基于类间可分性的波段选择算法

如何从图像中选择出分类效果好的波段组合是高光谱图像分类任务的关键问题.针对上述问题,提出一种基于单波段图像类间可分性和波段间相关性的波段选择算法.根据类间可分性原则,采用单波段图像中各类样本点矩阵的均值和标准差来衡量单波段图像的类间可分性,结合波段间的相关系数来选择出类间可分性好、波段间相关性低的波段组合.最后对所提算...     

基于BP网络的数字电路多故障诊断研究

为了更有效地对数字电路进行多故障诊断,提出了一种利用电路的故障真值表来表征电路在有故障和无故障状态下的特征信息来对电路进行故障诊断的新方法。该方法使用BP型神经网络,运用误差反向传播算法,把从电路中提取的有效特征信息作为样本对网络反复训练,从而实现用单故障对多故障进行诊断的目的。实验表明该方法可以有效、方便地实现电路的故障检测和定位,为多故障诊断的研究提供了一种新思路。     

机电计算装置中运算放大器板离线自动检测方案研究

基于运算放大器能实现信号的加减运算这一基本原理，应用单片机控制检测技术，研究运放工作性能离线自动检测方案。利用本方案实现的检测仪器可以提高装备的检修效率。     

输入分机核心板的改造方案

提出关于输入分机两种电路的改造方案，即绝对值和正切函数发生器电路的工程实现方法，从而解决修理中备件替换问题。经实验证明，电路具有很高的精度，且容易实现。     

基于嵌入式设备的Anchor Free行人检测

通过嵌入式设备在边缘端进行行人检测能满足实时、安全与隐私保护等方面的基本需求.由于原CenterNet检测网络模型backbone通常以DLA、Hourglass等复杂度较高的多层特征融合结构,嵌入式设备的计算能力有限难以满足实时的要求,因此基于BiFPN网络结构和加权特征融合方法,通过对backbone中的不同特征层进行加权融合,改进了原来的backbone方法,在保证检测精度的同时提升了检测速度.同时针对行人这一特定的检测类别,通过修改训练期间HeatMap上高斯核分布,增加对行人检测的适应性,进一步减少了因行人之间相互遮挡而漏检造成的精度降低.在Jetson TX2上的实验结果表明,改进后的行人检测AP为0.774,同时单张图像的推理时间为68 ms,能够满足在嵌入式设备上的实时要求.     

改进DCL的花卉子类细粒度分类算法

针对现有的单一细粒度识别模型不能识别无训练样本花卉子类这一实际情况,结合DCL与KNN提出了一种将细粒度特征映射到高维空间自动分类的方法,实现无训练样本的子类分类。同时针对同一花卉子类特征较为相似且可能存在类间样本不均衡问题,改进了DCL模型的损失函数(focal loss),通过对比损失(contrastive loss)加大子类的类间距,用focal loss平衡类别损失。最后在308类样本不均衡的牡丹花上进行实验。实验结果表明:改进算法后有训练样本的子类准确率为0.932,F1值为0.925,较原始DCL算法有了较大的提升,对未训练样本的子类准确率为0.903,F1值为0.888。