摘要：针对当前基于深度学习的彩色化模型在面对具有多个目标的复杂场景时存在的误着色问题,提出一种基于像素级生成对抗网络的彩色化模型.该模型在生成网络中采用全卷积网络模型处理不定尺度的输入灰度图像,并加入与真实彩色分量间的L1损失作为彩色化优化目标;在判别网络中,采用语义分割网络计算像素级Softmax损失,反向传递优化彩色化生成网络.在Pascal Segmentation及ILSVRC2012数据集上进行的彩色化图像质量比较,实验结果表明,与同类模型相比,本文模型在处理复杂场景灰度图像的彩色化任务中具有更高的着色准确率,并且对不同目标之间具有更好的区分度.

摘要：近年来,数据发布隐私保护问题受到了广泛关注,相继提出了多种隐私保护匿名模型.l-多样性模型是其中保护个体隐私的有效方法,但现有的l-多样性模型只适合处理分类型敏感属性,不适合处理数值型敏感属性.为此,提出面向数值型敏感属性的分级l-多样性模型,包括分级相异l-多样性、分级信息熵l-多样性和分级递归(c,l)-多样性.所提出的模型首先将数值型敏感属性域分级,再基于分级信息实现数值型敏感属性的l-多样性.设计了实现这些模型的l-Incognito算法.并且从匿名表的多样性角度进行了比较,实验表明分级l-多样性表比未分级的l-多样性表具有更高的多样度,因此具有更强的抵制同质性攻击和背景知识攻击的能力.

摘要：目的在柔性密封条误差测量过程中,密封条容易弯曲且形变较大,直接匹配精度较低,测量误差大。针对此问题,提出了一种新的柔性密封条截面误差自动视觉测量方法。方法通过两步图像轮廓配准来获取测量图段和设计图段之间的匹配关系,然后进行误差度量和质量检验。1)通过基于多分辨率的轮廓角点提取算法提取出密封条轮廓的角点,然后基于最小化均方误差的思想进行穷举搜索,计算初始配准结果,再使用线性回归进行微调进一步提高初始配准结果;2)利用形状描述子进行局部轮廓配准,进一步获得两张轮廓图之间的精确局部配准结果;3)进行不同类型的误差定量计算和结果对比,主要测量的误差类型包括点偏移误差、点极限距离误差和角度位置误差等形位误差。结果对密封条进行了逐步轮廓配准和多种误差测量,并在实际生产中进行了测试。实验结果表明,该系统配准结果好,测量精度高。该系统测量精度远高于密封条测量系统精度标准0.2mm,且系统检测结果与实际人工检测结果完全一致,能有效促进柔性密封条自动化检测的发展。结论提出了一种新的柔性密封条截面误差自动视觉测量方法,该系统具有良好的稳定性和可靠性,能有效进行柔性产品误差测量和质量检验。

摘要：文本风格迁移是自然语言处理中的一项重要任务,其主要目的在于改变文本的风格属性,同时保留必要的语义信息。然而,在许多任务缺乏大规模平行语料库的情况下,现有的无监督方法存在文本多样性不足和语义一致性较差的问题。针对这些问题,文中提出了一种半监督的多阶段训练框架。该框架首先利用风格标注模型和掩码语言模型构造伪平行语料库,以有监督的方式引导模型学习多样性的迁移方式。其次,设计了对抗性相似奖励、Mis奖励和风格奖励,从未标记的数据中进行强化学习以增强模型的语义一致性、逻辑一致性和风格准确性。在基于YELP数据集的情感极性转换任务中,该方法的BLEURT分数提升了3.1%,Mis分数提升了2.5%,BLEU分数提升了9.5%;在基于GYAFC数据集的正式文体转换实验中,该方法的BLEURT分数提高了6.2%,BLEU分数提高了3%。

摘要：目前将信誉信息存储在本地进行管理的方法需要通过第三方验证信誉的完整性,这在动态的P2P环境中很难实现,而且信誉信息易丢失或被篡改.提出了一种新的本地存储信誉信息的管理方法,将信誉信息以证书的形式存储在本地,并由所有者自行维护.通过设计相应的协议,实现了旧信誉证书的完整性验证以及新信誉证书的生成.该方法避免了大量的通信开销,提高了查询效率,并具有一定的安全性.

摘要：产品的装配与拆卸是DFX的关键,也是产品全生命周期工程设计(LCED)研究的重要热点问题之一。在分析汽车产品装配与拆卸特点的基础上,对装配与拆卸相关的术语作了定义,并建立了汽车产品装配与拆卸评价的模型。根据装配与拆卸的异同,本文了提出了装配性与拆卸性的协调机制及一种能够与传统CAD系统集成的装配与拆卸分析方法,为汽车产品DFX的设计与评价提供了理论基础。

摘要：基于领域自适应技术的人群计数方法不依赖标注样本,是一种重要的无监督学习策略,但是现有方法易造成头部区域信息丢失和背景区域过度估计.针对以上问题,提出了一种面向跨域人群计数的头部感知密度适应网络.该方法由头部感知风格迁移模块和密度适应模块组成.其中,风格迁移模块利用源域密度图生成头部掩膜和背景掩膜,并以此设计了基于头部感知的风格迁移损失函数,以防止风格迁移后头部区域与背景区域的混淆.同时,密度适应模块利用鉴别器进一步将源域与目标域的特征映射到同一个隐空间,增强了源域密度图和目标域密度图分布的一致性.整个网络以端到端的方式同时训练风格迁移和密度适应模块,使模块相互迭代学习,共同受益.在合成数据集GCC和3个真实数据集上的实验结果表明,与现有几种跨域算法对比的结果表示,该方法的平均绝对误差降低9%,均方误差降低7%;在无标注的目标场景实现了鲁棒的跨域人群计数.

摘要：装配建模的实质就在于如何在计算机内有效地表达装配体外在的和内在的关系。在分析装配体几何实体信息模型、配合联接信息及设计约束机制的基础上,提出了一种以层次结构信息为逻辑主干,以拓扑联接信息为重要组成部分、支持产品全生命周期设计的广义装配模型的表达机制。该模型具有在数据结构与设计者的概念模型相同,便于理解,支持自上而下逐步求精的设计过程,便于装配模型根据需要进行修改和扩充,支持产品生命周期设计的全过程等特点。

摘要：针对现有算法的多尺度特征融合效果不理想和全局信息利用不充分的问题,提出一种基于多尺度优化和全局注意力的显著目标检测模型。利用特征增强模块对从骨干网络VGG-16中提取出来的粗糙特征进行增强,提升特征的显著性表达能力,对不同层次特征融合得到高层级和低层级特征;设计全局注意力模块,利用空洞空间卷积池化金字塔ASPP模块提取全局信息,计算特征的通道权重;利用通道权重引导侧输出进行特征学习能力提升,通过逐层连接方式得到最终预测结果。该方法在5个常用的数据集上进行测试,并与9种相关方法进行比较。实验结果表明,该模型鲁棒性更佳、检测性能更好。

摘要：多约束QoS路由是下一代互联网的核心问题之一,而多约束路径选择算法是其中的难点问题。提出解决多约束路径选择问题的三个原则:缩小搜索空间;采用非线性长度函数进行搜索;采用现代优化算法跳出局部最优。