摘要：针对场景文字区域尺度变化较大,具有较大的长宽比,且具有任意方向性等问题,提出一种基于神经网络的场景文字检测模型。基于直接回归方法设计,无需预先设置锚框,在多次层次构建特征,且在多个分支之间共享卷积核。实验阶段在多个数据集上验证了模型的有效性,相较于现有方法,该模型计算资源消耗更小,推理速度更快,整体性能更好。

摘要：为解决高铁隧道接触网图像质量差导致号牌定位困难的问题,提出一种“粗定位-精提取”定位技术。通过二值化标记和特征筛选完成号牌粗定位;对粗定位结果进行边缘补偿,通过二次定位和分类处理实现号牌精确提取,定位准确率达98.4%。为解决低光号牌字符与背景分离难的问题,提出基于多尺度高斯拉普拉斯算子的零交叉二值化方法。在此基础上通过对现有字符分割算法改进,实现字符的正确分割。使用支持向量机和自建数据集进行模型训练和编号识别,识别准确率达95.4%。

摘要：从手绘草图生成数字化的中保真原型是界面设计的必要步骤,它需要花费设计师大量的时间和精力.针对这一问题,本文提出了基于目标检测和启发式规则的中保真原型自动生成方法,并基于该方法实现了一个自动化工具.首先,本文提出基于置换注意力机制(SA)的目标检测模型SA-FRCNN对手绘草图中的组件进行检测;然后,提出启发式规则对检测结果进行布局优化.实验表明,本文方法能够提升对手绘草图的检测精度,较基线模型提高了2.3%;此外,本文工具可以有效提高原型设计效率.

摘要：点击率(Click-Through Rate,CTR)预测是推荐系统中一项重要的任务,其目标是预测用户点击一个广告或者商品的概率。特征嵌入和特征组合是影响预测性能的关键,因此很多点击率预测模型的思路也是针对这两个方面进行优化。但目前大部分工作仅关注其中一个方面,并且几乎所有的模型在进行特征组合时都没有对特征进行区分,同一个特征与其他特征组合时都使用相同的嵌入和组合方法,阻碍了模型性能的提升。为解决该问题,提出了Auto-SEI(Automatic Super-field-aware Feature Embedding and Interacting)模型。该模型先将每个特征子域分配给一个特征超域,再根据分组得到特征的嵌入,然后为特征对选择合适的组合方法获取组合特征,最后进行预测。Auto-SEI模型中,特征子域的划分和组合方法的选择被参数化为架构搜索问题,利用神经架构搜索(Neural Architecture Search,NAS)算法压缩搜索空间并进行选择。在3个真实的大规模数据集上进行了大量实验,结果表明Auto-SEI模型在点击率预测任务上具有优秀的性能。

摘要：目的为解决管饲或单纯口服的肠内营养供给手段,缺少食物色香味的感官刺激的问题,自主研发一款沉浸式集成视听嗅觉的虚拟现实(virtual reality,VR)假饲装置,并进行设备可用性测试。方法通过护理+机械+计算机多学科合作方式,参考临床患者胃管、氧气管安置等特点,进行3D建模打印气味盒外观框架,采用主流虚拟引擎工具Unity3d.5.x制作场景。该装置通过3种VR用餐场景、23种美食和舒适的用餐环境进行视觉刺激;通过播放咀嚼声音,模拟真实的进食步骤进行听觉刺激;通过自主研发嗅觉气味盒,喷发相应美食气味进行嗅觉刺激。产生设备样机后,纳入10例患者行使用者设备可用性主观评价。结果成功研发一款集成视听嗅觉刺激为一体的VR假饲装置。在视觉评价方面,全部使用者评价视野清晰、实现无阻挡,且菜单节目能够跟随转动,8人认为场景真实;在听觉评价方面,所有使用者认为声音大小适宜,且在食物靠近时有咀嚼音;在嗅觉评价方面,9人在食物靠近时闻到气味,且认为气味真实或部分真实,设备总体使用感受方便,所有使用者均认为该设备呈现清晰、能稳定流畅地运行。所有使用者均未出现头晕等不良反应。结论本装置样机通过临床患者可用性主观测试,能顺利呈现视觉、听觉、嗅觉刺激,有效扩展了VR在医疗领域的应用前景,未来可应用于外科手术、进食障碍、肥胖和食欲不振患者等不能经口进食的群体,为促进外科患者快速康复,提升临床体验提供新思路。

