摘要：针对网络视频中模糊变化,以及镂空、透明台标的背景变化都易造成台标区域内容变化,导致现有台标识别算法效率降低的问题,提出一种针对网络视频的鲁棒的台标识别方法.为了应对多种台标变化,提出一种基于Gabor滤波器组的近似不变特征的鲁棒台标特征;建立了一种由拟合特征簇表面获得的若干超椭球组成的台标判定模型,用计算高维空间点和超椭球位置关系取代复杂的分类算法,且可以只利用单帧信息进行台标识别,显著地提高了判定速度.实验结果表明,该方法较好地解决了台标识别中模糊变化、镂空和透明台标背景变化下的识别问题,能够高效识别各种台标,在单帧条件下平均F1统计变量达97.3%.

摘要：特征融合网络通过融合多尺度特征来提高目标检测精度,是深度学习目标检测框架中的关键部分.已有的研究工作通过优化融合网络的拓扑结构来提高结果精度,忽略了所需的硬件资源开销以及特征选择和特征融合操作对结果的影响.本文提出了支持多尺度特征融合的注意力感知融合网络(Attention-aware Fusion Network,AFN),通过软硬件协同可实现硬件开销(参数存储、计算时间等)敏感的神经网络自动搜索,从融合网络的特征、路径和操作三方面实现一体化的优化部署.实验结果表明,当主干网络为ResNet50时,在实现相似检测精度时,相比现有最先进的搜索网络NAS-FPN,本文方法的参数量和计算量分别减少29.6%和22.3%,相比现有人工设计网络FPN,本文方法的AP可以提高2.1%.当主干网络为VGG时,相比现有最先进的搜索网络Auto-FPN,本文方法的AP提高了1.7%.

摘要：在知识蒸馏(KD)中,学生网络会同时受到真实数据的监督和来自教师网络的监督,因此在训练中,其损失函数包含有来自真实标签的任务损失和来自教师网络的蒸馏损失,而如何有效配置损失函数的权重至今仍是一个未解决的问题。为了克服这个问题,本文提出了一种自动梯度混合(AGB)方法,通过搜索这2个损失的最佳混合梯度来自动有效地找到合适的损失权重。在知识蒸馏的原始设计中,蒸馏损失是用来辅助任务损失进行训练,因此本文将混合梯度的模长约束为任务损失对应梯度模长,仅仅只搜索梯度向量的方向,从而显著缩减了搜索空间。在搜索得到最佳混合梯度后,2个损失的损失权重可以被自动计算出来,从而避免了耗时的手动调节过程。本文在13种不同的师生网络组合以及10种不同的知识蒸馏方法间进行了大量的实验。结果表明,自动梯度混合方法能够在使用更少计算资源的条件下,在70%的蒸馏方法上比手动调节方法结果更优。

摘要：作为目前最常见的程序综合问题,示例编程通过用户提供的输入/输出示例生成程序,为编程能力不足的开发者提供了便利。近年来,示例编程已经被应用于Microsoft Office Excel办公软件的自动编程,以及勘探、测井、航空航天等领域。鉴于目前示例编程鲜有关于二进制流的研究,本文针对基于真值表函数自动生成问题具有函数表达式的语法符号序列中各语法符号的关系与它们的距离大小无关、函数表达式的生成语义规则与布尔向量函数采样的结果长度无关的特点,设计了一种神经网络模型和算法,在程序综合、功能等价和序列匹配的指标上分别取得了70.56%、64.66%、0.6355的结果,分别优于现有最先进的程序综合模型55.07%、49.70%、0.5690。

摘要：像素级损失是图像复原任务中最基本、最常用的损失函数。然而,像素级损失无法区分图像中的边缘部分是否模糊,对所有像素点的处理一致,这与人类视觉系统对边缘部分的感知不同。通过对图像边缘部分的分析,本研究发现当输出图像模糊时,其与真实图像对应像素的误差方向与真实图像中该像素的二阶梯度方向相同。基于此本文提出了一种基于边缘感知的结构保留损失函数(SPLoss)。本研究设计了模糊因子图来检测模糊像素,然后通过增加模糊位置像素误差的权重来惩罚模糊像素。SPLoss可以检测到输出图像中的模糊像素,并在优化网络时对其进行惩罚。对于包括图像超分辨率和图像去模糊在内的图像复原任务,本文在多个网络结构上进行了实验。实验结果表明,使用本文提出的损失函数训练的网络可以恢复拥有更好的感知质量的图像,在感知相关客观指标和视觉效果方面均超越原有像素级损失。

摘要：以尼西鸡、武定鸡的腿肌为研究对象,采用索氏抽提法和气相色谱法检测其脂肪和脂肪酸含量,对两种鸡种的脂肪和脂肪酸含量进行差异分析。结果表明:(1)武定鸡和尼西鸡以油酸、棕榈酸、亚油酸、硬脂酸、花生四烯酸为主;(2)同一种地方鸡腿肌的脂肪和脂肪酸含量母鸡显著高于公鸡(P0.05);(3)不同地方鸡单不饱和脂肪酸含量差异不显著(P>0.05),武定鸡腿肌脂肪和18种脂肪酸含量总和高于尼西鸡,尼西鸡的多不饱和脂肪酸和必需脂肪酸含量高于武定鸡。武定鸡母鸡腿肌的脂肪和脂肪酸含量极显著高于尼西鸡的母鸡的含量(P>0.01),两种地方鸡公鸡腿肌的脂肪和脂肪酸含量差异不显著(P<0.05)。

摘要：试验旨在通过饲养试验、屠宰试验和代谢试验研究7~12周龄武定鸡赖氨酸的最适需要量。采用单因素试验设计,选用60只体质量均匀的43日龄武定鸡,随机分为5组,每组3个重复,每重复4只鸡。5种日粮的赖氨酸水平分别为0.5%、0.7%、0.9%、1.1%和1.3%。结果表明:不同赖氨酸水平对期末体质量、全期增质量和日增质量有显著差异(P0.05),随着赖氨酸水平的提高,期末体质量和日增质量呈上升又下降的趋势,全期增质量呈先升高后降低的二次曲线变化(R^2=0.93,P0.05),对血清天冬氨酸转氨酶(GOT)差异显著(P0.05)。不同赖氨酸水平对赖氨酸利用率有显著差异(P0.05)。结果显示,以全期增质量为评价指标,依据二次曲线模型,7~12周龄武定鸡最适的赖氨酸水平为0.93%。