摘要：为了在动态不确定环境下实现大规模无人机集群转弯的快速性和一致性,提出了一种仿欧椋鸟大规模超机动行为的无人机集群转弯控制方法.通过分析欧椋鸟大规模超机动行为,分别建立邻居选择、局部交互和信息传递机制,并将其映射到无人机集群转弯控制中.在这些机制的基础上,利用改进社会力模型进行无人机转弯控制,使无人机集群在没有外界刺激的情况下实现快速聚集和速度极化;而在有外界刺激的情况下,无人机切换模式,整个集群快速完成超机动转弯动作以避开危险.仿真实验结果表明,在该模型作用下无人机集群既能满足转弯曲率的要求,又能保持群集运动的一致性.

摘要：针对现有深度学习光流计算方法的运动边缘模糊问题,提出了一种基于多尺度变形卷积的特征金字塔光流计算方法.首先,构造基于多尺度变形卷积的特征提取模型,显著提高图像边缘区域特征提取的准确性;然后,将多尺度变形卷积特征提取模型与特征金字塔光流计算网络耦合,提出一种基于多尺度变形卷积的特征金字塔光流计算模型;最后,设计一种结合图像与运动边缘约束的混合损失函数,通过指导模型学习更加精准的边缘信息,克服了光流计算运动边缘模糊问题.分别采用MPI-Sintel和KITTI2015测试图像集对该方法与代表性的深度学习光流计算方法进行综合对比分析.实验结果表明,该方法具有更高的光流计算精度,有效解决了光流计算的边缘模糊问题.

摘要：当前电商领域爆发了对产品展示视频的海量需求.而视频剪辑是视频制作中至关重要的一环.产品展示视频的剪辑比其他类别视频具有更强的信息传达目的.从信息传达效果出发,结合专家访谈和用户实验,得出信息排布、剪辑连贯、剪辑节奏、片段节奏4个影响消费者信息感知的剪辑元素,并应用这4个剪辑元素构建了基于剪辑元素属性约束的自动剪辑框架.首先将镜头素材在信息类别、片段节奏与剪辑节奏的约束下分割成片段;然后应用隐马尔可夫模型与全局约束的维特比算法获取最佳的片段序列,以呈现合适的目标信息并兼具视觉连贯;最后,开发了一个针对服装的自动剪辑系统原型,支持对多段素材的即时分割和成片输出.与专业人工剪辑结果比较发现,该方法能更高效地帮助制作者完成视频剪辑,且视频效果接近人工剪辑.

摘要：作为以线性编队进行迁徙的鸟类,隐鹮编队飞行时个体间领航-跟随关系频繁的互换可延长群体飞行时间.为分析隐鹮群体内部隐含的协调合作机理,本文基于信息论理论检测和量化集体迁徙的隐鹮群体中个体层面的信息传递动态.首先采用局部传递熵来量化隐鹮迁徙过程中在空间和时间上的局部动态信息传递过程,分析隐鹮个体间信息传递的规则,理解隐鹮个体如何通过信息传递影响群体决策,实现一致的群体运动状态.然后采用局部有效信息存储来表征隐鹮的群体记忆,通过计算隐鹮过去状态序列与下一时刻状态之间的互信息,得到群体行为一致性与群体记忆的关系.最后根据隐鹮的动态信息传递以及群体记忆与群体行为一致性之间的关系,得到隐鹮转向过程中群体行为的激发以及汇聚模式与熵值的变化间的关系.

摘要：针对现有单阶段目标检测算法锚点框特征表达不足影响检测精度的问题,提出了一种增强锚点框特征表达的算法,其包含注意力机制模块和部件感知模块.首先,注意力机制模块根据各个锚点框的不同属性自适应地提供不同的特征表达.然后,部件感知模块准确地提取各个锚点框内部的判别性部件特征以作为各个锚点框进行预测所需的特有特征.将所提设计与现有SSD算法结合并在多个公开的目标检测数据集上进行实验,结果表明,所提算法能够显著提高单阶段目标检测算法的精度并维持实时运行速度(14 ms);进一步地,在扩展实验上的结果表明,所提算法也能够改善生成的区域建议框的召回率及两阶段目标检测算法的精度.

