基于自适应特征融合的均值迁移目标跟踪

提出了一种基于自适应多特征融合的目标跟踪算法.分别利用RGB颜色和LBP纹理特征建立目标模型,通过线性加权将两类目标子特征模型代入目标相似性函数并用均值迁移算法进行目标位置优化计算.在跟踪过程中,引入S igmoid函数动态调整两类子特征权重,并利用子特征相关系数和可靠性指数对目标特征模型选择性自适应更新.实验结果表明,该算法能在跟踪场景和目标外观变化时自适应调整两种子特征权重,避免了特征失效导致的跟踪失败;特征模型选择性更新策略有效抑制了模型漂移.与单一特征和模型直接更新的跟踪方法相比,该算法在复杂跟踪环境更具有鲁棒性,能进行准确稳定的实时跟踪.     

基于真彩切片的MRI图片颜色迁移及三维重构分析

借助于可视人工程的真彩图片作为常用MRI、CT等灰度图片彩色化的颜色迁移的彩色特性源本,以MRI切片和真彩图片的亮度、纹理和几何作为映射间的配准参数而进行合理的颜色转换,以弥补医学灰度图片伪彩色方案中各组织非对应的彩色映射关系.通过真彩图片与灰色图片的亮度分布曲线的调整和纹理特征关系的调整和配准而到有效和符合真实人体器...     

利用宇宙线观测数据研究1～100TeV能区质子-空气非弹性作用截面

 提出一种在高海拔地区通过宇宙线大气簇射过程的数值模拟,结合地面探测器阵列对簇射事例的响应,确定了直达质子事例的判选标准和判选效率.通过分析直达质子事例率,测量了1～100 TeV能区质子-空气非弹性作用截面,并结合Glauber理论计算出1～100 TeV能区质子-质子作用总截面.     

1 kW自呼吸PEMFC堆控制因素试验

自呼吸质子交换膜燃料电池(PEMFC)阴极侧湿度和温度耦合严重,且空气流量对湿度和温度影响不同,从而使得对电池输出电压的控制变得复杂.以氢气压力和提供阴极空气流量的风扇转速为影响因素,对相应的工作点集进行了正交试验研究.分析结果表明,风扇转速高于极值电压转速时,空气会带走更多的水分,从而使得质子交换膜逐渐干燥,阻抗增大,电池性能衰减;风扇转速低于极值电压转速时,空气流量带走的热量减少,使得阴极表面温度升高,阴极端相对湿度迅速减低,从而导致质子交换膜迅速干燥,电池性能衰减迅速.因此,每个工作点存在一个使电池电压最高的风扇转速值.     

费米国家实验室的未来走向

2009年,位于日内瓦的欧洲核子中心(CERN)的粒子物理学实验室的大型强子对撞机(LHC)投入使用;而在此前的26年,芝加哥附近巴达维亚的费米实验室的正负质子对撞机(Tevatron)一直统治着粒子物理学领域。Tevatron也是费米实验室的骄傲和希望,它曾是第一台用高达1万亿电子伏轰击粒子的机器,捕获了许多新奇亚原子粒子,其中包括顶夸克的发现(顶夸克属于上夸克的近亲,但其质量要略重)     

迁移的植物

寸步难行的植物是如何完成开枝散叶、繁衍后代的任务的？     

动物大迁徙

动物迁徙是件了不起的壮举:无数动物集体行动,尽管成功概率极低,各种生灵却义无反顾,其准确的方向感令人吃惊。而且,迁徙中的动物"绝不分心",因为它们背负着崇高的使命感。动物迁移是一种远比动物运动更壮观、更具组织性的现象。在遗传本能力量的驱使下,它表现出有目的的、预先谋划以及不屈不挠的劲头。为此,一位叫休·丁格尔的生     

醇水催化7-羟基喹啉质子迁移过程的反应机理研究

用量子化学B3LYP方法在6-311G*基组水平上研究了7-羟基喹啉二水和二甲醇复合物分子间的相互作用和水助及醇助催化质子迁移反应,优化得到了反应物、过渡态和生成物的几何结构,结果表明,在水助及醇助催化质子迁移过程中,3个氢原子都参与了迁移过程,醇助催化质子迁移反应途径在甲醇溶液中的活化能垒比水助催化质子迁移反应低,在甲醇溶液中的反应比在水溶液中的反应更容易.     

基于模型迁移和SVM的煤矿电网单相接地电容电流预测方法

针对智慧化矿山背景下煤矿电网单相接地电容电流预测精度低和智能预测实现困难的问题,提出了一种单相接地电容电流智能预测方法。采用模型迁移思想扩充矿用橡套软电缆的电容电流样本数据,以解决智能预测中电容电流数据不完备的问题;基于Sobol’敏感性方法分析了影响单相接地电容电流的关键因素及其各因素的交互关系,确定智能预测模型输入特征量;在此基础上,通过基于稀疏技术的支持向量机建立煤矿电网单相接地电容电流智能预测模型,并引入鲸鱼算法优化预测模型超参数,克服了电容电流数据样本容量小的不足。采用厂家测试数据及多家煤矿电网现场实测数据进行试验,结果表明：电缆绝缘层外径和绝缘层内径是影响单相接地电容电流的关键因素;所提方法预测煤矿电网单相接地电容电流的平均误差为2.26%,相较于现有预测方法,误差分别下降了34.19%,24.91%和7.40%。该方法实现了煤矿电网单相接地电容电流的准确预测,并为其智能化预测提供了新思路。     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.