基于视觉显著性和小波分析的烟雾检测方法

基于视频图像的烟雾检测对火灾预警系统性能具有重要作用.该文提出一种基于时空域信息处理的烟雾检测算法:基于视觉注意模型的时空域ROI区域提取,以及基于小波时域分析的烟雾动态特征识别.该文用基于颜色对比度、亮度对比度和运动3个初级视觉特征的显著性图融合捕捉场景中的ROI区域.针对在时域中烟雾区域小波高频能波动小以及归一化颜...     

基于池化的双维度视觉注意力模型

为使视觉注意力机制模型表达信息同时兼具多样性、全局性,以实现对特征的准确表达,提出一种基于池化的双维度视觉注意力模型.该模型对卷积层输出的特征图,同时使用全局最大池化和全局平均池化获取多样性的空间维度信息,然后输入共享局部通道网络以重新学习通道间的权重分配;将平均池化分别作用在宽和高两个空间维度来获取全局的视野信息,从...     

基于贝叶斯方法的模型选择以及岩石性质概率表征

岩土工程勘察中,工程师通常从已知岩土性质间接估计岩土的其他性质.例如,工程师会根据岩样的标准点荷载指标(Is(50))间接估计岩石的单轴抗压强度(uniaxial compressive strength,UCS).间接估计时会应用Is(50)和UCS之间的回归模型,然而,现存文献中这种回归模型众多,使得工程师在具体工程应用中难以选择.基于此,阐述了如何通过贝叶斯方法结合Is(50)数据和现场先验信息选择模型,以及选定模型后如何对UCS进行概率表征.所述方法通过工程实例进行了说明.结果显示,所述方法可以单独依据Is(50)数据以及现场先验信息选出合适的模型.且依据所选模型进行UCS的概率表征结果和工程现场情况相吻合.     

基于双通路跃层卷积网络的交通标志识别算法

交通标志识别(Traffic Sign Recognition,TSR)是智能交通系统的重要研究方向之一。因道路交通的环境复杂、交通标志数据库规模大小等因素制约,在设计TSR系统可行性方案时必须考虑算法的复杂度、识别率和鲁棒性。针对这一问题,本文提出了一种不同尺度的双通路跃层卷积神经网络算法,在同一通路上交通标志的底层局部特征和高层全局的特征,与不同通路上经过局部响应归一化和池化后的特征在全连接层融合,从而丰富了交通标志分类的特征,最后将特征图输入分类器进行交通标志识别。采用德国交通标志识别标准数据集(German Traffic Sign Recognition Benchmark,GTSRB)进行训练和测试,本文算法的识别率达到97.96%,明显优于单一通路的跃层卷积网络算法和人工方法。     

基于贝叶斯网络下的遗传算法

概率推理的基础是贝叶斯理论,它允许对任意的概率陈述作反向推导.利用概率论中的定理,将贝叶斯理论移植到遗传算法上,拓展了遗传算法的应用范围.     

基于视觉模型的双正交小波图像水印算法

提出了一种基于人类视觉系统模型的双正交小波多分辨图像水印算法,该算法充分利用小波多分辨的优点及人眼视觉系统的特性,保证了水印的不可见性及鲁棒性,同时在检测水印时也不需要原始图像,仅需涉及到相关的几个细节子图。实验表明该水印算法对于中值滤波、叠加加性噪声、JPEG有损压缩三种图像处理都是鲁棒的。检测算法还有计算量小,检测速度快的特点。     

基于空间关系聚合与全局特征注入的视觉问答模型

现有视觉问答模型缺乏视觉对象间关系的理解能力,导致复杂问题的答案预测准确率较差;针对该问题,提出了一种基于空间关系聚合与全局特征注入的视觉问答模型。该模型首先利用空间关系聚合视觉区域特征,将其转换为视觉全局特征,并将这些特征注入网络;然后引入双边门控机制进行特征融合,使模型能够根据不同的问题输入,自适应地调整视觉全局特征和视觉区域特征对答案预测的贡献度;最后将融合特征输入分类网络,得到预测结果。在VQA 2.0和GQA公开数据集上进行实验,结果表明：该模型在VQA2.0的测试-开发集、测试-标准集和GQA的数据集上的总准确率分别达到71.12%、71.54%和57.71%,优于MCAN和SCAVQAN等主流模型。该模型由于引入了具有空间关系的视觉全局特征,能够更好地提升视觉对象间关系的理解能力,有效提高了视觉问答模型的准确率。     

