基于无锚的轻量化孪生网络目标跟踪算法

针对运算资源受限条件下难以实现高精度、高帧率跟踪的问题,提出一种基于无锚的轻量化孪生网络目标跟踪算法.首先使用修改的轻量级网络MobileNetV3作为主干网络提取特征,在保持深度特征表达能力的同时减小网络的参数量和计算量;然后对传统互相关操作,提出图级联优化的深度互相关模块,通过丰富特征响应图突出目标特征重要信息;最后在无锚分类回归预测网络中,采用特征共享方式减少参数量和计算量以提升跟踪速度.在两个主流数据集OTB2015和VOT2018上进行对比实验,实验结果表明,该算法相比于SiamFC跟踪器有较大的精度优势,并且在复杂跟踪场景下更具鲁棒性,同时跟踪帧率可达175帧/s.     

基于改进Cascade R-CNN的织物瑕疵检测方法

制造业瑕疵检测问题是工业产品的关键环节,其中织物瑕疵检测尤为关键.针对织物图像尺寸大、局部瑕疵数量少、图像背景复杂等问题,设计了一种基于Cascade R-CNN融合尺度不变特征的织物瑕疵检测方法 .通过训练具有多个递增交并比（IoU）阈值的级联检测网络,解决了传统深度神经网络的过拟合和错配问题;针对工业生产上存在的待检测图片发生倾斜、偏转和迁移等问题,通过尺度不变特征变换（SIFT）算法对待检测织物图进行预处理,将其正确定位到模板图上对应位置后,再进行瑕疵检测;借鉴孪生学习的思路,通过扩充输入通道,同时输入并分析待检测的图像和模板,提高了瑕疵检测的精度.实验结果表明：该模型能够有效地完成瑕疵检测任务,可对7类织物瑕疵进行检测与分类,平均精度均值达87.5%.     

关于丢番图方程|3x-2y|=p

设p为素数,x,y正整数.在文献中,周科证明了p=41,43,53,59,67,71,83,87,97时,方程|3x-2y|=p没有解;证明了方程在p=5,7,13,23时有超过一组的解并给出了所有解,该文证明了当p=31,37,47,61,73,79时,该方程有唯一解,并给出了相应解.     

一个紧凑的素数分布规律

素数规律不能精确地描述,但可以用阈值的方式对素数规律进行描述。本文介绍了一个迄今最紧凑的素数分布定律:在连续奇素数序列中,假定p、q是2个临近的奇素数,pq,V(p)为奇素数p在奇素数序列中的位置号。除了2个变异奇数区间[115,125]和[1 329,1 359],在奇数区间[3,q~2)内,连续奇合数个数不大于V(p)。该定律强于Legendre猜想、Oppermann猜想、Andrica猜想和伯特兰-切比雪夫定理。     

几种典型的虚实融合技术发展研究

虚实融合是实现虚拟世界与物理世界双向交互、映射联动的一种方式，成为当前各国关注的热点。为理清该框架下层出不穷的新技术状况，以数字孪生、信息物理系统、元宇宙和实况-虚拟-构造仿真为代表，围绕各自概念内涵、学术现状、应用情况进行梳理统计；并从它们的发展进程、功能特点、目标趋势等方面做了对比。     

素变量混合幂丢番图逼近

设~$\lambda_1, \lambda_2, \lambda_3, \lambda_4$是正实数, $\frac{\lambda_1}{\lambda_2}$是无理数和代数数, $\mathcal {V}$是具有良好间隔的序列, $\delta>0$. 证明了: 对于任意的$\varepsilon>0$及$v\in \mathcal {V},\ v\leq X$, 使得$|\lambda_1p_1^2+\lambda_2p_2^2+\lambda_3p_3^3+\lambda_4p_4^3-v|相似文献   

基于卷积特征的场景地标检索方法

针对场景中地理目标的检索任务主要解决在视角变化、光照变化甚至遮挡等情况下对地理目标的检索匹配问题，也称为实例目标检索，使用高性能的卷积网络构建用于实例目标检索任务的三输入孪生网络架构，采用三元组损失函数进行训练，并使用区域建议网络准确定义目标区域，生成准确并具有鲁棒性且固定长度的图像特征向量。检索时根据地理场景的特点采用图像全局特征进行粗检索，采用局部特征进行精检索，并配合查询扩展的方法实现了精确的实例目标检索结果。实验表明，所提方法与其他具有代表性的检索方法相比，在公开数据集测试中取得了有竞争力的结果。     

关于Diophantine方程32x ﹢8＝Dy

证明了当D为奇素数，且(﹚(﹚D＝38k﹢38k﹢4﹢1（其中：k是非负整数）时，方程x3﹢8＝2Dy 无正整数解。     

多层次RFID数据流上复杂事件检测

针对多粒度RFID数据流复杂事件检测存在的问题,研究多粒度RFID数据流(如物品级、箱子级、托盘级)上复杂事件检测问题.提出了不同层次目标间关系的编码方案,并在此编码基础上提出了相应的复杂事件检测算法.使用编码方法表示不同层次RFID对象的关系及状态变化.首先给出了事件模型和动机实例;然后详细阐述了编码方法和复杂事件检测算法.实验结果表明提出的方法是可行和有效的.     

基于最小二乘孪生支持向量机的图像拼接检测

图像篡改最基础的手段便是拼接,为了恢复人们对数字图像的信任,图像拼接检测变得非常重要.论文提出一种基于最小二乘孪生支持向量机的图像拼接检测算法,算法对待测图像进行对偶数复小波变换以获取不同的子带图像,对子带图像提取其马尔科夫状态转移概率矩阵,将该概率矩阵作为拼接特征向量送入最小二乘孪生支持向量机训练以获取预测模型,最后根据该模型来判断待测图像是否经过拼接.在哥伦比亚大学无压缩图像拼接检测评估库和哥伦比亚大学图像拼接检测评估库上分别进行实验,与传统算法做对比,实验结果充分证明论文所提算法具有更高的拼接检测准确率.