摘要:嵌入式设备中部署深度学习检测模型往往面临算力不足的问题,而感兴趣区域(ROI)提取可作为一种高效的性能优化手段。文章提出一种基于HSV(Hue,Saturation,Value)色彩空间模型的ROI提取的方法,将检测目标的像素信息转化到HSV色彩空间,在色相-饱和度(H-S)平面引入DBSCAN(Density-Based Spatial Clusteringof Applications with Noise)聚类算法,精确定位目标的主色彩像素在H-S平面上的分布位置,同时过滤杂乱色彩,然后通过Quickhull(快壳)凸包算法,从散点数据中拟合出主色彩的精确分布范围。根据获取的主色彩范围对像素进行遍历,可以根据色彩信息有效地提取ROI。实验结果表明,经过该方法优化后的Faster R-CNN(Faster Regionswith Convolutional Neural Networks)算法,较原模型减少了57.08%的平均推理耗时,同时精确率提升了0.9百分点。这对于嵌入式设备中进行实时目标检测具有重要的现实意义。
摘要:为了重点解决课程签到作弊问题,文章设计了一款基于TrackingJS库+百度云人脸识别课程签到系统。首先,将课程签到细分为3种方式,分别是线下课签到、线上课签到、公开课签到。其中,线下课签到是最严格的签到管理制度,以确保每一位学员的真实到场,并明确禁止任何形式的代签行为。其次,系统前端采用TrackingJS人脸识别动态抓取库,后端调用百度云人脸识别接口,以及基于教师端的手机Web App签到功能设计,实现低成本、防作弊的课程签到功能。最后,采用Nginx+tomcat+Redis+MySQL技术优化系统架构,解决签到高峰阻塞问题。本设计实现了一个可靠且简单易用的,包括线上、线下及公开课的课程签到系统。
摘要:文本情感分析是自然语言处理中的一项重要任务。近年来,深度学习技术的快速发展使得基于循环神经网络的模型在情感分析任务上取得了显著的进展。文章提出了一种基于门控循环网络(Gate Recurrent Unit,GRU)和注意力机制的情感分析模型,即BiGRU-attention,通过引入注意力机制,使得该模型能够自动学习到每个词汇对情感预测的重要性权重,从而有针对性地关注句子中最具表达力的部分。实验结果表明,所提出的基于BiGRU-attention的模型准确率达到了91.98%,均优于GRU、UCRNN、fastText-BiGRU等对比模型,平均提高了约7.86百分点。
摘要:将形状记忆合金混编三维织物驱动器(SMA驱动器)植入复合材料板簧中,可以使大型板式结构具有变刚度潜力。为提高驱动器空间布置参数的寻优效率,文章基于BP神经网络预测不同驱动器布置参数下的板簧刚强度,并采用遗传算法提升预测精度。结果表明,经过遗传算法(Genetic Algorithm,GA)优化后的BP神经网络(Back Propagation Neural Networks)模型对板簧刚强度性能的平均预测精度为96.9%,优于传统BP神经网络的平均预测精度(92.7%),并且寻优效率比传统智能算法提升了172倍。该研究为大型板式结构的空间布置参数寻优算法提供了有益参考。
摘要:针对织造车间数据采集过程中存在的数据质量低、数据冗余高的问题,提出了一种基于聚类分析法的综合数据清洗方法。首先,对纺织企业车间能耗进行层级分析,针对异常数据提出了基于二分K-means算法的异常数据识别方法。其次,针对缺失数据,采用多样化数据插补办法,实现对不同特征数据的插补;针对数据冗余高的问题,引入可决系数对数据集进行去重,降低数据集冗余。最后,以某纺织企业车间运行数据为对象进行仿真实验,结果表明,经降重后,数据集的数据量降低了83%,数据集预测实验的平均绝对百分比误差波动范围小于2%,该方法在降低数据冗余的同时保证了预测的可靠性。
摘要:为了解决具有错位和遮挡处理条件的高分辨率虚拟试戴(HR-VITON)在处理复杂纹理表现和服装特征交互方面的局限性问题,在基于具有错位和遮挡处理条件的高分辨率虚拟试衣方法的基础上,提出了一种结合多任务判别器与注意力机制的虚拟试衣方法。首先,通过在条件构造器中加入高效通道注意力机制,有效地增强了特征融合;其次,在图像生成网络中采用多任务判别器,以增强对服装渲染的全局和局部尺度评估。通过不断调整网络的学习参数,最终将模型放在数据集VITON-HD Dataset上进行虚拟试衣实验。实验结果表明,与原方法相比,该方法的图像感知相似度(LPIPS)提升了6%、分布距离指标(FID)提升了4.8%,虚拟试衣效果更好。
摘要:网络情绪失调易滋生网络暴力,研究网络情绪的演化规律并识别出关键的影响因素,有利于科学有效地防止网络暴力事件的发生。基于此,文章提出一种基于情绪反弹的网络情绪爆发机制。首先,提出亚稳情绪状态,引入心理敏感系数、官方媒体和意见领袖影响力用于诠释情绪转换的概率,建立基于情绪反弹的网络情绪传播模型;其次,求解系统平衡点以证明其稳定性,通过MATLAB仿真对影响指标进行对比分析;最后,选取“张小泉事件”进行案例分析,以验证模型的有效性。实验挖掘出了网络情绪传播的“三个阶段,两个触发点”,为防止情绪反弹和舆情二次爆发提供了参考依据。