摘要：DPoS(股权授权证明)是当前主流区块链共识机制之一,独特的节点竞选机制使其形成不断演化的区块链社区。对区块链社区演化模式进行分析可以发现共识机制的潜在风险,具有十分重要的研究意义。针对DPoS共识机制区块链数据,提出了一种新颖的共识机制效能组合分析策略,面向区块链社区演化模式,提出了一种多角度探索的可视分析方法。首先,量化了节点排名变化前后工作完成度与投票排名的差异,对共识机制的选择效能和激励效能进行组合分析;然后,针对共识机制组合效能、节点地域分布演化和节点间差异比较等方面设计可视化视图与交互手段;最后,基于EOS主链真实数据设计实现基于DPoS共识机制的区块链社区演化可视分析系统,并通过案例研究和专家评估验证所提方法的可用性及有效性。

摘要：Android广告应用对用户正常使用Android手机构成了威胁,传统的广告应用检测方法时间成本高且受限于动态特征,难以满足大规模、高精度的检测需求。为解决此问题,文章提出一种基于改进随机森林的Android广告应用静态检测方法。首先,基于广告应用的特点,文章在传统的应用程序编程接口、权限、意图的基础上,将第三方库纳入特征选择的范围;对数据集中的广告软件的APK提取静态信息进行统计学分析,筛选后确定基准特征集合,将APK特征向量化;然后基于集成思想,利用多种特征选择算法共同选择用于模型训练的特征并赋予特征权重;最后使用基于特征权重的改进随机森林算法提高分类器的性能。实验选取了5751个广告应用和3465个非广告应用进行分类检测,实验结果表明,该方法能在保证准确率的情况下,具有较快的检测速度。

摘要：为增强景区科学管理、缓解交通压力、减少安全隐患、提升游客体验,提出基于特征分离编码和注意力机制的网络模型(feature separation encoding and attention mechanism network,FSEAMNet)预测景区短期客流量。该模型包含序列到序列(sequence-to-sequence,Seq2Seq)结构,将不同分布规律的特征进行分离并独立编码,融合成最终的编码向量序列。在每个解码时刻,注意力机制将编码向量序列重新组合成一个上下文向量,解码器从上下文向量解码出未来的游客数量。通过真实的景区数据库数据构建训练集、测试集。实验结果表明,与其它模型相较,FSEANet的预测误差最多可下降82.80%,该模型在工程应用案例分析中对未来一周客流量预测的每日相对误差均在10%以下。所提模型能对实际景区未来短期客流量实现较准确的预测。

摘要：主流区块链平台以太坊上频繁发现由不安全编程引起的智能合约安全漏洞。为了提高模糊测试对合约代码的覆盖率,以更全面地检测安全漏洞,提出了一种智能合约模糊测试方法。首先构造智能合约交易序列数据集,再基于深度学习构建智能合约交易生成模型以生成模糊测试初始种子;然后根据覆盖率和分支距离信息,对智能合约进行信息反馈引导的模糊测试,提出了特定的测试用例染色体编码方式,并设计实现了相应的交叉和变异算子。所提方法能有效覆盖智能合约的深层次状态以及严格条件守卫的分支代码。在500个智能合约上进行实验,结果表明,所提方法的代码覆盖率为93.73%,漏洞检测率为93.93%,与ILF,sFuzz, Echidna方法相比,所提方法的代码覆盖率提高了3.80%~25.49%,漏洞检测率提高了4.64%~24.02%。所提方法有助于提升以太坊智能合约安全测试的有效性,具有参考价值。

摘要：从路网列车流的宏观特性出发,通过引入列车流量和调整措施两类运行参数,在对交通路网进行有效分割的基础上,依据所分割各路段内列车的起始站点和终止站点将其划分为不同队列。针对不同的路网空间分布结构形式,基于列车流调控机制,构建了系统输入变量和状态变量之间的约束关系建立了交通流控制模型。基于特定的调控目标,将交通流的调控过程转化为控制系统的优化设计问题,研究结果可为路网交通流优化控制提供重要参考。