摘要：【目的】为解决图像分类模型面对传统闭集训练方式出现的模型缺乏开集泛化性的问题,提出了一种分离式的独立分类网络结构。【方法】每个类别都包含独立的线性特征层,特征层中设计的神经元节点能够在有限的数据样本下更准确地捕获类别特征。同时,在模型训练时,文中引入了一类无需标注的负样本,使得模型在构建决策边界时不仅依赖于已知类别的特征差异,在不增加额外标注样本的情况下,增加模型决策边界的开集泛化性。【结果】结果表明:独立分类网络开集识别(ICOR)模型结构和开集自适应训练策略均能有效改善传统模型开放集识别(OSR)性能;随着开放度的增加,能表现出更好的鲁棒性,能更有效地降低模型的OSR风险。【结论】提出的独立分类网络并融合开集自适应训练的算法比现有开集识别算法具有更优的开集识别性能。

摘要：本文研究了基于Web前端应用的Delta机器人远程控制的设计方案。该方案的开发流程分为"云上开发"和"云下PC开发"。云上开发包括云服务器的搭建和Web前端应用的设计;云下PC开发采用VC编程实现与服务器的MQTT协议通信连接和数据的订阅与接收。该技术可以拓展用于化工、排爆等危险行业,在确保人身安全的情况下保证机器操作的正确性。