walking paths was not correlated with simple measures of veering behavior; and explicit perceptual cues to initial walking direction did not reduce veering. The authors present a model that accounts for the major characteristics of participants' veering behavior by postulating 3 independent sources of undetected motor error: initial orientation, consistent biases in step direction, and, most important, variable error in individual steps. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

高厚径比盲孔电镀

盲孔能够大大的增加板的密度,从而减小板面积。介绍了有关高厚径比盲孔电镀的有关工艺,从激光钻孔、金属化孔和电镀几个方面对孔径4mil以上的盲孔电镀进行了研究。     

基于身份的一次性盲公钥方案

在现有方案的基础上,通过分析超椭圆曲线双线性对和基于身份的特点,给出了一个改进的基于身份的一次性盲公钥方案。该方案由用户和可信中心共同完成用户密钥的生成,克服了密钥托管问题,避免了由可信中心进行密钥管理所产生的安全隐患。新构造的方案能够抵抗伪造性攻击,具有不可欺骗性,又保证了一次性盲公钥的独立性,是安全可靠的。而且方案中用户在通讯时可以使用不同的公钥,解决了Internet通信中的匿名认证问题,实现了用户隐私的有效保护。     

稀疏差分网络和多监督哈希用于高效图像检索

针对基于深度哈希的图像检索中卷积神经网络（CNN）特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH（sparse difference networks and multi-supervised hashing）,并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入,通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,为了更加充分地利用语义信息和特征的成对相关性,以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索,采用一种多监督哈希（MSH）函数,并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验,实验结果表明,与其他先进的深度哈希方法相比,SDNMSH取得了较好的检索性能。     

Deconvolution with partially known kernel of nonnegative signals

This paper extends the Bayesian direct deconvolution method to the case in which the convolution kernel depends on few unknown nuisance parameters. Moreover, an acceleration procedure is proposed that drastically reduces the computational burden. Finally, the implementation of the method by means of the fast Fourier transform is fully discussed in the multidimensional case.     

Coarse head pose estimation of construction equipment operators to formulate dynamic blind spots

Several hundred workers die in construction in the United States every year because equipment operators are unable to see their fellow workers during operation of their vehicle. In this paper we propose a step towards improving this situation by providing an automated method based on range imaging for estimating the coarse head orientation of a construction equipment operator. This research utilizes commercially-available low resolution range cameras to measure the continuously changing field-of-view (FOV) of an equipment operator in outdoor construction. This paper presents a methodology to measure so-called dynamic blind spot maps. The dynamic blind spot map is then projected on a known static equipment blind spot map that already exists to each construction vehicle. A robust computational coarse head pose estimation algorithm and results to three different pieces of construction equipment and multiple operators are presented. The developed method has the potential in automatically determining the spaces around vehicles that are currently not in the field-of-view of the vehicle operator thus providing eventually additional means and technology for improving safety in construction.     

Multi-Scale Dilated Convolutional Neural Network for Hyperspectral Image Classification

基于多尺度空洞卷积神经网络的高光谱图像分类

郑姗姗¹,刘文¹,单锐¹,赵静一²,江国乾³,张智⁴

（1. 燕山大学理学院,河北 秦皇岛 066004;2. 燕山大学机械工程学院,河北 秦皇岛 066004;3. 燕山大学电气工程学院,河北 秦皇岛 066004;4. 北京航天研究所,北京 100094）

创新点说明：

1）将图像分割方法——空洞卷积用于卷积神经网络进行高光谱图像分类,提取更加广泛、抽象的图像特征。

2）构建基于多尺度空洞卷积神经网络的高光谱图像分类方法。搭建多尺度聚合结构,在每个通道中使用快捷连接和空洞卷积结构,有效提取图像特征,避免信息丢失。

研究目的：

针对图像信息丢失问题,得到高精度的高光谱图像分类方法。

研究方法：

在Indian Pines和Pavia University数据集上,与4个已有的高光谱图像分类方法进行对比实验,比较OA, AA和Kappa值。

研究结果：

多尺度空洞卷积神经网络在Indian Pines和Pavia University数据集上OA值分别达到了99.58%,99.92%。AA值分别达到了99.57%,99.90%。Kappa分别达到了99.52%,99.89%。

结论：

1）在卷积神经网络中引入空洞卷积,可以有效避免图像信息丢失。

2）多尺度空洞卷积神经网络能提取更佳的判别性特征,实现高分类性能。

关键词：多尺度聚合;空洞卷积;高光谱图像分类;快捷连接

     

基于多任务卷积神经网络的虹膜图像质量评估方法

为了自动、准确、高效地评估采集图像的质量,设计了一个名为MTIQA的卷积神经网络。该网络能够输出与主观评价指标保持较高一致性的客观评估结果。MTIQA采用多任务学习策略,包含网络训练质量评估和失真类型分类两个任务,将两个任务的损失融合并构成新的损失函数。为了评估算法所得到的客观指标的可靠性,建立了名为SIR2019的单眼虹膜质量评估数据集,并召集志愿者进行主观实验以得到主观评价指标。在SIR2019和CASIA-Iris-Distance-Lamp数据集上的实验结果表明,该网络在虹膜图像质量评估上具有较好的可行性、准确性和鲁棒性。     

Q390高强抗震钢板残余应力检测方法对比及分析

利用盲孔法、X-Ray法、中子衍射法和超声法对Q390高强抗震板及U形弯曲件进行残余应力检测,并对这4种方法测试得到的应力结果进行分析研究。结果表明,以上4种检测方法均要考虑其特定的检测应用范围,X-Ray法针对钢板表面下微米级深度的微米级晶格尺度范围局部点应力进行检测,中子衍射法可在毫米级尺度局部区域进行应力检测,盲孔法反映的是因毫米尺度钻孔导致的钢板表面孔周边的应力变化,超声法则可以通过连续扫描检测整个钢板残余应力的宏观分布变化。因此,对于工业钢板,超声法测试残余应力更加科学、合理、准确。同时,通过U形试样建立稳定的应力应变场,利用超声设备使用不同参考态对Q390高强抗震板弯曲件及退火弯曲件进行测试,结果表明,测试参考态的选取对应力测试结果影响很大,材料各向异性的影响对应力测试结果不可忽视。     

基于模糊梯度卷积核的在线棒材断面中心识别

针对传动带上严重堆叠、形状尺寸不规则的棒材,提出基于模糊梯度卷积核的在线棒材断面中心识别方法.以标准圆边缘为中心环,结合棒材断面边缘点偏离中心环的程度定义一个模糊梯度卷积核;通过模糊梯度卷积核与实时棒材断面梯度图像的卷积操作,实现棒材断面中心的增强;依次执行候选点选取、局部峰值抑制、距离检测步骤确定中心位置.实验结果表明,该方法能有效抑制棒材中心增强过程中易产生的峰值扩散现象,减少误识别和漏识别;平均计算时间为8.3 ms,满足系统实时性要求.