基于图像的道路语义分割检测方法

针对现有语义分割网络模型在道路语义分割方面检测精度低、计算量大等问题,基于BiSeNet V2网络模型进行优化改进,引入一种高效的通道注意力(efficient channel attention, ECA)模块,在BiSeNet V2的语义分支和细节分支的每个阶段末端分别加入ECA,得到ECA-Semantic-BiSeNet V2网络。使用实车采集道路图像数据进行标注并构建自采数据集,在Cityscapes数据集、KITTI数据集及自采数据集上分别对改进前后的网络模型进行试验验证。试验结果表明,与BiSeNet V2模型方法相比,本研究方法在Cityscapes数据集上M_IoU提高14.01%,在KITTI数据集上M_IoU提高1.86%,同时在BiSeNet V2的语义分支加入ECA后运算量增加0.02 GFlops的条件下,模型推理速度提高了7.82帧/s。     

基于深度学习的小目标检测方法综述

小目标检测一直是目标检测领域中的热点和难点,其主要挑战是小目标像素少,难以提取有效的特征信息.近年来,随着深度学习理论和技术的快速发展,基于深度学习的小目标检测取得了较大进展,研究者从网络结构、训练策略、数据处理等方面入手,提出了一系列用于提高小目标检测性能的方法.该文对基于深度学习的小目标检测方法进行详细综述,按照方法原理将现有的小目标检测方法分为基于多尺度预测、基于数据增强技术、基于提高特征分辨率、基于上下文信息,以及基于新的主干网络和训练策略等5类方法,全面分析总结基于深度学习的小目标检测方法的研究现状和最新进展,对比分析这些方法的特点和性能,并介绍常用的小目标检测数据集.在总体梳理小目标检测方法的研究进展的基础上,对未来的研究方向进行展望.     

屏幕尺寸及色彩随心变化的概念手机

日本一位设计师设计出一款全新的、屏幕尺寸及色彩随心变化的概念手机“Cuuso”。     

基于深度学习的小目标检测算法研究进展

基于深度学习的小目标检测算法可以有效提高小目标检测性能和检测速率,在图像处理领域得到了广泛应用。首先概述了小目标检测的难点,分别对基于锚框优化、基于网络结构优化、基于特征增强的小目标检测算法进行了分析,总结了各算法的优缺点;然后介绍了用于小目标检测的公共数据集和小目标检测算法的评价指标,对检测算法的性能指标进行了分析;最后对小目标检测算法已经解决的难点进行了总结,并对有待后续研究方向进行了展望。深度学习在小目标检测领域仍有较大的发展空间,在模型通用性、耗时与精度和特定场景的小目标检测等方面有待深入研究。     

消费者投诉：诺基亚手机使用仅35天屏幕就破裂

2009年2月9日，本刊记者接到深圳市消费者黄先生的投诉：“诺基亚手机刚用一个月多屏幕就破裂，工作人员不仅不予维修，态度还非常恶劣。”2009年1月5日，黄先生在深圳市家乐福梅林店大地通讯手机专柜购买了一部诺基亚N5000手机。使用到2009年2月8日时，手机屏幕突然不显示了，在屏幕外表完好无损的情况下，屏幕里面出现一大块黑斑和破裂的纹路。     

基于深度学习三维成型的钢板表面缺陷检测

为了解决二维检测方法难以检测带有深度信息的缺陷问题,提出全新的三维重建网络.提出基于多尺度特征增强的级联式三维重建网络(MFE-CasMVSNet),并与点云数据处理技术结合,用于钢板表面缺陷检测.为了提高三维重建的精度,提出位置导向的特征增强模块(PFEM)和多尺度特征自适应融合模块(MFAFM),对特征进行有效提取并减少信息丢失.提出基于曲率稀疏化的密度聚类方法 (CS-DBSCAN),用于精确识别不同部位的缺陷.引入三维检测框,实现对缺陷的定位与检测可视化.实验结果表明,相较于图像几何的重建方法,MFE-CasMVSNet能够更加精确、快速地实现钢板表面的三维重建.相较于二维检测,三维缺陷检测能够精确获取缺陷的三维形状信息,实现对钢板表面缺陷的多维度检测.     

