关键词： 语义分割   DeeplabV3+模型   EfficientNet模型   移动计算   深度学习  

摘要： 语义分割是图像和视频处理领域的重要研究内容之一。随着深度学习在图像与视频处理领域的广泛应用,研究基于深度学习的语义分割方法具有现实意义。本文探讨基于DeeplabV3+的语义分割方法及其应用,并尝试搭建一个改进的语义分割模型用于移动计算等实时场景。（1）通过变换主干特征提取网络来减小语义分割模型的计算量,并扩展其应用范围。针对语义分割模型DeeplabV3+的主干特征提取网络参数量大、对硬件要求高、不适合移动场景等特点,使用参数量较少且性能较优的EfficientNet-B0网络对DeeplabV3+的主干特征提取网络进行替换。本文测试了直接替换、减少下采样次数、添加空洞卷积等多种替换方式。由于EfficientNet-B0的参数量小于DeeplabV3+的主干特征提取网络的参数量,因而所得语义分割模型的计算量减小了,从而减少了对硬件设备的性能要求,更适合于手机、树莓派等移动设备。这有助于扩展语义分割模型的应用范围。（2）通过解耦和特征融合等措施对解码网络进行改进以提高特征利用率、改进语义分割的性能。首先对DeeplabV3+模型中的输出分割图像部分进行改进,参考EfficientDet和YoloX模型中把识别物体种类和位置的网络转换为多个网络分支的思想,将DeeplabV3+模型中的浅层语义信息和深层语义信息使用不同的卷积进行处理以达到解耦的目的;然后借鉴FCN、U-Net网络的特征融合思想,在语义分割模型中加入中维度语义特征层,进一步有效利用主干特征提取网络所提取的特征以提高语义分割模型的性能。将所改进的模型在VOC2008数据集上与已有模型进行比较,实验结果表明所做工作在一定程度上提升了性能。（3）通过设计Android程序和Python程序将所搭建的网络与DeeplabV3+、PSPNet、U-Net等网络进行性能比较,验证其能否在移动设备上高效地运行。实验结果表明,所改进的语义分割模型在Android程序上的运算速度领先于DeeplabV3+、PSPNet、U-Net等,在Python程序上也有较好的性能。所做工作提升了语义分割在移动计算领域的计算性能。本文探讨了语义分割模型的改进及其在移动计算领域的应用,所做工作对于在便携式设备上添加语义分割计算模型具有一定的理论和实践意义。这对于在智能相机、智能雷达、自动驾驶等应用领域扩展语义分割模型的实际应用具有一定的促进作用。

摘要： This index covers all technical items - papers, correspondence, reviews, etc. - that appeared in this periodical during the year, and items from previous years that were commented upon or corrected in this year. Departments and other items may also be covered if they have been judged to have archival value. The Author Index contains the primary entry for each item, listed under the first author's name. The primary entry includes the co-authors' names, the title of the paper or other item, and its location, specified by the publication abbreviation, year, month, and inclusive pagination. The Subject Index contains entries describing the item under all appropriate subject headings, plus the first author's name, the publication abbreviation, month, and year, and inclusive pages. Note that the item title is found only under the primary entry in the Author Index.

关键词： 嵌入式系统   工业机器人   嵌入式计算   移动计算   物联网   云计算   大数据   智能制造  

摘要： 作为数字与物理、信息与应用交叉融合的重要基石,嵌入式系统技术在近十年以来已被广泛应用在社会生产、生活、国防等诸多领域,并快速推动了这些领域的数字化、网络化和智能化发展。在人工智能、云计算、物联网、大数据等新兴技术不断发展和交叉应用的万物智联大计算背景下,信息物理深度融合、多维智能能力支撑、应用形态日益多元等新特征对嵌入式系统的体系结构以及软硬件技术的发展都提出了新的需求和挑战。诸如,空、天、地、海军民领域的复杂安全有关应用对高可信的多态嵌入式计算体系与技术,移动计算与物联网对高性能、低功耗的嵌入式系统、网络通信与网络安全技术,以智能驾驶为代表的复杂信息物理系统对实时智能计算体系与技术,智能制造对工业机器人以及工业互联网等基于嵌入式系统的行业技术等,新业态迫切需要新技术的支持。

关键词： 移动通信  

ISBN: (纸本)9787561584637

摘要： 本书内容涵盖了移动计算中的隐私保护、数据安全等多个方面的相关内容。本书分为八章，第一章对移动计算的背景和隐私问题作了详尽的介绍和分析；第二章介绍了移动计算中的数据安全问题，提出了一种基于机器学习的安全数据聚合协议；第三、四章分别从攻击和防御两个角度，着重介绍了数据聚合中的投毒攻击机制和防御投毒攻击的机制；第五章提出了保护隐私的语音数据发布机制；第六章先提出了一种移动边缘计算中的负载均衡优化方案；第七、八章引入了隐私保护问题，提出了一种基于深度强化学习的保护隐私的负载均衡方案。

