课程文献中心 更多>>

关键词： 目标跟踪   核相关滤波器   卡尔曼滤波器   遮挡  

摘要： 针对遮挡情况目标跟踪经常产生漂移的问题,提出一种基于核相关滤波和卡尔曼滤波的目标跟踪算法。算法使用核相关滤波响应的峰值旁瓣比,判断遮挡。无遮挡时,以核相关滤波器为主跟踪器,获取目标位置,并修正卡尔曼滤波器;有遮挡时,将卡尔曼滤波器设置为主跟踪器,估计目标位置,保持核相关滤波模型。实验从跟踪速度、精度、成功率等角度与其它算法比较,结果表明该算法在遮挡情况下,有效改善跟踪效果,具有很强的鲁棒性。

关键词： Stein   张量方程   BCGSTAB   算法   收敛性分析   数值实验  

摘要： 双共轭梯度稳定化方法(BCGSTAB)是双共轭梯度方法的快速和光滑收敛的变形.该文将BCGSTAB算法推广到求解Stein张量方程,给出了张量格式的算法以及解的存在性的具体证明过程,并得到了该算法的收敛性结果.数值实验证实了该算法用于求解Stein张量方程是有效且可行的.

关键词： 条形码定位   图像处理   深度学习  

摘要： 随着物联网的发展,条形码技术在商业、医疗、运输和制造等领域都有不可或缺的作用。为了确保自动识别系统能够快速准确地读取条码信息,准确实时的条码定位算法是关键所在。首先着重介绍了条码定位算法研究:主要分为基于传统图像处理的条形码定位方法和基于深度学习的条形码定位方法。传统图像处理方法通常包括图像预处理、边缘检测和模式匹配等步骤。这些方法在处理简单场景的条码定位时表现良好。深度学习方法通过构建卷积神经网络(CNN)等模型,实现了对图像特征的自动学习和提取,具有更好的适应性和泛化能力,其次详细介绍了条形码算法所用到的数据集,并且简单介绍条形码的发展和和评价指标,最后进行总结和展望。With the development of the Internet of Things (IoT), barcode technology plays an indispensable role in various fields including commerce, healthcare, transportation, and manufacturing. To ensure that automatic identification systems can quickly and accurately read barcode information, accurate and real-time barcode localization algorithms are crucial. This paper first provides an overview of barcode localization algorithm research, which is primarily divided into traditional image processing-based methods and deep learning-based methods. Traditional image processing methods typically include image preprocessing, edge detection, and pattern matching. These methods perform well for barcode localization in simple scenarios. Deep learning methods, through the construction of models such as Convolutional Neural Networks (CNNs), achieve automatic learning and extraction of image features, offering better adaptability and generalization capabilities. Furthermore, this paper details the datasets used in barcode algorithms, briefly introduces the development of barcodes and evaluation metrics, and concludes with a summary and outlook.

关键词： 互联网   温室大棚   数据管理  

摘要： 随着互联网技术和农业现代化的快速发展,传统温室大棚种植模式在农作物品质保证和管理效率上显得力不从心。传统温室大棚种植模式是农业种植中常用的一种方式,是其对于农作物品质的保证以及管理上并没有占据较大优势。这主要是由于对大棚内环境参数的精准控制不足、数据管理效率低下以及信息孤岛现象导致的数据共享困难。为了解决这些问题,本文设计了一套基于定位和区块链技术的温室大棚数据管理系统。

关键词： 污水处理厂   设备管理   优化策略   维护   技能培训  

摘要： 污水处理厂的设备管理与优化是保障污水处理效率和水质达标的关键。本文首先分析了污水处理厂设备管理中存在的问题,如设备老化、维护不及时、操作不规范等,然后,本文提出了优化污水处理厂设备管理的策略,包括加强设备维护与更新、建立健全的设备管理制度、提高操作人员技能水平、引进先进的设备管理技术等。通过实施这些策略,可以有效提高污水处理厂的设备管理水平,确保污水处理的效率和质量,实现污水处理厂的可持续发展。

关键词： 冶金机械设备   检修技术   设备管理   故障率降低   技能提升  

摘要： 此文讨论冶金机械设备检修的技术透视。冶金机械的稳定运作、安全因素以及使用寿命的长短,决定冶金产出及经济效益。设备过度使用、材质损耗、环境元素等都在逐渐削弱该设备的效率。每一处细节深入分析后,全面设备保养操作流程浮出水面,运用领先的扫描与修复技能,配合创新性的设备管理途径,促使提升设备效率。决策执行后,设备操作高效且稳固,设备故障次数及安全事故发生率都有实质性的减少。本述还包括了冶金机械设备保养员工技能提升和更新问题,为实际冶金行业设备的高效、安全运作留下有意义的参考。

