TPC-DS性能测试工具的实现

阐述了新一代面向决策支持的数据库性能测试基准TPC-DS的数据模型、业务模型、执行模式和度量方法,设计了一个支持不同数据库管理系统(DBMS)性能对比测评的TPC-DS测试框架,阐述了配置文件、查询执行控制、数据维护机制等关键实现技术。最后通过对任务配置和语法配置的实践,验证了工具对不同DBMS、不同优化配置的对比测试可用性。     

移动应用中的构件模型分析

随着移动应用研究的深入,如何真正实现基于构件的分析设计思想,提高软件复用度和软件质量成为该领域研究的重点.引入构件模型的概念,分析已有的移动应用构件模型,阐述了构件模型的应用原理.     

不同光谱照明条件下的牙齿图像分割

对不同光谱照明条件下的牙齿图像进行分割有助于将在不同光谱照明条件下发生位置变动的牙齿对齐，从而实现对牙齿色度坐标的精确测量，为口腔修复术中的牙齿颜色匹配打下坚实的基础。然而，分割模型在不同光谱照明条件下表现出的性能并不一致。研究结果表明，在白光照明条件下的高对比度图像中，采用人工标记的牙齿多光谱图像来训练的用于分割单个牙齿实例图像的深度神经网络Mask R-CNN能够获得良好的分割结果，但在红、蓝或紫色光照明条件下的部分低对比度的牙齿图像中模型无法正确分割。为了解决这一问题，文中使用了一种现有的光谱重建方法来增强训练数据。实验结果表明，使用该数据增强方法的模型在不同光谱照明下的平均分割精度从对比模型的84.9%提高至89.2%，该数据增强方法显著提高了牙齿分割模型在不同光谱照明条件下的性能，并增强了模型的鲁棒性和泛化能力。     

EC3-1813在车辆限高检测系统中的应用

一种采用嵌入式单板电脑设计完成的限制大型车辆通行路段或对超高超限车辆进行高度测量的系统,通过最终测量信息,引导车辆合理分流,防止承载有限的桥梁涵洞等设施的损坏。     

图像拼接方法综述

概述了图像拼接的基本理论和一般过程,分类介绍了各种图像配准方法的原理和优缺点,重点分析了基于特征的图像配准技术,详细阐述了随机采样一致算法在基于特征的图像配准技术中的应用.     

基于工作流的软件开发过程的设计

随着办公自动化和电子商务等基于工作流应用系统的广泛应用,对软件开发过程提出了新的要求.传统的软件开发过程以及流行的RUP和XP软件开发过程,是通用的软件开发过程,适用于一般软件的开发.文章针对基于工作流的特定领域,对传统软件开发过程做了一些定制和修改,提出了基于流程的软件开发过程,显著提高了软件开发效率.     

基于人工神经网络对sEMG信号的手势动作识别

针对利用表面肌电信号(sEMG)对手势动作的肌电信号的研究较少和sEMG信号处理过于复杂的问题,提出了利用人工神经网络和sEMG信号对人的手势动作进行识别研究,引入了MYO硬件设备对新的手势动作sEMG信号采集.利用MYO从手臂上获取每一个手势动作的sEMG信号,提取信号特征值,作为算法的训练数据和测试数据.采用人工神经网络中的反向传递神经网络算法来进行对4种不同手势动作分类,对应目标手指识别率在90.35%.研究结果可以被用来做临床诊断和生物医学的应用以及用于现代硬件的发展和更现代化的人机交互的发展.     

基于卷积神经网络的少数民族头饰识别

传统头饰图片识别方法的特征点由研究人员手工提取,工作量大且准确率低,识别系统存在预处理步骤繁琐、样本要求高等缺点。针对上述问题,文中通过构建卷积神经网络从大量图片数据中自动学习头饰图片的深层特征。文中的CNN模型选用稀疏性较好的ReLU激活函数调整输出,利用反向传播算法(BP算法)优化网络参数,在训练得到的CNN模型后接Softmax分类器进行识别。实验结果表明,系统对头饰图片测试集的识别率达到96.25%,具有良好的识别准确率和识别效率。     

手绘艺术动画的计算机辅助设计方法综述

近年来随着计算机技术广泛应用于手绘艺术动画的制作,出现了许多新的手绘艺术动画的计算机辅助设计和制作方法。这些方法概括为五类：①结合三维动画技术实现艺术动画制作;②引入中国传统的艺术元素制作手绘动画;⑧基于视频流生成动画;,④使用素材重用的方法制作手绘动画;⑤结合中间帧自动或半自动生成技术制作动画。文章对这些方法进行了介绍,并指出中间帧生成技术能够保持绘画者的手绘风格,突出手绘动画的艺术特征;并进一步说明了结合中间帧生成技术辅助制作动画的关键,是寻求一种自然高效的交互方式来定义始末关键帧中图形元素间的对应关系,以及根据此对应关系自动或半自动生成中间帧的方法。     

颜色显著性检测平台的设计与分析

目前各种显著性区域检测算法使用的训练数据大多源于一般性视觉注意过程,主要反映的是对图片中明暗变化信息的注意,没有专门针对图片的颜色信息获取训练数据,因此训练出的算法主要反映明暗信息变化以及形状等方面的显著性。然而,颜色为视觉提供了更多有用的信息,图片显著性检测算法应该也必须考虑颜色因素。针对此问题,设计颜色注意实验,通过实验获取训练数据,用于对PiCANet、PoolNet、U2-Net以及BASNet显著性检测深度学习模型进行训练与分析。结果显示,颜色信息的加入能够使算法获得更好的效果。对比不同算法,BASNet能够较好地检测图像颜色显著性区域。