摘要：随着深度学习技术在工业领域的大量部署,应用于运输、装卸、包装、分拣等环节的自动化系统成为仓储物流行业的研究热点。针对机器人箱体拆垛场景提出一个点云中心预测-聚类网络(center prediction-clustering network,CPCN),对箱体垛进行实例分割,并计算每个箱体的上表面中心坐标。CPCN在传统的语义-实例联合分割结构的基础上,为实例分割分支设计了中心预测模块和中心强化模块。中心预测模块帮助定位实例中心以避免中心点分割错误,中心强化模块令属于同一实例的点在特征空间中向中心聚集,二者有效增强了实例特征的辨识能力。在实例特征处理部分设计的中心-实例聚类方法直接对实例特征进行距离度量来计算实例标签,大幅减少了计算时间。在箱体数据集上进行的实验表明,与现有方法相比CPCN在实例分割任务中的平均精确率最低提高了0.7个百分点,最高提高了17.2个百分点,预测实例中心的准确率达到94.4%,中心偏移量低至13.70 mm,且推理速度快于同类型的联合分割网络,对于箱体拆垛任务更有针对性,具有良好的应用价值。

摘要：时间银行是基于可交换积分、时间币等载体,将特定群体之间的互助行为货币化,从而激励群体内部产生互助行为和志愿服务的平台系统,具有社会公益事业属性及养老服务和社会治理功能。基于共享经济理论和交易费用理论视角,首先阐释了时间银行系统中的共享意涵与事前、事中、事后三个阶段的交易费用问题,并在此基础上分析了现阶段我国时间银行可持续发展所面临的障碍;其次对我国部分地区时间银行可持续发展的有益探索进行了介绍;最后围绕所设计的时间银行运作框架,从协同共享、精准共享、公平共享、规范共享四个维度提出了建立可持续时间银行系统、实现其良好自我运转的对策建议。

摘要：可见水印是一种常用的数字图像版权保护手段。分析可见水印去除结果可以验证图像上水印的有效性,并为水印设计者提供设计或添加水印的参考和启发。目前,大多数的水印去除方法都是基于自然图像的研究,而文档图像在生活中也被广泛使用,但由于缺乏公开的文档图像去水印数据集,相关文档图像的水印去除研究较少。为了探究水印去除方法在文档图像上的水印去除效果,构建了一个文档图像水印去除数据集(SDIWRD)。在对文档图像可见水印去除的研究中发现,使用已有的水印去除方法得到的水印去除结果中容易留下水印主体伪影或者轮廓伪影。为了解决这个问题,提出了一种基于全局与局部特征的二阶段文档图像可见水印去除模型(RWRNet),该模型采用由粗到细的二阶段的半实例归一化编解码器架构。在粗略阶段,使用全局与局部特征提取模块增强对全局空间特征的捕捉能力,同时保留对局部细节信息的提取能力,从而帮助进行水印去除;在细化阶段,细化网络共享粗略阶段权重,并构建循环特征融合模块来充分挖掘粗略阶段编解码器的重要特征,为细化阶段提供丰富的上下文信息,帮助进行细致的水印去除。此外,还结合了结构相似性损失来帮助获取更好的视觉质量。所提方法在SDIWRD数据集上进行了实验,实验结果显示PSNR达到了41.21 dB,SSIM达到了99.07%,RMSE降低至3.64,优于现有水印去除方法。另外也在公开的CLWD彩色水印去除数据集进行了实验,实验结果显示PNSR达到了39.31dB,SSIM达到98.81%,RMSE降低至3.50,也优于现有水印去除方法。实验结果证明了所提方法具有良好的泛化性和去水印的能力,能有效减轻水印伪影。最后还提出了一些防止水印去除的建议,在相关网站1)可公开访问所提出的方法和数据集。

摘要：目的为了解北京市医院门诊预约挂号现状,考察调查对象对门诊预约挂号的满意度及影响因素,为相关政府部门和医院在门诊预约挂号制度改革方面提供理论依据。方法本研究通过自行设计的问卷和访谈提纲,对北京地区16岁以上的人群进行了调查和访谈。结果调查对象中78.4%的人知道预约挂号方式,46.6%使用过预约挂号;调查对象对门诊预约挂号满意度较高,占51.6%,节省时间是主要满意原因,号源少是主要不满意原因;年龄、职业和收入等因素对预约挂号满意度有显著影响。结论相关政府部门及医院应当推广预约挂号政策、改良预约挂号机制、加强宣传教育,以提高预约挂号使用率与满意度。