关键词： 铁路机车   电机检修   射频识别(RFID)   电子标签   移动计算   质量阈值  

摘要： 针对SS4B型机车电机检修过程中需要不同工序频繁核对部件及记录检修数据的作业方式,提出新型的应用模式。通过采用射频识别(Radio Frequency IDentification,RFID)技术和移动计算技术,构建了工业互联网应用模式,为电机检修搭建了高效的物联网平台,实现了部件的自动识别、检修过程的质量卡控以及电机检修无纸化,并且提升了工作效率和工作质量。

关键词： 移动计算   电池续航时间预测   机器学习  

摘要： 如今,智能手机已成为人们日常生活中重要的组成部分.然而,在智能手机软硬件能力高速发展的同时,智能手机的电池能力却未能取得突破性的进展.这导致电池的续航能力经常会成为用户使用智能手机时的体验瓶颈.为了提高用户使用体验的优良感受,一种可行的方法是为用户提供电池续航时间预测.准确的电池续航时间预测能够帮助用户更加高效地规划其使用,从而能够改善其使用体验.由于缺乏高质量数据的支持,现有的电池续航时间预测方法通常比较简单,较难在真实场景下发挥实际用途.为了解决这一问题,基于一组细粒度大规模真实用户数据集,提出了一个智能手机电池续航时间预测模型.为了验证模型的效果,基于51名用户21个月内的细粒度使用数据进行了实验验证.结果显示:用户在发起查询时的使用行为、在当前会话内的使用行为以及其历史使用习惯上,均能够不同程度地帮助电池续航时间预测.总体来说,所提出的模型能够显著提升预测准确度.

关键词： Middleware   Sensors   Predictive models   Context modeling   Machine learning   Servers   Mobile applications   Anticipatory computing   mobile middleware   mobile sensing   prediction  

摘要： Ubiquitous computing is moving from context-awareness to context-prediction. In order to build truly anticipatory systems developers have to deal with many challenges, from multimodal sensing to modeling context from sensed data, and, when necessary, coordinating multiple predictive models across devices. Novel expressive programming interfaces and paradigms are needed for this new class of mobile and ubiquitous applications. In this paper we present FutureWare, a middleware for seamless development of mobile applications that rely on context prediction. FutureWare exposes an expressive API to lift the burden of mobile sensing, individual and group behavior modeling, and future context querying, from an application developer. We implement FutureWare as an Android library, and through a scenario-based testing and a demo app we show that it represents an efficient way of supporting anticipatory applications, reducing the necessary coding effort by two orders of magnitude.

关键词： smart cricket ball   performance analysis   mobile computing   skill performance   precession   gyroscope   spin rate   torque   wrist-spin   finger-spin   efficiency  

摘要： Introduction: Profiling of cricket bowlers is performed with motion analyses systems that require the placement of markers on the bowler's body and on the ball. Conventional smart balls such as cricket and baseballs provide only one speed and one spin rate datum at the release point, which is insufficient for biomechanical profiling. Method: In this study, we used an advanced smart cricket ball that measures the angular velocity at 815 Hz and calculates four further physical performance parameters (resultant torque, spin torque, power and angular acceleration) and five new skill parameters (precession, normalised precession, precession torque, efficiency and ratio of angular acceleration to spin rate), which we used for profiling and talent identification of spin bowlers. Results: The results showed that the spin rate is a function of physical (torque) and skill proficiency, namely how efficiently the torque is converted to angular velocity rather than being wasted for precession. The kind of delivery also influences the efficiency, as finger-spin deliveries were less efficient than wrist-spin ones by 6.8% on average;and topspin deliveries were generally more efficient than backspin ones by 15% on average. We tested three bowlers in terms of physical and skill performance during a 10-over spell, revealing that some parameters can improve or decline. When profiling a topspinner, we detected from the performance parameters a lower skill performance than expected, because there was an initial arm motion for backspin delivery before releasing the ball with a topspin. After training intervention, the skill parameters improved significantly (the efficiency increased from 39% to 59%). Conclusions: The advanced smart cricket ball is a classic example of mobile computing for sport performance analysis that can conducted indoors as well as outdoors, generating instant data from 10 performance parameters that provide critical feedback to the coach and bowler.

关键词： 创新体验   移动计算   云计算   三重价值   战略拓展   企业创新创业   微软   生产力  

摘要： 微软:要做中国企业创新创业的强劲引擎9月17日,荣耀与微软宣布深化战略合作,充分发挥双方在移动计算、云计算、个人计算及生产力应用等领域的优势技术与资源,携手打造全场景融合的创新体验,共同推动荣耀“1+8+N”战略拓展全球市场。对于荣耀而言,微软的助力可以带来三重价值:一是推动“1+8+N”战略,二是面向未来创新,三是拓展全球市场。