摘要：为提高推荐模型对于长尾项目的推荐性能,提出一种可集成在基础推荐模型中的通用框架DAST。该框架通过设计特征变换模块来对齐源域(曝光项目)与目标域(未曝光项目)的特征分布,引入了伪标签的概念,用基于数据结构关系的分类器对目标域伪标签进行校验,通过校验后的伪标签进行自训练来进一步改善长尾性能。在Movielens-1M和DIGINETICA数据集上对集成DAST框架前后的基线模型进行了对比,实验结果表明,集成了DAST框架后,各推荐模型的长尾性能均得到显著的提升,证明了此框架的通用性与有效性。

摘要：针对正负例锚点框不均衡将降低基于锚点框的单阶段目标检测算法的检测精度的问题,提出一种包含锚点框提升模块和特征对齐模块来均衡正负例锚点框的算法.首先在锚点框提升模块中预测各个锚点框为正例的可能性,并粗略调整初始锚点框的位置和尺寸;然后在特征对齐模块中为调整后的锚点框提取预测所需的对齐特征;最后检测网络借助锚点框提升模块输出信息,从调整后的锚点框中识别出简单负例锚点框,并在训练阶段忽略其梯度.将文中算法应用于以VGG-16和ResNet-101为特征提取网络的编解码架构中,在目标检测数据集MS COCO和PASCAL VOC上进行实验,结果表明,该算法能够显著改善不均衡问题,提高单阶段目标检测算法的检测精度(MS COCO和PASCAL VOC上的精度分别为42.8%和82.7%),并维持28.6帧/s的实时运行速度.

摘要：在图像识别的实际应用中,不考虑人为平衡的因素,其训练数据往往遵循长尾类分布。针对基于深度学习的长尾图像识别算法识别效果不佳,中、尾部类别识别准确率不理想的问题,提出了一种个性化专家识别算法(PMRA)。首先,在残差网络的基础上集成多个分支构建多专家网络;接着,通过为不同专家分配个性化训练数据构建个性化学习模块以提高中、尾部类别的识别准确率,通过专家信息融合反馈构建个性化信息增强模块处理中、尾部类别信息不足问题;在融合多个模块的专家网络中,通过两阶段的学习来提高长尾图像的整体识别准确率;最后,在CIFAR-10-LT,CIFAR-100-LT,ImageNet-LT,iNaturalist2018基准数据集上的实验结果表明,该算法在多个数据集上的识别准确率相比其他算法均有较大提升。

摘要：近年来,图卷积网络(Graph Convolutional Network,GCN)凭借其简单的网络结构、在图上任务中展现出的优异性能,受到了学术界和工业界的广泛关注.然而GCN也存在着在浅层时信息传播范围过小、特征提取不充分的缺陷.针对这一问题,本研究提出附加特征图模型(Additional Feature Graph,AFG).AFG通过引入图的节点结构特征(度特征),对度相同的节点随机增加连边、缩短信息传播距离.AFG并不是独立的图神经网络模型,而是作为一种附加技术与GCN及其相关模型配合使用.实验显示,在Cora、Citeseer、Pubmed数据集上AFG能够对浅层主干模型实现显著性能增益,帮助主干模型性能超越了其他以提升模型特征提取能力、改善欠传播情况为目的进行设计的模型.本研究进一步分析了AFG与DropEdge——一种随机切断原始图连边的附加技术——的区别与联系,并通过实验证明附加特征图模型与DropEdge模型共同使用的可行性,以及两者间存在一定的互补性.结合使用两种附加技术可以实现更大的节点分类准确度增益.

摘要：国内青少年人工智能教育的实践和研究尚处于起步和摸索阶段。研究表明,单元设计以学科大概念为核心有利于促进学科核心素养的落实,基于此,本研究尝试开展大概念视角下的“初中人工智能基础”单元设计及应用策略探索。首先,剖析了当前国内青少年人工智能教育实践的现状及存在的问题;其次,介绍了大概念和单元设计的概念及内涵,以2020年浙教版初中信息技术教材中“人工智能基础”单元为例,开展了大概念视角下的单元设计;最后,研究提出了初中“人工智能基础”单元设计在教学实施中的应用策略。