课程文献中心 更多>>

关键词： 昇腾   图像描述   强化学习   束算法   神经网络处理器  

摘要： 图像描述是一种通过文字来解释和呈现图像内容的技术,在计算机视觉、图像识别和人工智能等领域中具有重要的应用。针对华为昇腾平台,提出一个可部署的高性能图像描述模型。首先从高精确度的图像描述模型出发,通过算子可行性、精确度与计算量两个方面进行综合分析,得到可部署且高效的方案,并对其进行一些算法上的优化,最终得到一个高性能的昇腾离线模型。在华为昇腾平台上,使用生成的模型对多张图像进行描述并分析描述结果,所生成的模型各个指标均有提升,其中CIDEr指标提升9%,每张图片推理时间为210.43 ms。

关键词： ResNet18   AdaBoost   特征优选   储能电站   火灾预警  

摘要： 针对储能电站早期火灾预警难、误报率高的问题,提出了一种基于AdaBoost-RF特征优选模型的ResNet18火灾早期预警算法。首先,建立了融合表面缺陷类、热失控类和早期火灾类的锂电池早期火灾预警体系。然后,利用AdaBoost-RF-ResNet18算法对RF进行加权改进,识别对早期火灾预警较为敏感的物理参数集合。最后,利用ResNet18算法建立火灾早期预警的深度学习模型。仿真结果表明,AdaBoost-RF-ResNet18算法可成功识别出对火灾早期预警较为敏感的参数,预警准确率优于传统机器学习方法。

关键词： 智慧消防   DeepSORT算法   人员定位   目标探测  

摘要： 近年来火灾相关的消防安全问题成为研究热点之一,而电气消防中的人员定位问题又成为关注的重点问题。将DeepSORT算法与空间坐标转换算法相结合,针对火灾发生时被困人员的位置进行检测和实时定位,该算法中采用改进的卡尔曼滤波器与匈牙利计算器相结合,对人员运动的轨迹进行识别匹配与更新,识别后再通过坐标转换实时显示人员定位,解决了对目标难以进行准确识别以及定位不精确的问题,并在减小了多目标识别时对人员检测所产生的误差问题,达到在复杂建筑中对多目标准确快速识别的效果。

关键词： 火灾   应急预案   BIM   设备管理  

摘要： 针对建筑安全管理领域存在的问题,分析了传统建筑火灾预案制订与演练方式的现状,通过构建基于建筑信息模型技术的建筑火灾应急预案和设备运营管理方案,结果表明:该方案不仅可以模拟火灾情景,为疏散决策提供科学依据,还能够准确地优化运维计划和预防性维护策略。

关键词： 人群预测   空间密度聚类   人群聚类   算法优化  

摘要： 行人预测直接影响到自动驾驶系统的安全性和可靠性,尤其是密集人群场景的行人预测。传统的人群预测方法通过对人群进行优先级分类,再按照不同优先级对行人逐个预测。但是,在密集人群场景,因为预测目标较多,即使正确划分了优先级,单纯依靠这种方法也会带来很大的处理时延。使用空间密度聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)算法对密集人群场景进行分析,选择合理的聚类算法参数,在聚类结果的基础上,结合传统优先级分类算法,简化人群的处理,并提出多线程并行处理的方法,以提高聚类算法的效率。通过对DBSCAN算法应用于人群预测的分析,丰富了人群预测的方法,为优化自动驾驶行人预测的表现提供了重要参考。

关键词： 多人比赛   滑动窗口   加权评分   姿态信息   重识别  

摘要： 针对多人比赛球员重识别特征提取时硬性水平划分造成图像特征不连续,以及关节点识别错误引入噪声特征等问题,提出一种联合滑动窗口和加权评分的球员重识别算法.首先修改ResNet-50主干网络,并利用空间关系感知注意力获取噪声更少的特征图;然后采用滑动窗口划分策略,使每一水平条带都包含其相邻区域的部分特征,以保持图像特征的连续性;再利用姿态信息提取局部关节点特征,赋予有效特征更高权重并通过多层感知层进行评分,以优化关节点分数;最后采用联合损失函数策略约束网络的学习.在Occluded-Duke, Market-1501和自建数据集上的实验结果表明,在3个数据集上,所提算法的Rank-1指标分别达到60.90%, 94.70%和80.35%.

