改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

基于模板的科研项目预算系统的研究与实现

加强预算管理已越来越成为科研项目管理的重要发展趋势。开发科研项目预算管理系统的难点在于不同经费来源单位项目预算科目不尽相同,同时项目预算科目与财务会计科目的核算维度不相同。系统通过模板技术,建立项目预算科目与会计核算科目的映射关系,很好地实现了预算归集,从而实现了课题经费的实时管理与控制。系统已在某大型科研机构的信息系统中予以应用,并且与其ERP财务系统、网上报销系统、科研项目系统实现了很好的集成,为规范科研机构的项目经费管理提供很好的信息化支撑。     

物联网技术在循环经济产业园综合管理平台中的应用研究

随着国家对生态文明建设的高度重视,近年来循环经济产业园的技术保障和管理水平有了较大的提高,但是仍然存在园区臭气浓度、地下水检测数据等环境指标无法实时监测;垃圾筛分量、回收物打包量、垃圾填埋量、渗沥液处理量无法实时获取;无法对厌氧罐维修等高空作业、有限空间作业等生产作业过程实施有效监管等问题。本文在某循环经济产业园综合管理平台的需求调研和方案设计的基础上,对循环经济产业园综合管理平台的建设目标和建设内容进行了概括,并对物联网在平台中的应用进行了专门的论述,伴随着垃圾污染治理力度的不断加大,利用物联网对园区内的生产设备进行实时监控、为园区管理部门提供数据支撑成为一种切实可行的解决方案。     

基于嵌入式ARM9的墙面平整度检测仪研究与实现

随着房地产行业的兴起和家庭个人装修的流行,作为房屋验收的一项重要内容,墙面平整度问题越来越受到广泛关注。本文基于嵌入式ARM9平台,研制了一种激光扫描墙面平整度检测仪。首先阐述了墙面平整度检测仪的硬件平台构建,然后阐述了检测仪的Linux软件平台搭建及应用程序的设计,最后用所研制的仪器在房屋内进行了实际检测测试。检测结果表明：该仪器的墙面平整度检测效果良好。与传统的检测方式相比,该仪器能方便、准确、实时地检测墙面平整度,而且制造成本低廉,具有较大的商业价值。     

基于核的机器学习方法及其在多用户检测中的应用

阐述了核方法的基本原理与研究动机，分析了特征空间的性质，介绍了常见的核方法，给出了构建新核方法的步骤及需要注意的问题，指出了核方法值得关注的研究方向，展示了其在多用户检测中的应用情况，以其对核方法研究领域有较全面的把握。     

一种新型衰弱信道预测算法

提出了一种基于支持向量机的衰落信道预测算法.在相空间中构建学习样本,然后借助支持向量机的学习与判决能力实施预测.对Jakes衰落信道的预测实验表明,该算法是有效的.同时也表明嵌入维数对预测准确度有着较大影响.     

基于目标紧密性与区域同质性策略的图像显著性检测

针对基于图模型的显著性检测算法中节点间特征差异描述不准确的问题,该文提出一种目标紧密性与区域同质性策略相结合的图像显著性检测算法。区别于常用的图模型,该算法建立更贴近人眼视觉系统的稀疏图结构与新颖的区域同质性图结构,以便描述图像前景内部的关联性与前景背景间的差异性,从而摒弃众多节点的冗余连接,强化节点局部空间关系;并且结合聚类簇紧密性采取流形排序的方式形成显著图,利用背景区域簇的相似性,引入背景置信度进行显著性优化,最终得到精细的检测结果。在4个基准数据集上与4种基于图模型的流行算法对比,该算法能清晰地突出显著区域,且在多种综合指标评估中,具备更优越的性能。     

基于SSD算法的轻量化仪器表盘检测算法

在使用传统的图像识别算法对仪器表盘中的数字进行识别时,存在着流程繁琐,处理时间较长和检测效果不佳等问题。针对上述不足,提出了一种基于深度学习的轻量化仪器表盘检测算法,该算法以单发多尺度检测算法为基础,使用深度可分离卷积代替标准卷积设计特征提取网络,以提升特征表达能力和轻量化性能;同时提出了一种基于真实框分布构建锚框的流程,设计了能量化表达锚框匹配程度的指标——匹配率,促进构建匹配度更高且锚框数量更少的锚框方案。实验结果表明,所提算法具有较少的模型参数量和计算量,具有较高的检测精度,并且可在CPU环境下满足实时检测需求。     

基于高阶扩展快速行进法的缺失地震数据重建

传统地震数据重建算法大多采用整体重建模式.受数字图像重建思路启发,提出了一种基于高阶扩展快速行进法的缺失地震数据重建算法.该算法采用局部重建模式,首先将缺失地震数据映射为地震图像,并定量分析映射导致的量化误差; 再采用二抽取小波变换对地震图像进行分解,分解后的低频分量采用高阶扩展快速行进法做局部逐点重建,高频分量通过已重建低频部分的水平、垂直和对角预测滤波做重建; 然后采用小波逆变换得到重建后的地震图像; 最后将地震图像映射回地震数据.叠前和叠后实际地震数据重建实例验证了算法的可行性; 与基于形态分量分析、基于K-奇异值分解(SVD)字典学习等地震数据重建算法的对比结果表明,本文算法具有更快的重建速度和更高的重建精度.