摘要：为克服传统的人工眼睑退缩检查诊断准确率低和耗时的缺点,采用一种Hough转换算法。对脸部的轮廓和上下眼睑的特征点进行提取;采用Bezier曲线和3次B样条曲线拟合面部和眼皮;采用最优Canny算子对图像进行边缘提取;采用改进的霍夫变形法进行虹膜外圆定位;根据眼睑退缩的诊断标准,确定有无眼睑退缩。用该算法解决实际眼睑退缩诊断问题,将仿真结果与其它算法进行比较,验证了该算法的准确率与速度均优于其它算法。

摘要：为提高图像分割效率,提出注意力引导多模态交叉融合分割网络(ACFNet)。采用编码器-解码器结构,设计非对称双流特征提取网络,RGB和深度编码器分别以ResNet-101和ResNet-50为主干网络,并在RGB编码器中添加全局-局部特征提取模块(GL)。为有效融合RGB和深度特征,提出注意力引导多模态交叉融合模块(ACFM),在多阶段利用融合的增强特征表示。实验结果表明,ACFNet在室内场景分割数据集NYUD V2上的平均交并比(mIou)达到了51.5%,与先进的语义分割算法相比,显著提高了分割性能。

摘要：微型超级电容器(Micro-supercapacitors,MSCs)作为便携、可穿戴、可植入的微型能量存储单元,因高功率密度、瞬间充放电及长循环寿命的优势,在柔性微型电化学储能技术中取得了快速发展。MXene基气凝胶材料因其三维多孔网状结构、优越导电性、亲水性等优势,能够缩短离子传输路径与提高电荷转移效率,在构建柔性MSCs中发挥重要作用。然而,开发低价、高效、高性能的柔性MSCs器件仍面临诸多挑战。3D打印能够构建几何形状复杂的3D结构,制造不同尺寸和形状的微型储能器件。为了优化其电化学性能,分别对3D打印技术分类及其最新进展、可打印MXenes材料的设计原理研究进行了综述,总结了它们在与可穿戴电子设备集成的MSCs器件中的应用。最后,对MXenes材料在解决3D打印MSCs面临的挑战与发展前景做出展望。

摘要：针对传统特征选择中只考虑了特征的相关性和冗余性而忽略了特征间交互作用的问题,提出一种基于交互信息的两阶段特征选择算法(SAMBFC)。通过对称不确定性和强近似马尔可夫毯原理进行无关特征和冗余特征的筛选;利用特征间交互增益和基于相关性特征选择算法构建一种特征间互补性评价方法,选取具有交互作用的冗余特征。在9个不同维度的标准数据集上与8种典型算法进行对比实验和分析,其结果表明,SAMBFC算法所选特征的分类性能以及综合表现明显优于其它算法。

摘要：针对复杂环境金属件标刻的DM码因磨损、腐蚀等原因,导致传统图像分割算法难以精确定位的问题,提出一种基于改进HED网络的金属零件二维条码分割方法。在原HED网络上对主干特征提取网络改进,采用空洞卷积扩大感受野保留DM码全局信息;改变特征融合模块,增加两层卷积运算充分融合深监督模块输出的多尺度特征,提取区域轮廓完成DM码区域分割;使用LSD算法寻找区域分割图中的直线,经过直线聚类减少非感兴趣直线产生的干扰,实现二维条码区域精确分割定位。实验结果表明,该模型在全局最佳(ODS)和单图最佳(OIS)精度评定中F1值分别达到0.813和0.825,平均定位准确率达到97%。

摘要：为提高雾霾条件下的车牌检测精度,提出一种无锚车牌检测算法。该算法不对雾霾图像进行去雾处理,避免图像失真,将雾霾图及反映其深度信息的直接传输率图作为两个并行的特征提取源来丰富学习特征,增强网络的深度感知能力。设计基于特征金字塔网络FPN(feature pyramid networks)的并行FPN结构对两个特征提取源进行特征提取,处理网络多输入以及车牌多尺度变化的问题。提出融合空洞卷积和注意力机制的渐进融合结构,促进不同来源特征的协同表示和渐进融合。加入特征增强块降低空间特征损失,加强特征表达。实验结果表明,该算法能有效提高雾霾条件下的车牌检测精度。

摘要：为解决卷积神经网络在中文语音识别中识别准确率低、鲁棒性差的问题,提出一种基于双路卷积神经网络的声学建模方法。利用多尺度学习方法提取多尺度特征信息;将软阈值非线性转换层和注意力机制进行融合后嵌入残差网络,减轻网络梯度问题,加强网络特征信息传递,提高特征学习效果;采用连接时序分类技术分类,简化语音识别流程。实验结果表明,该模型与传统识别模型相比,词错误率降低了7.52%,在3种噪声环境下,错误率也低于传统模型。

摘要：针对滚动轴承故障诊断过程中因采集数据不平衡而导致诊断精度下降的问题开展研究。面向原始一维振动信号多尺度复杂性的特点,提出一种基于多尺度代价敏感卷积神经网络的不平衡故障诊断方法。构建串并联结构的多尺度一维卷积特征提取层,通过设计不同卷积层的连接方式和选取不同的卷积核大小实现多特征提取;利用注意力机制自适应设置Adacost代价敏感损失函数的代价矩阵,实现权重的自适应分配。通过在多种不平衡比率的西储大学轴承数据集上的实验表明:该方法能有效提升模型在不同不平衡数据集中的分类性能,且具有更强的泛化能力。

摘要：为提高声学场景分类准确率,综合考虑声学事件本身特征对于场景表征的影响以及单模型训练存在的分类误差问题,提出一种基于多特征后期融合的声学场景分类方法。在线性预测倒谱系数的基础上提出声学事件状态似然,结合深度散射谱以及谱质心幅度倒谱系数共同作为特征输入,在残差网络分类器进行并行训练;在分类结果处理阶段,采用平均叠加的整体策略在随机森林上进行集成训练,预测声学场景类别。研究结果表明,所提方法能够有效利用功能互补声学特征对声学场景进行分类,提高分类精度以及泛化性能。

摘要：为解决传统单声道语音增强方法在对相位处理时存在的不足以及降噪过程中普遍存在的语音失真问题,提出改进相位补偿结合谐波重构的语音增强方法。通过深度学习模型估计先验信噪比并利用先验信噪比对传统相位谱补偿(PSC)函数进行改进,针对在降噪过程中出现的语音失真问题,对增强后的语音通过谐波重构进行二次增强。实验结果表明,改进相位补偿结合谐波重构的语音增强方法较对比方法具有更好的降噪能力,可以有效减少语音失真,提高语音质量。