一种结合区域检测和语义分割的SLAM技术

提出一种结合区域检测和语义分割的即时定位和建图（SLAM）技术，通过引入高精度图像描述子SIFT来实现前端视觉里程计（VO）过程中帧间像素匹配的精度。为了降低引入操作带来的计算复杂度，设计一个实时区域检测算法，在相邻帧间检测大致相似的ROI(Region of Interest)关键区域，使得SIFT描述子的提取和匹配只在ROI区域内完成，其余区域仍旧采用精度略低、效率更高的ORB算子。同时，为了提高后端BA(Bundle Adjustment)的精度，减少累积误差，结合语义图，在原有的基本投影误差函数上添加一个语义误差。该语义图采用实时语义分割算法完成，同时只针对ROI区域进行分割。通过与原SLAM方案对比实验，表明本文提出的方法，在提高一定精度的同时，仍能满足SLAM实时定位和建图的要求。最后，在电力作业场景下验证了该方案的效果。     

一种采用级联RPN的多尺度特征#br# 融合电表箱锈斑检测算法

配电柜锈蚀会导致的后果有接触不良,严重的甚至会导致火灾、部分电气控制设备爆炸。为此,本文提出一种基于神经网络的多尺度电表锈斑检测方法。首先,基于大量的锈斑数据,训练识别锈斑的卷积神经网络（CNN）模型;其次,利用训练出的CNN模型,对电表表箱的位置进行检测,同时实现对电表表面锈斑的实时识别。算法融合了通过级联RPN网络获得多尺度的特征映射,充分利用低层特征的位置信息和高层特征的强语义信息来增强检测效果。针对采集的电表锈斑数据集,电表检测达到94.9%的精确度,优于采用YOLOv2达到的91.1%的精确度,锈斑分类精度达到94.5%。锈斑识别的识别率、实时性和稳定性可以较好地满足实际应用的需要。     

基于"三全"的资产全寿命自动评价系统设计

大部分企业生产、经营、审计、规划与建设等阶段均独立管理,资产运营整体欠缺,为此设计了一种基于"三全"的资产全寿命自动评价系统.重点研究寿命分析评价,依据数据中心的历史数据,利用分析环境与不可抗力因素对资产寿命的影响,获取不同因素相应的折损系数,依据设计值求解计量资产的寿命标准值.按照停止运行资产的相关数据,构建多元线性回归模型完成对资产寿命的预测.经验证,设计系统评价结果和实际结果一致性高,将其应用于实际资产全寿命评价中,可大大降低成本.     

基于增强多重注意力机制的深度神经网络的细粒度检测

现有的基于注意力机制的细粒度图像识别方法大多都没有考虑目标局部的相关性，而且以往大多数方法都用多阶段或者多尺度机制，导致效率不高且难以端到端训练。本文提出的方法能调节不同输入图像的不同部位的关系。基于上述思路的注意力机制的方法去学习每幅图的每个关注区域特征，再用增强多重注意力机制强化这一效果，让同类别图像具有类似的注意力机制，而不同类别的图像具有不一样的注意力机制，同时也能够进行端到端训练。     

基于多层信息融合的实时语义分割 及其在电力场景中的应用

语义分割是计算机视觉的一项基础工作。本文提出一种新型的结合点卷积与空洞卷积的上采样结构，并基于该结构设计一个能融合多层信息的实时语义分割模型。该模型在Cityscapes数据集上的mIoU能达到72.1%，对于640×360的输入图像，运行速度能达到125 fps，同时该模型在电力场景数据集下也有很好的效果。此外，本文还将该模型移植到移动端，实现一款基于语义分割的电力场景增强现实应用。