摘要：为了实现现实场景下的行人身份识别,结合人脸识别和行人重识别(Re-id)技术设计行人身份识别系统.人脸识别技术能够在检测到行人的人脸时提高行人身份识别的精度,行人重识别通过改进的衣着信息消除(ICESD)模块来解决现实场景下的行人换装问题.在存在大量未知行人的现实场景下,通过先识别是否为已知行人,然后识别具体行人类别的阈值过滤识别过程显著提升准度.现实场景的应用测试和比较试验表明,相较于主流深度学习方法,在换装场景下,行人重识别技术能实现性能的显著提升,人脸识别也能显著提升整体识别准度.系统的实时性分析表明,行人身份系统可以布置在现实场景下.

摘要：现实场景下获取的人脸表情图像受姿态、背景、性别、种族等的影响,使得在此类不可控环境下的人脸表情识别率低。针对上述问题,现在出现了各种数据增强的方式,用于实现现实场景下的人脸表情图像数据增强,目的是通过增加数据集的多样性来提升分类精确度。实验结果证明,文中所提方法相较于传统的将所有表情进行同步数据增强的方法,在FER2013数据集上实现了50%识别精确度的提升,且将损失维持在了1.5左右。

摘要：作为2019年全国基层院团戏曲汇演闭幕式的压轴大戏,湖北荆门市艺术剧院与荆门市花鼓戏保护与传承中心推出的荆州花鼓戏《乡月照人还》(编剧胡应明、导演王国胜)在全国地方戏演出中心演出。

摘要：在大数据、5G、人工智能、VR等信息技术的加持下,一套洞悉体育教学背后隐含因素、模式、关系、变化、异常特征与分布结构,形成可供预警、预测、决策、分析的方法体系——“智慧体育教育方案”应运而生。在元宇宙现实场景下,“智慧体育教育方案”的实施有助于促进教育资源的再分配,重塑人、技术、体育教育之间的关系。元宇宙+“智慧体育教育方案”以立足育人目标、满足学生需求、提高工作效率为出发点,通过整合在线教学资源、构建智能教学场景、丰富教学评价指标等方式,构成虚拟与现实互为一体的体育教育新生态,进而弥补传统体育课堂场地、技术、方法等方面存在的不足,实现教学方法、组织形式、评价标准等方面的智慧化转型,推动农村体育教育事业高质量发展。

摘要：近年来现实场景深度在各种场景下都得到了广泛的应用:在家庭中有家用智能清扫机器人、家庭服务机器人;在工厂中有应用于物流的自动导引运输车(WMR);在野外考察中有探测机器人;在战场上中有侦察、排雷机器人。这些应用的场景大多非常复杂,因此建立准确的场景模型对于未知环境中的工作非常重要。

摘要：历史空间的绵延与现实场景的跃动作为两股总不缺席的力量,在城市的发展中起着重要的作用。国内外的诸多学者对历史文化遗产和现代城市空间的研究已颇多,其中不乏敏锐的洞察和判断,给作者带来了很多启发,也为该文的创作提供了很好的契机。作者认为,只有在充分理解历史空间与现实场景两者特征和相互作用的基础上,才有可能对城市空间的文化传承做出更能满足情感需求和最合情理的规划设计。该文从交流对话的视角,以北京城为例,对历史空间与现实场景的属性对比及表征关系进行了分析,并通过图与底、碎片拼贴、解构与重构、通俗化与经典化的艺术手法,解读在城市生长中,新旧场景的依存与对抗。

摘要：青铜器被誉为人类文明的标志性实物。中国古代青铜器不仅在铸造工艺方面领先,其艺术价值也有可圈可点之处,尤其装饰纹样,从某种意义上奠定了中国传统审美的基础。时过境迁,青铜器具实物虽然已经退出了现实场景,但依附在它身上的装饰纹样,仍然是重要的中华文化符号,人们可以从中发掘先民图腾崇拜与法度思想,追溯华夏大地早期的生存、生产及生活状态,在强调“民族自信”的艺术创作氛围中,青铜器装饰纹样不仅是可借鉴、可利用的素材,也对当代视觉艺术设计实践具有很好的启发价值。

摘要：基于当前即时配送行业客户满意度和企业配送成本存在严重的效益背反现象,外卖平台如何设计激励策略充分调用运力满足客户需求且避免成本过高是值得研究的问题。针对专送配送员由平台指派订单的现实场景,提出根据订单的最近取货距离动态提升订单价格的专送配送员派单激励机制。

摘要：针对目前面向注意力机制语义分割算法不能兼顾分割精度与实时性,以及难以满足在现实场景中应用的问题,提出一种基于条带池化注意力的实时语义分割算法.首先采用轻量级骨干网络提取特征信息,结合不同网络层语义差异构建特征融合模块获得不同尺度的上下文信息以提升分割精度;然后利用基于注意力的条带注意力模块(SAM)提高远距离信息被弱化的注意力,并在SAM中加入水平方向的条带池化以降低编码全局上下文的运算量.实验结果表明,所提算法能够得到较高分割精度且满足实时性要求;在Cityscapes测试集上平均交并比为70.6%,分割速度达到了92帧/s;在CamVid测试集上平均交并比为66.4%,分割速度达到了196帧/s.

摘要：为了改善SAC(soft actor critic)算法样本等概率采样以及网络随机初始化造成网络收敛速度慢、训练过程不稳定问题,提出一种结合优先级回放和专家数据的改进算法PE-SAC(priority playback soft actor critic with expert)。该算法依据样本价值将样本池分类,使用专家数据预训练网络,缩小无人车无效探索空间、降低试错次数,有效提升算法学习效率。同时设计一种面向多障碍物的奖励函数增强算法适用性。在CARLA平台进行仿真实验,结果表明所提出方法可以更好地控制无人车在环境中安全行驶,同等训练次数下所得奖励值和收敛速度优于TD3(twin delayed deep deterministic policy gradient algorithm)和SAC算法。最后,结合雷达点云地图与PID(proportional integral derivative)控制方法缩小仿真环境与真实场景差异性,将训练所得模型移植到园区低速无人车中验证算法泛用性。