关键词： 开放世界目标检测   自动驾驶   边界感知   多尺度特征增强   特征筛选   冗余过滤  

摘要： 针对自动驾驶场景中复杂的目标交错、对象密集和小目标漏检、误检问题,提出了基于多尺度特征增强和边界感知的开放世界目标检测(multi-scale feature enhancement and boundary aware for open world object detection,MEBA-OWOD)算法。该算法首先构建了多尺度特征增强(multi-scale feature enhancement,MSFE)模块对提取的多尺度图像特征进行细致的筛选和强化,有助于识别和关注图像的重要和关键细节。然后,设计了边界感知冗余框过滤器(boundary aware redundant box filter,BARF),能够有效过滤已知对象重叠框和未知对象冗余框,减少了单个提议框包含不完整对象或密集对象的情况。在自动驾驶数据集道路场景(way scenes,Wayce)上的实验表明,与几种优秀的目标检测算法和开放世界目标检测算法相比,MEBA-OWOD算法在已知类平均精确率均值、未知类平均精确率指标上分别比次优的对比算法提高了0.3%、49.6%。该算法能在不影响对已知目标检测的同时,加强对未知目标的检测,能够较好地应用于自动驾驶领域。

关键词： 人脸检测算法   暗光人脸   域适应   特征增强模块   注意力机制  

摘要： 人脸检测技术已经广泛应用于实际场景,然而在光照条件恶劣的情况下,人脸检测任务存在许多挑战,包括:人脸特征难以提取、可判别性差、标注数据分布不平衡等。针对上述问题,提出了基于SSD改进的域适应暗光人脸检测算法。首先,采用图像增强和域适应的方法缩小正常光数据和暗光数据分布之间的域差异;其次,基于SSD检测框架提出了一个基于注意力机制的特征增强模块;最后,针对原始特征图和增强特征图,提出渐近损失函数。实验结果表明,该方法在暗光环境下,相比目前主流的人脸检测方法,有更具竞争力的表现。

关键词： 双时态JSON   JSON数据模型   事务时间   有效时间  

摘要： 针对目前JSON无法记录时变数据变化轨迹问题,提出一种基于树结构双时态JSON数据模型。在传统JSON文档里引入事务时间和有效时间得到双时态JSON模型,模型中时变数据由时态版本节点管理。提出双时态JSON模型到文档转换算法,保证转换中时变数据时间顺序。通过实验比较双时态JSON文档与单时态JSON和文档快照对双时态信息存储性能,结果表明,数据中时间差异情况所占比例较多时,双时态JSON模型存储性能更好。双时态JSON模型不仅扩展JSON文档时间维度,还减少存储时变数据所需空间,具有较高实际应用价值。

关键词： 小目标   IoU补偿   不平衡加权损失   正样本数量增强  

摘要： 在工业仪表液晶显示屏检测过程中,由于显示屏像素尺寸较小,像素缺陷难以被检测。传统的计算机视觉方法对环境变化敏感,需要手动设置参数。针对上述问题,设计了一种基于深度学习的液晶屏缺陷检测算法,其能够在较低的算力条件下识别液晶屏的像素级别像素缺陷。主要工作包括:(1)针对小尺寸目标正负样本匹配过程中正样本数量较少的问题,提出了一种不同尺寸目标的自适应正样本数量增强方法;(2)针对小尺寸目标正样本IoU小导致训练困难的问题,提出了一种自适应正样本IoU补偿加权方法;(3)针对小数据集对超参数敏感的问题,设计了一种正负交叉熵不平衡权重分类损失函数;(4)针对小尺寸目标细节特征提取困难的问题,在主干网络中引入了频域通道注意力,强化了小目标的细节特征提取能力。实验结果表明,相较于基线模型YOLOV8,此算法的小尺寸检测目标的mAP_s达到63.3%,提高了3.7%。其中,小尺寸像素缺陷的mAP_s达到78.8%,提升了4.5%;灰尘杂质检测目标的mAP_s达到47.8%,提升了3%;像素缺陷召回率达到99.8%。以上结果充分验证了算法的有效性。