摘要：提出一种新的基于多层次最大稳定极值区域(MSER)的自然场景文本检测方法,其由候选区域的提取和文本检测组成.在候选区域提取过程中,采用多层次MSER区域提取方法:通过对原始图像进行多个颜色空间变换和多尺度放缩得到多个变换后的图像,采用多个阈值对其进行MSER区域检测,并将检测到的区域作为候选区域用于文本检测.检测过程中,对候选区域提取手工设计的底层特征和基于卷积神经网络(CNN)的深层特征,训练一个随机森林回归器对特征进行分类得到字符区域,再将其合并成单词区域,并进行相似的特征提取和分类,从而得到最终的文本检测结果.使用2个标准的数据库(ICDAR2011和ICDAR2013)对提出的方法进行性能评价,F指标在ICDAR2011和ICDAR2013上均为0.79,表明了所提出的自然场景文本检测方法的有效性.

摘要：针对标准贝叶斯算法在交互建筑设计的应用中还存在效果不好的问题,本文提出了一种基于语义引导贝叶斯算法的交互建筑设计模型,首先针对交互建筑图像某区域从某一角度的理解,采用高斯混合模型实现低层视觉特征到语义的映射,并用概率来表达了对图像对象理解的置信度。然后采用改进贝叶斯算法将中层语义融合,最后用商代法、最小二乘法、微分法等数学方法对运行速度优化。仿真试验结果表明,本文提出的基于语义引导贝叶斯算法的交互建筑设计模型相比较标准贝叶斯,具有更快的运行速度,并且应用效果良好。

摘要：通过分析现有局部不变特征方法及含伪装签名数据集的特点,提出了一种基于具有仿射不变性的尺度不变特征变换(ASIFT)的离线签名认证方法.该方法对签名图像进行预处理(包括灰度化和放缩),对处理后的图像进行ASIFT关键点检测和特征描述符提取,对从查询签名图像和参考签名图像中提取到的描述符进行匹配,对匹配的结果采用随机采样一致性(RANSAC)方法去掉错误匹配,并计算正确匹配点的描述符之间的平均距离;通过比较平均距离及正确匹配点的个数与给定阈值的大小来判断认证是否成功.使用了含伪装签名的数据库对提出的方法进行测试,实验结果表明该方法与现有方法相比等误率降低了5%.

摘要：容错设计是提高软件可靠性的有效途径 ,但是由于设计多样性实现很困难且开销大 ,导致该项技术实现很困难。为此 ,提出了一个基于重用的应用框架。该框架的提出将相异性设计过程转变为根据可重用参数从大量具有相同功能软件组件中选择合适的组件来构成容错系统 ,从而简化了软件开发过程。同时为了更准确地描述组件 ,采用了模糊逻辑来表达其与上层概念的关联关系。

摘要：随着社会与经济的不断发展,工业化进程不断加快,生态环境的破坏也越来越严重,人们越来越关注生态环境问题,能够保护环境的低碳经济也逐渐受到人们的重视。对低碳经济在室外环境艺术设计中的应用进行分析,阐述低碳设计的概念,重点介绍低碳经济在室外环境艺术设计中的应用,最后说明室外环境艺术设计中应用低碳经济的意义,以期将低碳经济理念融入室外设计实践,解决室外艺术设计中的环境问题,保护生态环境。

摘要：【目的/意义】在于探索微信用户分享行为时空特征,为揭示用户间信息分享轨迹和社交网络结构的演化规律提供借鉴。【方法/过程】由于微信对线上数据技术采集的限制,已有的研究多集中以访谈和问卷调查的方式,对分析用户行为规律和行为特征具有很大的局限性。为了解决这一问题,本文融合多源数据采集与分析技术,实现了247711条微信用户分享数据的特征提取。【结果/结论】微信用户对微信具有较高的依赖度,分享与阅读之间的间隔时间分布具有强阵发性,而且微信中分享内容被转发的路径长度远远高于以微博为代表的综合类社交应用。

摘要：探究专注类App的设计要素。以心流理论为基础,从用户行为和用户体验两个层面入手分析了两款较完整的专注类App的功能设置及其理论依据。得到了专注类App的必备功能与附加功能。专注类App的设计可遵循一套以心流理论为中心的设计模式。

摘要：基于劝导理论,探究游戏化运动类App的设计策略。通过对活力街和天天跳绳两款App进行案例分析,根据劝导理论的三要素,剖析其在促进用户运动方面劝导设计。将劝导分为影响认知的“劝”和影响行为的“导”,提炼出该类App的共性劝导策略。两款App的设计策略均与劝导理论相吻合,为利用这类运动App进行运动习惯养成提供借鉴和参考。

摘要：为解决用户校内出行的痛点问题,建立高校校区内乘车服务系统。用事理学指导关键问题,充分考虑用户需求与资源流向后,从信息展示、车辆调度、数据监控、界面优化四部分对目标服务系统进行交互、技术、视觉等方面的实践。开发出集学生乘车小程序、运营方可视后台和数据采集监控平台为一体的服务系统。事理学指导下的乘车服务系统可以提升学生出行满意度和校内车辆的利用效率,促进智慧校园的建设。

摘要：第一视角的人手分割在人机交互、虚拟现实方面具有非常重要的应用价值,但是由于图像中人手区域占比较大,精确的人手分割仍然是一个很具有挑战性的问题。本文提出一种基于深度学习的手部分割算法,利用卷积神经网络强大的特征提取能力提取人手图像的特征,模仿人类视觉注意力机制提出Attention模块为特征图中的不同区域赋予更具辨别性的权值,同时为了能有效地提取不同尺度物体的特征,设计空洞卷积DCB模块在同一尺度大小的特征图上提取不同尺度特征。在3个人手数据集上的实验结果表明本文提出的算法能够有效地分割出手部区域并超越了其它的算法,达到了最优的分割效果。