摘要：基于深度学习的显著性目标检测算法大多依赖于大规模标注数据下的监督学习模式,但是,样本的像素级标签存在获取困难、标注成本高的问题。为此,设计一种边缘深度挖掘的弱监督显著性目标检测算法,仅使用图像级类别标签,从输入图像的显著性目标边缘角度得到能够较准确描述目标轮廓信息的边缘特征图,以生成伪标签对显著性模型进行监督训练。通过粗糙边缘生成模块对显著性目标轮廓特征进行简单标定,用于获取粗糙边缘特征图。在此基础上,利用精细边缘生成模块优化特征以得到精细边缘特征图,能够更准确地反映目标的边界信息,在完整刻画轮廓信息的同时可以更好地抑制背景噪声。伪标签生成模块基于精细边缘特征图生成像素级伪标签。实验结果表明,相比MSW、MFNet、NSAL等算法,该算法能够准确识别显著性区域,获得的预测图具有较完整的细节信息,其中,在ECSSD数据集上S-measure值和E-measure值相较于第2名NSAL算法分别提高1.1和0.6个百分点。

摘要：视频显著性目标检测需要同时结合空间信息和时间信息,连续地定位视频序列中与运动相关的显著性目标,其核心问题在于如何高效地刻画运动目标的时空特征.现有的视频显著性目标检测算法大多使用光流,ConvLSTM以及3D卷积等提取时域特征,缺乏对时间信息的连续学习能力.为此,设计了一种鲁棒的时空渐进式学习网络(spatial-temporal progressive learning network,STPLNet),以完成对视频序列中显著性目标的高效定位.在空间域中使用一种U型结构对各视频帧进行编码解码,在时间域中通过学习视频序列中帧间运动目标的主体部分和形变区域特征,渐进地对运动目标特征进行编码,能够捕捉到目标的时间相关性特征和运动趋向性.在4个公开数据集上与13个主流的视频显著性目标检测算法进行一系列对比实验,所提出的模型在多个指标(maxF,Smeasure(S),MAE)上达到了最优结果,同时在运行速度上具有较好的实时性.

摘要：本文设计了一款家庭绿植养护装备。由主体和外部的太阳能收集系统组成,主体内部具有三层结构,分别为树体矫正与养护装置、水源收集装置、溶液搅拌加热与喷洒装置。其具有树木形体矫正、药肥养护、虫害防治、防冻、高温干旱补水、智能控制等优点,同时太阳能电池板吸收的电能有一定的经济价值。文中详细介绍了绿植智能养护装备的结构、功能和应用场景,用机械来替代人力,能够大大解放劳动力,实现绿植养护机械化、智能化。可大幅度提高树木养护的效率,适用于传统家庭庭院与其他相关场所,为家庭绿植养护的便捷养殖提供了新思路。

摘要：为解决软土路基桥头跳车问题,提出了旋喷桩复合地基变刚度非开挖处治技术.首先,采用二维数值模拟方法分析了桩长、桩径、桩间距、桩排数、注浆深度对处治效果的影响规律及敏感度,并基于此提出了处治方案;最后,采用三维数值模拟方法对该方案进行了分析验证.结果表明:桩长越长、桩径越大、桩间距越大、桩排数越多,沉降控制效果越好,但随着注浆深度的增大,沉降控制效果先提高后不变,且桩径、桩间距、桩排数、注浆深度存在最优值,分别为0.8m、2.0 m、2、5~8m;桩长敏感度为1.02,远大于其他参数敏感度,故采用渐变桩长实现变刚度.处治后,固结沉降被控制在内侧路基的范围,且沉降从桥头向道路延伸方向呈较好的渐变效果,有效缓解了桥头跳车现象.

摘要：为实现对快递包裹进行智能分拣和精准定位,设计了一款基于STM32F4+STM32F7的智能分拣机器人.采用OpenMV3摄像头进行物体信息搜索,使用STM32F7单片机进行图像数据信息处理以及信息发送,采用STM32F4作为机器人主控芯片,用来进行小车电机控制、自动避障、自动规划路线、串口数据接收和舵机控制,双CPU之间采用串口通信,使用四舵机机械臂进行物体的抓取以及搬运.经过多次实测,该系统可以精准识别目标物体,然后搬运到指定位置,并且速度快、精度高,可进行大量包裹智能分拣工作.

摘要：经济全球化的背景下,商业模式已逐渐成为企业获取更高绩效的战略手段。但商业模式是直接作用于企业绩效,还是在其他变量的调节下对企业绩效产生影响,目前对此的研究还较为模糊。因此本文基于动态能力构成的基础上,构建企业动态能力对商业模式与企业绩效的调节作用关系模型,采用辽宁、吉林、黑龙江三省共60个企业样本数据,运用层次回归分析法对理论假设进行了实证检验。文章旨在分析动态能力在商业模式与企业绩效间的影响,为企业开展商业模式设计来提高企业绩效提供一定的参考价值。