摘要：应用场景理解算法时,现有多任务学习方法存在任务冲突。为此,提出了一种高精度布局估计模型(High Accuracy Layout Model,HALayout),并基于注意力机制设计了一种分支混合注意力模块(Branch Hybrid Attention Module,BHAM)。利用分离融合结构强化模型对不同特征的分辨能力,使算法能够更好地处理特征之间的共性和差异性,提高模型的最终计算精度;使用Structured3D数据集测试HALayout性能,并设计消融实验验证BHAM网络模块有效性。与改进之前算法相比,HALayout各项性能指标均有提升,其中IoU指标提升了2.71%,达到84.11%。

摘要：针对行人重识别任务中数据标注困难以及服装变化问题,基于无监督方法PPLR(Part-based Pseudo Label Refinement)提出了一个多粒度特征网络(Multi-grained Feature Network,MGFNet)。仅输入RGB图像,即可充分提取图像中行人的全局、局部和脸部特征,根据注意力机制针对性地抑制特征中的服装信息,挖掘行人的本质特征。融合全局、脸部和局部特征,根据聚类算法生成精确的伪标签监督模型训练。在公开的换装数据集上测试MGFNet性能,并设计消融实验验证MGFNet的有效性。实验结果表明,MGFNet的mAP和Rank-1指标在PRCC数据集上分别比基准模型PPLR提高了6.9%和15.8%。

摘要：在图像模式识别应用中，针对布局估计任务后处理步骤繁琐、生成算法耗时较长等问题，基于相机成像原理设计了一种快速的布局生成算法，利用图Transformer节点与邻边信息融合的特性，将复杂耗时的后处理步骤转换为平面与线段特征的交叉计算过程。使用Structured3D数据集对整体算法进行测试，结果表明各项评价指标均取得提升，单张图片计算耗时达到87 ms,整体推理速度与主流方法相比提升20%。布局生成算法耗时由单张图片66.31 ms下降至3.18 ms,速度提升了95.21%。

摘要：利用奥博8000笔迹量化检验仪,分析写字机器人笔迹的墨迹压痕深度曲线、墨迹宽度曲线以及笔迹3D深度图,进行写字机器人笔迹鉴别实验研究。通过实验发现,写字机器人笔迹在不同字的相同笔画起收笔墨迹宽度、墨压痕方面的数据基本一致,笔画深度随着书写角度变化,固定角度笔画的深度基本一致,单向笔画的深度均匀无变化,折笔的转折处笔画深度的变化呈现一致性,此类力度变化与四导轨三电机写字机器人电机操控有关。

摘要：利用STC8A系列单片机抗干扰性强、运算速度快、易于实现复杂运算的优点,以降低数字电源控制成本为目的,设计一种Zeta型升降压电源。设计以STC8A8K64D4单片机作为变换器的数字控制主控芯片,以IRS2004为开关管驱动芯片,以Zeta型升降压变换器为控制对象,并采用PI单环算法对输出电压进行闭环控制,对Zeta型数控电源输出电压进行闭环控制。经实验,得到当负载突增及负载突减情况下输出电压恢复到设定值所用的时间,表明STC8A系列单片机对变换器输出电压实现了高精度、快响应的控制,满足设计要求。