基于贝叶斯疑似度的有向二分图模型的故障元件诊断

针对目前已有的故障诊断方法存在的计算复杂度高、建模困难、诊断误差较大等不足,分析了故障与征兆之间的非确定性关系,建立了概率加权的有向二分图故障诊断模型,依据统计概率对模型进行初始化,结合开关量时序属性对征兆信息进行完备化处理,通过计算贝叶斯疑似度对电力系统中的故障进行诊断,输出故障诊断结果.     

双价格二手车交易博弈的贝叶斯均衡解

建立了双价格二手车交易模型,并应用贝叶斯概率公式、数学期望及逆推归纳法等知识,求出了该模型贝叶斯均衡解,并给出了相关结论。     

一种基于MobileNet的火灾烟雾检测方法

提出了基于图像序列的火灾烟雾检测方法。首先使用K-近邻（K-NN）背景减除器预测前景区域,对该区域进行形态学操作后得到可能出现火焰或烟雾的区域。其次,使用轻量神经网络MobileNet对火焰和烟雾进行分类。该模型具有流线型架构,同时采用depthwise separate convolution,使得该模型可以运行在嵌入式设备和普通PC机上。实验首先在数据集上完成分类模型训练,使用多种标准进行评估。结果表明:该方法能够在嵌入式设备等计算能力有限的设备上实现火灾烟雾检测。与其他模型相比,该方法在没有明显损失准确度的情况下大幅提高了检测效率。     

一种基于过程纹理的烟雾仿真算法

针对可变形气流场中烟雾扩散的计算机仿真问题,用过程纹理理论进行分析。在分析几种比较常用的过程纹理函数模型的基础上,对烟雾的纹理细节进行了必要的分析和讨论,并提出了一种基于过程纹理函数的烟雾仿真算法,通过烟雾场内各点纹理的变化来表现烟雾的扩散效果,同时给出了部分仿真结果。     

基于视觉模型的自适应图象边缘检测

本文提出了一个用于图象边缘检测的视觉模型和对数域的最大块梯度算法。     

基于视觉显著性检测的跨尺度插值模型

为了提升多媒体处理感知能力,提出了一种运动图像序列跨尺度插值模型. 首先从用户的角度出发,采用视觉显著性检测技术获取关注区域,进而确定运动图像的显著区域;而后在时间尺度改变的情况下,利用一致敏感哈希技术实现了高质量插值帧的生成;最后定义能量函数,使得在分辨率尺度变化时能提升关注区域的清晰度. 实验结果表明,运动图像序列跨尺度插值模型能够获得较好的插值质量.     

基于贝叶斯理论的VANET安全路由信任模型

由于车联网(VANET)节点具有高度移动性和相遇临时性,因此节点间的信任管理变得更加困难。针对此问题,利用信任分类与动态管理的方法,在基于导航预测的地理延迟路由协议(Geo DTN+Nav)的基础上,使用Beta分布描述节点的信任情况,提出一种新的基于贝叶斯理论的车联网安全路由信任模型,以实现车联网节点间的信任量化管理。该模型在提升路由安全性的同时,具有较低的时间复杂度。实验结果表明,该信任模型是有效的,且在恶意节点排除率、分组平均到达率及端到端平均时延方面取得了较好的性能。     

关于地基沉降修正系数的贝叶斯方法优化

基于现场原位测试得到的实测沉降量与大量室内土工试验所得土性参数计算出的理论沉降量相比较,并利用贝叶斯统计的基本原理,推导出了沉降修正系数的概率分布模型和模型参数。分析结果表明,提出的方法所得结果合理而可信,可供类似工程参考应用。     

一种基于贝叶斯算法的页面置换评测系统

页面调度算法会影响到操作系统的性能,文章针对操作系统的效率提高性评估原则,提出了一种基于贝叶斯算法的页面置换策略评测系统。通过这种评测系统促进页面置换策略的改进,从而提高操作系统的性能。