基于混合模型的视频划痕检测算法研究

划痕是旧视频中常见的问题,如何快速、准确的检测出划痕对它的进一步修复尤为重要.通过分析现有垂直划痕检测算法的优缺点,针对检测中存在的问题,提出了一种基于混合模型的视频划痕检测算法,将Sobel算子、形态学闭运算、广义模型检测等算法有效的结合起来对划痕图像进行检测,实验证明,这个算法对各类划痕的检测都有效,并解决了如何区分划痕与垂直的自然线条的问题,避免了误检,相对于几个典型的算法,该算法的准确率更高并且有更强的鲁棒性.     

基于改进R-FCN与语义分割相结合的人体姿态估计

随着深度学习的广泛应用,人体姿态估计成为动作识别领域的重要研究方向.为了解决人体姿态估计的准确率低以及目标的多尺度问题,提出了一种基于改进R-FCN(Region-based Fully Convolutional Networks)与语义分割相结合的人体姿态估计模型.首先针对模型的主体网络部分,采用ResNeXt-101深度学习网络替换R-FCN原有的ResNet-101基础网络,使得减少超参数的数量,从而提高准确率.然后针对候选区域结构,结合了一种多尺度RPN(Region Proposals Network)结构,处理候选区域中出现的多尺度问题.最后针对姿态估计部分,以目标检测框架R-FCN为基础,添加了Mask R-CNN中并行的mask分支作为语义分割网络,并且对人体的关键点进行提取,从而实现多任务的姿态识别.实验结果显示,模型在2017 MS COCO数据集上平均检测精度比Mask R-CNN模型提升了12.1％,比RMPE模型提升了2％.     

屏幕与键盘分离的“未来型手机”

日本NTTDoCoMo公司推出了一款屏幕与键盘各自独立．无需按键即可操作的“未来型手机”。     

基于偏振视觉的轴承曲面划痕缺陷检测

针对轴承工作曲面划痕缺陷成像的问题,提出了一种采用正交偏振成像的检测方法.首先,采用偏振相机结合正交偏振理论获取光滑轴承曲面图像,利用形态学滤波差分运算消除不均匀背景;然后,采用特定滤波和增强方式对SWT产生的分解系数进行保边去噪和增强,并进行图像重构;最后,对其中的缺陷特征进行分割处理.结果表明:采用线偏振光源照射光...     

基于Android手机终端信息查询系统的设计

针对外出人员计算机上网不便等实际问题,设计基于Android平台开发的手机终端跨地域酒店信息查询软件,利用Java、数据库和JavaWeb等技术完成整个系统的设计。实现了从客户端、网络到服务器端完整体系。经系统的功能测试,该软件可顺利实现各项功能。给用户出行带来再大的便利。     

基于Moldflow的手机电池盖浇口位置选择

首先对手机电池盖的结构进行分析,选择了两种浇口位置,并据此设计了2种浇注系统.然后采用Moldflow软件分别从充填时间、流动前沿处温度、体积收缩率等方面对这两种浇注系统进行注塑成型分析和比较,最终确定了最佳浇注方案和最佳浇口位置.     

我国手机企业的销售渠道策略分析

本文首先回顾了手机企业渠道策略发展的历程,着重从国际品牌和国产品牌两种模式来分析了现在我国手机企业的销售渠道策略,并在此基础之上对我国手机企业销售渠道策略的现状进行了总结。     

基于图像处理的复杂条件下手机二维码识别

针对手机二维码在光线不均衡、拍摄条码发生几何畸变等复杂条件下的识别问题,以QR码为例,提出利用透视投影变换对拍摄图像进行几何畸变校正,使用多阈值方法进行二值化处理。依据位置探测图形的特点对条码图像进行定位和裁切,设计了基于采样网格的窗口采样方法,以提高信息采样准确率,给出了QR条码的纠错译码步骤。实验结果表明,该方法可以有效识读光线不均和几何畸变的手机二维码。     

面向手机信令数据的交通枢纽人流量短时预测算法

为实现对重点区域人群聚集动态的有效掌握,保障区域人群的及时疏运,预防群体性安全事故的发生,以广州市火车站枢纽区域为例,通过对海量手机信令数据进行信息处理,结合地理信息系统将手机信令数据映射至研究区域,实现区域人流量的实时统计,同时分析了大都市火车站枢纽区域春运人流量变化情况,得出春运期间区域人流量存在周期性变化的规律,以此为基础,构建了以平均绝对百分比误差最小的k值自适应计算模型,设计了基于手机信令数据的城市交通枢纽人流量k近邻预测算法,并以节假日与非节假日两种不同交通模式环境进行算法测试.结果表明:所建立的预测算法在两种模式下其平均绝对百分比误差PMAPE分别在6%与5%以内,均能够较为准确地对区域人流量进行预测.     

