大数据环境下基于深度学习的行人再识别

针对卷积神经网络在行人识别过程中错误率较高的问题,提出了一种基于深度胶囊模型的行人再识别方法.首先利用标准卷积层学习区分度较高的特征;然后将不同卷积层中的若干特征划分为一组,生成一个具有丰富语义特征的主胶囊.在此基础上,引入了动态路由算法,通过迭代路由过程来确定主胶囊和数字胶囊之间的归属关系,进而得到一组数字胶囊,其中,每个数字胶囊可以学习识别目标行人的存在.在具有挑战性的数据集上进行实验的结果表明,所提算法在性能上优于已有算法.     

结合时序网络和金字塔融合的稳像修复方法

针对视频稳像领域内视频图像缺损填充效果不佳,严重影响视觉效果,且导致稳像处理后的视频不稳的黑边填充问题,提出了一种基于时序网络预测和金字塔融合的图像修复方法.首先结合预裁剪机制自适应判断当前帧是否需修复:然后将截止至当前时刻的所有帧送入卷积神经网络(CNN)和门控循环单元(GRU)的模型进行待填充部分的预测;随后采用改...     

10kV电容器的投退对35kV线路有功损耗的影响分析

通过一起35 kV变电站10 kV电容器投入与退出对主变有功损耗和电源侧35 kV线路有功损耗的影响分析,总结了在电容器各种容量的投入下对变压器有功损耗和线路损耗的影响,从而提出了电容器投入与退出的最优运行方式。     

结合置信度加权融合与视觉注意机制的前景检测

目的 在视频前景检测中,像素级的背景减除法检测结果轮廓清晰,灵活性高。然而,基于样本一致性的像素级分类方法不能有效利用像素信息,遇到颜色伪装和出现静止前景等复杂情形时无法有效检测前景。为解决这一问题,提出一种基于置信度加权融合和视觉注意的前景检测方法。方法 通过加权融合样本的颜色置信度和纹理置信度之和判断前景,进行自适应更新样本的置信度和权值;通过划分子序列结合颜色显著性和纹理差异度构建视觉注意机制判定静止前景目标,使用更新置信度最小样本的策略保持背景模型的动态更新。结果 本文方法在CDW2014（change detection workshops 2014）和SBM-RGBD（scene background modeling red-green-blue-depth）数据集上进行检测,相较于5种主流算法,本文算法的查全率和精度相较于次好算法分别提高2.66%和1.48%,综合性能最优。结论 本文算法提高了在颜色伪装和存在静止前景等复杂情形下前景检测的精度和召回率,在公开数据集上得到更好的检测效果。可将其应用于存在颜色伪装和静止前景等复杂情形的视频监控中。     

主变纵差保护现场检验技术正确性的探讨

0引言 主变纵差保护由于二次接线复杂,因此,其误动的原因约60%～70%是由施工接线错误引起的.这说明继电保护专业基层人员缺乏基本功,业务素质有待提高;另一方面也说明施工人员没有严格按照正确的设计图纸施工,不认真执行调试规定.因此,在新安装、定期试验或二次回路有改动时,变压器纵差保护在正式投运前,必须进行现场检验其正确性.笔者根据历年来对纵差保护的施工、试验及查线经历,总结出如下现场检验方法.     

解耦表征学习研究进展

解耦表征学习旨在对影响数据形态的关键因素进行建模,使得某一关键因素的变化仅仅引起数据在某项特征上的变化,而其他的特征不受影响,这有利于应对机器学习在模型可解释性、对象生成和操作以及零样本学习等问题上的挑战,因此解耦表征学习一直是机器学习领域的一个研究热点。从解耦表征学习的历史与动机入手,对解耦表征学习的研究现状以及应用进行归纳总结,分析了解耦表征所具有的不变性、复用性等特性,介绍了基于生成解耦表征变差因素的研究、基于流形相互作用解耦表征变差因素的研究、基于对抗性训练解耦表征变差因素的研究,以及一种变分自编码器β-VAE的研究等最新研究动态。同时,阐述了解耦表征学习的典型应用,并对未来的研究方向作出了展望。     

10 kV电容器的投退对35 kV线路有功损耗的影响分析

通过一起35 kV变电站10 kV电容器投入与退出对主变有功损耗和电源侧35 kV线路有功损耗的影响分析,总结了在电容器各种容量的投入下对变压器有功损耗和线路损耗的影响,从而提出了电容器投入与退出的最优运行方式.