基于逐级信息恢复网络的实时目标检测算法

随着卷积神经网络的发展,目标检测算法成为计算机视觉领域的研究热点,基于深度学习的实时目标检测算法需要同时兼顾检测精度和检测速度两项指标.不基于先验框的实时目标检测算法CenterNet大幅提高了检测速度,但是由于其直接对低分辨率高层特征进行连续上采样,没有充分补充特征在下采样过程中丢失的空间细节信息,导致算法对目标定位...     

基于中国气象风速数据的汽车风平均阻力系数

空气动力学阻力是汽车行驶阻力的重要组成部分，也是汽车能耗的重要来源。汽车在真实道路环境中行驶受到道路自然风的影响，为了准确计算和评价汽车在真实道路环境中行驶的气动阻力特性以及能源消耗，提出了循环工况风平均阻力系数计算方法。首先，通过分析气象数据获取近地区域自然风的分布特征，进而分析不同地形条件下汽车的偏航角概率分布特征，通过数值计算的方法分析汽车气动阻力系数随车速和偏航角的变化规律，并基于偏航角的概率分布特征计算获得了给定车速的风平均阻力系数，最后，提出循环工况风平均阻力系数的计算方法，并分析了不同地形条件和速度区间对汽车气动阻力的贡献量。结果表明，对于本文研究的车型，循环工况风平均阻力系数高于零偏航工况的阻力系数9.2%和7.3%，城市工况对气动阻力系数的贡献量小于5%，40 km/h及以上车速区间均对气动阻力系数有较大的贡献量。     

基于灰轴调整的彩色图像自动白平衡

自动白平衡是一种重要的偏色校正技术.提出了一种新的基于灰轴调整的自动白平衡算法.首先引入理想灰轴和估计灰轴的概念.该方法基于白斑假设,首先选取图像中的部分像素点计算估计灰轴,然后借助旋转变换和尺度变换,将估计灰轴调整至与理想灰轴重合,以此实现彩色图像白平衡处理.实验结果表明,与经典的白斑法和灰色世界法相比,所提算法能有效校正均匀光照条件下的偏色图像.     

基于边缘特征融合和跨连接的车道线语义分割神经网络

无人驾驶中的车道线检测任务需要同时确定车道线的位置、颜色和线型,而现有方法通常仅识别车道线的位置,不识别车道线的类型.为了端到端地解决这一问题,设计了一种语义分割神经网络,将一幅图像中不同车道线分割为不同区域,用每个区域的类别标签表示其对应的车道线类型.首先,在主流的编码器-解码器框架下,构建了一个结构较为简单的基础网络.考虑到边缘特征是车道线检测中的重点,为基础网络的编码器并联了一个边缘特征提取子网络,通过逐层融合边缘特征图和原始特征图增强车道线的特征.边缘特征提取子网络的结构与基础网络的编码器相同,其输入是对车道线图像进行Sobel滤波的结果.此外,编码器和解码器对称位置的卷积层输出的特征图尺寸相同,但具有不同的语义层级.为了更好地利用这一特性,建立从编码器到解码器对称位置的跨连接,在解码器逐层上采样的过程中融合编码器对应尺寸的特征图.在TSD-Lane车道线检测数据集上的实验表明,相比于基础网络,基于边缘特征融合和跨连接的神经网络的分割性能得到了较为显著的提高.该网络具有较好的车道线分割性能,能够在确定车道线位置的同时,区分黄线或白线、虚线或实线.在计算资源充足的前提下,该网络能够达到实时的检测速度.     

用户反馈自适应的POP3邮件过滤代理模型

为了有效接受邮件客户端反馈并自动根据邮件客户端反馈对邮件过滤系统做出调整,提出了用户反馈自适应的POP3邮件过滤代理模型SAMFUF（self-adaptive mail filtering POP3 proxy based on users’feedback）。SAMFUF采用异步连接模拟同步连接方式建立邮件客户端和邮件服务器间POP3连接,实现了邮件客户端与邮件服务器间的透明性连接;将最大熵、贝叶斯和支持向量机等基于内容过滤的方法从邮件过滤系统中独立出来,实现了通用邮件过滤系统的设计;通过在邮件中插入包含邮件唯一标识、分类结果等信息的HTML表单的标签以及调整邮件过滤模型,实现了基于邮件客户端的用户反馈以及邮件过滤系统的自适应功能;采用线程池管理线程和overlapped I／0事件通信方式实现邮件客户端与邮件服务器间通信,实现了邮件过滤服务的高效率和稳定性。实验表明,SAMFUF在垃圾邮件过滤上具有较高的效率和准确率。     

基于卷积神经网络的第一导联心电图心拍分类

第一导联心电图心拍的分类具有重要的医学价值,可以用来判断心脏的健康状况.采用深度卷积神经网络的方法,设计了针对单导联心电图这种特殊一维信号的卷积神经网络.该卷积神经网络具有层数多、卷积核尺度多样、参数量小等特点,能有效对第一导联心电图心拍进行分类.首先将心电数据进行预处理输入网络,经过一系列卷积、池化操作,最终输出分类结果.将该网络应用于INCART数据库,对超过17×104条第一导联心电图数据进行分类实验,取得了98%,的准确率、90%,的敏感度和86%,的阳性预测值的分类性能.实验结果表明,所采用的方法可以对第一导联心电图心拍进行很好的分类,并可应用于可穿戴设备和远程监护领域.     

基于CLAHE的X射线行李图像增强

提出了一种基于对比度受限自适应直方图均衡化(CLAHE)的X射线行李图像增强算法.首先使用一种背景区域快速填充方法降低背景噪声的干扰,然后采用CLAHE技术增强图像的对比度,最后采用一套组合锐化方案增强图像的细节.实验结果表明,使用所提方法能够快速有效地增强X射线行李图像的对比度,突出行李物品的细节.     

自适应构造与聚合多尺度代价体的双目立体匹配

基于卷积神经网络的双目立体匹配算法取得了重要进展，但现有方法在弱纹理区域、细节和边缘等位置仍然存在匹配不准确的问题.立足于双目立体匹配任务中常用的匹配代价体(cost volume),提出自适应构造与聚合多尺度代价体的双目立体匹配网络.首先将多个尺度的输入特征融合成为重组特征；然后设计可学习的特征增强模块，为各个尺度的匹配代价体恢复所需的细节信息；最后基于全局注意力对各尺度匹配代价体进行尺度内聚合，并提出自适应多尺度加权方法进行尺度间聚合，筛选出适用于回归各尺度视差的匹配特征.在SceneFlow和KITTI2015数据集上的实验表明：所提方法在较小网络规模的情况下取得了有竞争力的性能表现，验证了所提方法的有效性.