摘要:针对传统多标签分类模型中标签相关性容易被忽略和标签标注成本不断增加的问题,提出一种新颖的多标签图像分类方法,将提示学习和交叉注意力机制结合并使用部分标签训练。具体来说,首先,通过将提示与标签结合生成文本输入,并使用预训练文本编码器进行编码,提取文本特征。其次,将图像作为图像编码器的输入。同时,在文本和图像编码器中,加入可学习的提示,旨在增强模型性能。此外,采用了交叉注意力机制,促进模态间的信息交互,从而提升分类效果。通过实验表明,该模型在The PASCAL Visual Object Classes(VOC2007)数据集上使用90%的真实标签时,mAP值达到94.6%。
摘要:针对区块链中数据的安全验证问题(数据的动态增加导致零知识集成员证明参数更新频繁、参数生成和验证时间变长),进行了创新性的完善。提出了一种新型的数据存储模型,结合优化的跳表索引,提高了数据验证的安全性和效率。实验结果表明,基于布隆过滤器的新型数据存储模型和外部索引,虽然增加了空间复杂度,但是借助预校验机制,提高了约45%的安全校验速度。此外,优化后的时间跳表总体上提高了约50%的区块检索速度,并且索引更新更加便捷。
摘要:织疵是衡量织造质量的关键指标。为了优化织造过程,减少织疵产生,首先分析了织造过程中导致织疵产生的影响因素,其次利用灰色关联分析法提取导致织疵产生的关键影响因素。实验和实际生产结果均表明,织机停车次数和停车时间对织疵产生数量的关联度较高,关联度均为0.83以上。同时,针对双纬、百脚和断经3类织疵进行分析,得出导致双纬产生的主要影响因素是经密和转速,导致百脚产生的主要影响因素是经停时间和转速,导致断经产生的主要影响因素是经停次数、打纬次数、停车时长等。
摘要:针对研究神经辐射场重建三维网格,从多视图照片中提取出高质量的网格模型,文章提出了一种基于NeuS的新型网络模型结构Texture Enhancement NeuS(TE-NeuS),该模型结构具备纹理增强特性,通过分解采样光线,运用多层感知机将一条模糊光线建模成5条清晰光线的加权,能够从轻微晃动的人体照片中提取出高质量的人体头部三维网格模型。用5组人头照片进行测试,实验结果表明,相较于NeRF和NeuS,TE-NeuS在倒角距离指标上分别提升了21.89%与13.36%,并且成功地提取出高质量的人体头部三维模型。
摘要:针对点云配准过程易产生错误匹配对、点云配准精度低等问题,提出了一种基于三角形相似性的点云配准方法。三对正确的匹配点对在几何空间上形成的三角形一定满足相似三角形的一些性质,例如三角形三边成固定比例、三角形顶点的法线和平面法线的夹角固定。因此,可以利用这些性质有效地减少点云配准过程中错误匹配点对其影响。该方法首先计算点云中每个点的快速点特征直方图(FPFH)描述符,使用三角形相似性的方法进行特征匹配,通过奇异值(SVD)分解得到一个变换矩阵。实验结果表明,该方法与基于正态分布变换(NDT)算法与最近邻迭代(ICP)算法结合的点云配准算法相比,配准效率提升了15.3%,配准精度提升了18.2%。
摘要:为了提高室内分布式麦克风阵列声源定位的精度,为后续更好地进行语音处理做准备,文章提出了一种新的麦克风阵列设计方案。将波束形成(BF)算法、多重信号分类(MUSIC)算法、广义互相关(GCC)算法分别应用在系统中进行测试,根据测试结果选取最适合本系统的算法。测试结果表明,GCC算法定位精度高且反应速度快,效果优于MUSIC算法和BF算法,因此选择GCC算法作为系统的定位算法。应用GCC算法的分布式麦克风阵列在室内环境中有较强的适用性,可为系统的其他操作提供良好的技术支撑。
摘要:针对区块链中实用拜占庭容错共识算法(Practical Byzantine Fault Tolerance,PBFT)中存在节点通信次数高、主节点选取简单、缺少奖惩机制及节点缺乏积极性等问题,提出了一种基于改进PBFT的可信分布式信任机制设计方案,即TM-PBFT(Trust Mechanism-PBFT)。首先,引入信誉模型对节点进行信誉值排序,增强对节点Sybil女巫攻击的防御能力,提升节点的积极性;其次,对节点进行分层共识,减少节点间通信开销;结合应用超级账本(Hyperledger Fabric)与星际文件系统(InterPlanetary File System, IPFS)对链上数据进行处理,减轻了数据的链上存储负担,提高了共识效率。在40个节点参与共识的条件下,通信次数相较于传统PBFT下降了85.8%,相较于C-PBFT算法下降了27.7%。
摘要:传统模型采用静态的失效数据评估软件的可靠性往往不够准确,为此提出一种基于不变量的可靠性计算方法。通过Daikon不变量工具收集失效不变量,依据函数调用关系图消除冗余,再输入Nelson模型进行可靠性计算。对西门子程序包中的28个错误程序进行了实验,计算不变量约简前后的可靠性,实验结果表明,基于不变量的可靠性计算方法约简后计算得到的可靠性结果较约简前平均提升50.502%,其中print_tokens2的最小方差可达到0,数据波动小。该方法将程序不变量作为失效数据,进一步完善了现有的可靠性评估技术。