地面移动基站增强的CAPS广义延拓差分定位方法

为了提高转发式导航定位系统(CAPS)的单点定位精度,提出了一种利用已有的地面移动基站实现伪距差分定位的方法.该方法以检出多个基站处的伪距误差值为基础,用广义延拓插值模型建立测量点伪距误差修正的外推数据模型,从而求得测量点的伪距误差修正值,发送至用户,实现测量点的伪距差分修正.仿真分析表明,该方法能有效克服常规伪距差分改正精度受基线长度增加而造成精度递减的问题.CAPS和移动基站相结合,不仅能有效利用现有地面移动通信基站的资源,而且还能明显提高CAPS等卫星导航系统的定位精度.     

复杂环境中手机电磁辐射的比吸收率计算

针对如何精确、高效地计算复杂环境中手机电磁辐射比吸收率的问题,开展了有限元区域分解方法及其对于非周期结构目标的求解方法研究。结合有限元区域分解与并行计算技术,给出了一种分析手机辐射情况下人体局部比吸收率的高效方法。通过计算复杂分层人头模型,与商业软件进行对比,验证了该方法的正确性与计算效率。最后,将这种方法应用于车载环境中人头局部比吸收率仿真分析中,有限元求解网格量突破1000万,表明了该方法的计算能力。     

利用窄波段像素色比的红外弱小目标检测方法

针对单帧红外弱小目标检测中背景抑制残差图中的目标检测问题,提出一种基于窄波段像素色比的残差图融合方法．首先在传统背景抑制获得残差图的基础上,通过计算窄波段图像的像素色比,选取适当的恒定分割率实现目标和杂波的分离,依照特定的融合准则获得信噪比较高的融合残差图;然后应用基于目标体积检测的方法对融合图像中目标能量进行集中,以获取信噪比更高的结果图．该方法的优点在于,弥补了背景抑制后的图像直接阈值分割时受杂波影响大的缺陷,能够有效降低虚警率．     

手机信令与出租车GPS数据融合车源定位方法

为揭示居民出行行为与城市交通拥堵的内在关联,并为缓解城市交通拥堵提供技术支持,利用高覆盖率、低精度的手机数据和低覆盖率、高精度的出租车GPS数据,构建了数据驱动的车源定位方法.利用手机数据获取出行需求信息,利用出租车GPS数据获取交通状态信息;提出基于数据融合的出行OD估计方法,进行交通流分配,对城市道路车流来源及城市拥堵源进行动态定位.结果表明:道路车流主要来自于少量车源小区,且拥堵状态下这些小区更加集中;同时受居民通勤行为的影响,城市全局拥堵源在早晚高峰表现出不同的特征.利用数据融合的车源定位可以用于揭示拥堵形成的内在机理及演化规律,辅助制定有针对性的拥堵缓解策略.     

采用卷积神经网络的老年人跌倒检测系统设计

为了利用便携式设备准确检测老年人的跌倒状况,针对传统算法中人为设计特征造成的不完备性,构建一种基于卷积神经网络（CNN）的老年人跌倒检测模型. 以智能手机内置的三轴传感器作为数据获取源,将采集的人体姿态信息进行滤波、标准化、采样等操作后,输入到所设计的模型中;采用梯度下降和适应性动量优化方法进行多层卷积神经网络训练和优化,获得模型关键参数训练并优化模型关键参数;利用学习到的深层次特征进行样本分类. 实验结果表明：所设计的模型对于跌倒检测的准确率明显高于一般的机器学习算法模型,并且在对跌倒和非跌倒的区分检测中,精确率和召回率都保持了较高的稳定水平.