市政工程造价的动态管理原则及措施

随着科技和经济的快速发展和进步,建筑行业发展的速度越来越快,虽然给建筑行业增加了很多的空间,但是也提高了整个市场的竞争力,建筑市场变得越来越透明.在这样的背景下市政工程造价的动态管理工作就变得尤为重要.文章着重分析市政工程造价的动态管理原则,并就动态管理措施进行论述.     

基于HFSS线天线辐射特性的仿真研究

介绍了线天线设计中所关心的参量,使用Ansoft HFSS,以对称阵子为例对线天线进行了仿真,得到了方向图等有效结果,证实了基于矩量法编程仿真结果的正确性,为下一步预测船舶通信系统(天线间)EMC提供了思路.     

西德电子商标织机的引进

在国内,凡经营服装及纺织成品出口的公司,无不经常为织带商标的质量和迟迟不能交货而感到烦恼。特别是在装船期确定的情况下,由于这一原因,往往不得不临时更改船期,有时甚至因此而放弃一部分快速交货合同的签署,一定程度地影响了对外结汇和出口成交率。究其原因,主要是商标生产     

基于改进Faster RCNN的安全帽佩戴检测研究

针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题,提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目标的鲁棒性,并引入防止正负样本不均衡的在线困难样本挖掘策略,然后对检测出的佩戴安全帽工人和安全帽等采用多部件结合方法剔除误检目标。实验表明,相比于原始Faster RCNN,检测准确率提高了7%,对环境的适应性更强。     

基于清晰度信息与灰度差异熵的图像修复算法

当前较多图像修复算法主要利用图像的结构信息来计算待修复块的优先权,忽略了图像的清晰度信息,导致修复图像中含有振铃以及块现象等问题。对此引入图像的空间频率,设计了基于清晰度信息与灰度差异熵的图像修复算法。首先,将数据项、空间频率和置信度项进行组合,形成待修复块的优先权度量函数,使其在优先权的计算过程中充分考虑了图像的清晰度信息,以提高优先权值计算的准确性,确保合理的修复顺序。然后,采用图像的灰度差异信息,构造灰度差异熵函数,计算合适的样本块大小。最后,联合绝对差平方和SSD与灰度差异熵函数,从图像的色彩差异信息以及灰度差异信息出发,确定待修复块对应的最优匹配块,以修复图像。实验结果表明,相对于已有的图像修复方法而言,所提算法具备更为理想的修复效果,对应的结构相似度值更大,其输出结果中不含有振铃和块现象。     

基于信誉度的移动自组网入侵检测分簇算法

针对已有基于路由的分簇算法,不适用于移动自组网入侵检测的特性要求,文中提出了一种基于信誉度的入侵检测分簇算法(CIDS).该算法从簇结构安全、稳定的角度出发,采用信誉度的概念对网络节点属性进行数学抽象,定义了节点信誉度的数学表达式,选择综合信誉度高的节点收集网络教据、检测网络行为.为移动自组网入侵检测系统提供了稳定、安全的支持.     

复杂姿态下的安全帽佩戴检测方法研究

在施工人员复杂姿态下,现有安全帽佩戴检测方法存在检测难度大,精度不高的问题,提出一种基于头部识别的安全帽佩戴检测方法。通过肤色特征识别和头部检测获取头部区域,并进行交叉验证确定头部区域,使用YOLOv4目标检测网络识别安全帽,通过安全帽区域与头部区域的位置关系判断安全帽佩戴情况。最后,通过实验对比分析其他安全帽佩戴检测方法的性能,对安全帽佩戴检测方法进行总结并提出展望。     

基于复合图文特征的视觉问答模型研究

针对当前主流视觉问答(visual question answering,VQA)任务使用区域特征作为图像表示而面临的训练复杂度高、推理速度慢等问题,提出一种基于复合视觉语言的卷积网络(composite visionlinguistic convnet,CVlCN)来对视觉问答任务中的图像进行表征.该方法将图像特征和问题语义通过复合学习表示成复合图文特征,然后从空间和通道上计算复合图文特征的注意力分布,以选择性地保留与问题语义相关的视觉信息.在VQA-v2数据集上的测试结果表明,该方法在视觉问答任务上的准确率有明显的提升,整体准确率达到64.4％.模型的计算复杂度较低且推理速度更快.     

基于姿态估计的安全帽佩戴检测方法研究

针对现有安全帽佩戴检测方法在施工人员复杂姿态下检测难度大、精度不高的问题,提出一种基于姿态估计的安全帽佩戴检测方法。该方法在OpenPose姿态估计模型中引入残差网络优化特征提取,获得施工人员的骨骼点信息,并提出三点定位法,通过骨骼点位置信息确定头部区域以缩小检测范围。使用RetinaNet检测头部区域安全帽的佩戴情况,以解决安全帽与施工背景之间类极不平衡的问题。实验表明,该方法在检测精度上较其他方法有明显提高,并且对环境的适应性更强。     

基于注意力机制和多尺度特征融合的道路裂缝检测

针对复杂背景下细小裂缝难以检测和裂缝检测出现断裂的问题,提出一种基于注意力机制和多尺度特征融合的道路裂缝检测方法EAFNet。在编码阶段设计边缘细化模块,更好提取裂缝细节特征;在网络中间部分设计基于注意力机制的多尺度特征融合模块对裂缝进行准确定位;在解码器部分设计融合优化模块,更好提取裂缝特征和定位裂缝位置。在公开数据集CRACK500训练集上进行训练并在两个道路裂缝数据集上进行测试,与现有的部分检测方法相比,该算法在分割精度和泛化性上都有提升,该算法对于细小裂缝的分割更为精细且有效解决了裂缝检测的断裂问题。