关键词： YOLO   目标检测   危险机械   输电线路   智能识别  

摘要： 为了实现输电线路上危险施工机械(挖掘机、推土机和打桩机)的智能识别,该文提出了一种改进的YOLOv7算法。通过爬虫获取复杂条件下的危险施工机械图像并建立数据集,结合Mixup和Mosaic等多种图像增强方法预处理数据集。采用K-means++算法改进YOLOv7,提高算法的识别效率。实验结果证明,K-means++算法提高了YOLOv7的模型收敛速度;所提出算法能有效进行危险施工机械的识别,识别效果优于YOLOv7,准确率提高了3.70%。

关键词： 多尺度   特征融合   三维视觉   图像场景分割   注意力机制   空洞卷积   Softmax分类器   条件随机场  

摘要： 为减少噪声对分割结果的影响,降低单一尺度特征对分割结果的敏感性,提升分割算法的鲁棒性与稳定性,并增强分割边界清晰度,提高分割精度,文中提出一种多尺度特征融合下三维视觉图像场景分割算法。双路径多信息域注意力模块通过结合频域通道与空间注意力机制,提取三维视觉图像的多尺度特征,降低单一尺度特征对分割结果的敏感性;在多尺度特征融合模块内添加空洞卷积层,增大多尺度特征的感受野,并融合增大感受野的多尺度特征,捕捉图像的细节信息和全局信息,减少噪声对分割结果的影响,提升分割算法的鲁棒性与稳定性;利用Softmax分类器处理融合特征,得到三维视觉图像场景分割结果;通过全连接条件随机场、后处理分割结果,优化分割边界清晰度,提高分割精度。实验结果证明:该算法可有效提取三维视觉图像的多尺度特征,有效完成三维视觉图像场景分割,且场景分割的边界非常清晰。为三维视觉图像的处理与分析提供了新的思路和方法。

关键词： 麻雀搜索算法   混沌映射   精英反向学习策略   花斑翠鸟优化算法   自适应步长   SIW   毫米波天线   MATLAB、HFSS联合仿真  

摘要： 天线设计中通常需要进行大量的参数优化,但常用的HFSS优化方法计算量大且效率低下,因而提出了一种改进的麻雀搜索算法。为使初始种群分布均匀,引入混沌映射和精英反向学习策略进行种群初始化;为平衡算法的探索能力和开发能力,引入一个非线性收敛因子动态调整生产者占比;为增强算法初期的全局搜索能力,将花斑翠鸟的栖息盘旋行为抽象为数学模型改进生产者位置更新公式;为提高算法后期跳出局部最优解的能力并提高收敛速度,提出了一种自适应步长用于更新警戒者位置。经以上策略改进后的算法具有优异且均衡的全局搜索能力和局部搜索能力,函数测试实验表明算法是正确有效的。最后,将改进后的麻雀搜索算法应用于一款SIW毫米波天线的尺寸参数设计中,将其带宽优化到37.85%,相较HFSS优化提高了8.95%。优化后天线的频带覆盖52.48~75.19 GHz,相较HFSS优化增加了5.37 GHz,验证了改进后的麻雀搜索算法在最优天线尺寸设计中的优越性。

关键词： 无人机小目标检测   全局上下文注意力   多核上下文特征   编码器   特征融合  

摘要： 针对复杂背景下无人机航拍图像目标尺度分布不均匀导致检测精度低的问题，提出一种用于无人机小目标检测的多核上下文特征可信检测算法（Multi core contextual feature trusted detection network，MCCF）。首先，在主干网络部分设计多核上下文特征引导模块，该模块利用多尺度卷积核和全局上下文注意力以实现局部细节和全局结构的特征信息融合，从而有效抑制背景噪声。其次，提出可学习位置编码器，该编码器通过动态位置编码自适应调整目标特征的位置表示，降低了采样过程中小目标的空间位置信息损失。最后，为有效识别复杂区域的微小目标，本文提出多尺度细节融合模块，融合局部空间位置信息和全局结构语义信息，以有效捕捉不同尺度目标的细粒化特征。最后，在VisDrone2019-DET数据集和Drone数据集的实验结果表明，相较于RT-DETR模型，MCCF模型的mAP0.5分别提升了2.1%和6.8%，有效改善了无人机航拍图像目标漏检和误检的问题。