基于深度学习的翻越行为检测

翻越行为检测对疫情管控、社会治安等有着重要意义,一定程度上可以减少因为违规翻越行为而造成的意外事故.针对目前翻越行为检测任务实时性差、需要先验知识的问题,本文将Faster RCNN+SlowFast时空行为检测算法应用在翻越行为检测任务中,将翻越行为进行拆分检测.为提高时空行为检测算法中目标的检测精度和速率将目标检测模块Faster RCNN改为实时性高且轻量化的YOLOv5;其次针对同一行为不同视角下广泛的类内多样性的问题,将Fast支路和Slow支路的residual block分别改为AC residual block和SE residual block来加强网络对关键特征与细粒度特征的学习能力,最后设计翻越行为检测算法进行攀爬与下降两种状态的连续性检测,实验结果显示该网络平均准确率达93.5%,在翻越行为检测中表现出良好的性能.     

静压管桩静载试验分析

采用在预应力管桩中预埋应力计测桩身轴力的现场试验方案,在静压桩贯入过程中测得桩身轴力,并进行了竖向抗压静载试验,测得不同分级荷载作用下的桩身轴力图,通过对桩身内力分析来研究管桩在压桩及静载试验过程中的受力机理。     

电絮凝处理压裂返排液室内试验及动力学分析

压裂返排液具有矿化度高、成分复杂、稳定性高、难降解等特点,电絮凝可以作为有效的预处理技术.通过室内试验,考察了电流密度、初始pH值、电极间距、初始COD等对COD降低效果的影响,针对不同因素进行了动力学过程分析.研究结果表明,阳极溶解Al3+的质量浓度与电流密度和反应时间呈正比,电絮凝反应符合一级反应动力学规律;在电流...     

创新是一场持久战——专访上海高桥电缆集团董事长叶本开

2006年，叶本开不顾家人和朋友的反对，断然收购岌岌可危的国企——上海高桥电缆厂。经过5年的发展，上海高桥电缆厂已成为现在中国电线电缆行业屈指可数的专业防火电缆制造商，其中的门门道道究竟有几何？更重要的是，其坚持的创新理念尤为业界所称道，而高桥电缆的老总叶本开，始终给外界以低调、稳健的印象，这同时也给了笔者以深不可测之感。     

基于上下文模糊C均值聚类的图像分割算法

像素间的上下文相关信息对图像分割算法的抗噪性和准确性具有重要意义,现有的模糊C均值(FCM)聚类算法对此缺乏充分考虑.该文基于对空间上下文的可靠性度量,提出一种模糊C均值聚类算法(RSFCM)应用于图像分割:通过对空间上下文有效建模来提高聚类算法的抗噪声干扰性能,并研究了一种新的可靠性模糊度量指标,使聚类算法能更好地平衡细节保留和去噪,从而获得更加准确的分割结果.实验选取人工合成图像、交通标志图像和遥感图像3类数据测试聚类算法性能,结果表明,RSFCM在图像分割过程中能有效地抑制椒盐噪声和高斯噪声引起的类内异构及类间同构问题,能提高图像的像素可分性,并有效地保留了图像的边缘细节.     

一种基于MUI的跨平台移动应用开发方案

随着移动互联时代的高速发展,越来越多的开发者致力于用移动开发技术开发出低成本、高品质的APP.基于HTML5的跨平台移动开发技术,给出一种利用MUI框架、Ajax技术、5+Runtime就可方便快速地开发跨平台移动应用的方案.既改善了HTML5开发Web APP无法调用平台资源的问题,又比使用原生开发技术周期短,使开发者在不进行原生APP开发的情况下,让用户达到APP的体验效果最接近原生.     

网格环境下改进PSO算法的资源分配研究

针对网格计算中的资源分配问题,提出一种融合粒子群优化算法和遗传算法的新算法。通过在粒子群算法中引入遗传算法,有效克服粒子群算法容易陷入局部最优值这一固有缺陷,重新在搜索空间寻找全局最优值。该方法具有操作简单、设置参数少、收敛速度快等特点。仿真实验结果表明,该融合算法在网格资源分配方面能取得较好的效果。     

走向装置化的"树构"建筑

装置艺术天生与建筑具有姻缘关系,可为长期自给式发展的建筑学注入新能量;"树构"建筑是一种始于自然、源于中国传统的建构原型,是当代建筑外观形态和精神思想上的重要源泉.快速建设背景下,走向装置化的"树构"建筑可否作为一种可行的未来建筑发展思路成为笔者思考的问题.此研究致力于探索"树构"建筑在装置化视角下呈现怎样的发展趋势,...     

某大型丙类物流仓库消防给水系统设计

大型丙类物流仓库具有周转快,存量多,体积大,火灾蔓延快,排烟困难,结构易坍塌,灭火难度大等特点,发生火灾后,人员疏散困难,易造成严重的经济损失。因此物流建筑火灾发生前期的灭火工作十分重要。文章在分析大型物流仓库火灾危险性的基础上,就消防给水设计所涉及的相关内容,对某物流仓库的有关消防水泵房的布置、自动喷水灭火系统、消火栓系统等进行介绍和分析,总结了仓库类建筑消防给水系统的常规设计方法,为后续大型物流仓库消防给水设计提供借鉴。     

基于半监督模糊C均值算法的遥感影像分类

遥感影像数据因其固有的不确定性与复杂性,导致传统的无监督分类算法难以对其准确建模。基于模糊集理论的模式识别方法可以有效地表达数据的模糊性,其中二型模糊集能更好地刻画类间多重不确定性,而半监督法可以利用少量先验知识来解决算法对数据的泛化性问题,因此提出一种基于半监督的自适应区间二型模糊C均值遥感影像分类方法（SS-AIT2FCM）。首先,结合半监督和进化论思想,提出一种新的模糊权重指数选取方法,以提升自适应区间二型模糊C均值聚类算法的鲁棒性与泛化性,使算法更适用于光谱混叠严重、覆盖面积大、地物丰富的遥感数据分类;然后,通过对少量标记样本的软约束监督,对区间二型模糊算法迭代过程进行优化指导,来挖掘数据的最优表达。实验选用了北京颐和园区域的SPOT5多光谱遥感影像数据和广东横琴岛区域的Landsat TM多光谱遥感影像数据,对现有流行的模糊分类算法和SS-AIT2FCM的分类结果进行了比较。结果表明,SS-AIT2FCM获得了更高的分类精度与更清晰的类别边界,且有较好数据泛化能力。