摘要：为提高工业机器人码垛的智能化水平,将数字孪生技术与机器人码垛作业流程相结合,研究并设计了工业机器人码垛数字孪生系统。分析了码垛数字孪生系统架构,规划并设计了系统的功能模块和运行机制,阐述了工业机器人数字孪生系统数据集成模块、虚拟场景构建模块、虚拟机器人码垛模块和可视化辅助服务模块的实现方法,融合真实码垛场景下的机器人作业数据,实现了对基于数字孪生技术的工业机器人码垛虚拟可视化仿真与策略优化的信息反馈。设计并开发了面向工业机器人码垛作业的数字孪生系统,以物理码垛场景数据为例,验证了本系统的有效性,为探索数字孪生技术在工业机器人智能码垛的应用进行了尝试。

摘要：高倍率单幅人脸图像超分辨率重建是一项具有实用价值但困难的任务。在人脸超分辨率任务中,端到端网络超分辨率图像较模糊,图像真实性和人眼视觉效果较差。针对上述问题,文中提出基于多任务对抗和抗噪对抗学习的人脸超分辨率算法。算法分为端到端网络学习阶段和网络参数微调阶段。为了提高端到端学习效果,设计深度多任务拉普拉斯金字塔网络,并结合多任务对抗学习。主任务为端到端学习,子任务为优化对抗学习惩罚项函数。为了改进通过对抗学习并微调主任务网络参数后的效果,在对抗学习的判别器优化过程中,融入抗噪对抗学习。实验表明,文中算法能使人脸超分辨率图像更具有图像真实性,更符合人眼视觉习惯。

摘要：零系数嵌入能有效提高基于直方图平移的JPEG图像可逆信息隐藏(RDH)的嵌入容量,但会产生较大的文件增长和视觉失真。在研究零系数嵌入频率选择和块选择策略的基础上,提出一种能有效降低文件增长和失真的零系数JPEG图像RDH算法。首先分析零系数嵌入对中间符号零游程长度的影响,得到在不同频率下零系数嵌入的模拟文件增量,并定义用于零系数嵌入频率选择的模拟单位文件增量;然后把用于块选择的块平滑度函数定义为两个恒定特征的加权和,分析讨论零系数嵌入的两个恒定特征选取、处理及其权重选取策略;最后设计一种能降低文件增长和失真的零系数JPEG图像RDH算法。实验结果表明:与非零嵌入算法相比,零系数的嵌入容量可增加8~17倍,算法的视觉质量平均可增加1.2~2.5 dB,尤其对于较小的质量因子;与现有零系数嵌入算法相比,算法的视觉质量平均增加1.8~2.3 dB,单位文件增量平均减少0.22~0.36。

摘要：生成式对抗网络(Generative adversarial networks,GANs)是一种有效模拟训练数据分布的生成方法,其训练的常见问题之一是优化Jensen-Shannon(JS)散度时可能产生梯度消失问题.针对该问题,提出了一种解码约束条件下的GANs,以尽量避免JS散度近似为常数而引发梯度消失现象,从而提高生成图像的质量.首先利用U-Net结构的自动编码机(Auto-encoder,AE)学习出与用于激发生成器的随机噪声同维度的训练样本网络中间层特征.然后在每次对抗训练前使用设计的解码约束条件训练解码器.其中,解码器与生成器结构相同,权重共享.为证明模型的可行性,推导给出了引入解码约束条件有利于JS散度不为常数的结论以及解码损失函数的类型选择依据.为验证模型的性能,利用Celeba和Cifar10数据集,对比分析了其他6种模型的生成效果.通过实验对比Inception score(IS)、弗雷歇距离和清晰度等指标发现,基于样本特征解码约束的GANs能有效提高图像生成质量,综合性能接近自注意力生成式对抗网络.

摘要：针对深度神经网络(deep neural networks,DNN)模型安全与版权认证的问题,提出了一种多用户溯源的水印神经网络模型,通过密钥驱动生成水印图像,将其不可见地嵌入待保护目标模型的输出图像中,实现DNN模型的知识产权保护和版权追踪。在待保护的DNN模型中添加一种编解码器网络实现水印的嵌入,并使用双流篡改检测网络作为判别器,解决了模型的输出图像中可能出现的水印残留问题,提升了水印嵌入过程的不可感知性,减少了对DNN模型性能的影响,增强了安全性。此外,通过本文设计的双阶段训练法针对不同用户分发不同的含水印模型,当发生版权纠纷时,使用另一个残差网络可以从输出图像中提取水印图像。实验证明,本方法分发含水印的模型效率较高,并且即使对多个用户分发了嵌入相似水印图像的DNN模型,水印神经网络依然可以成功对模型进行溯源。

摘要：从西安市城市建设面临的困境着笔，分析目前西安乃至其它城市存在的问题，目的在于探讨如何以城市设计为导向。推进城市的特色建设，进而打造城市的精品空间。