摘要：针对光学遥感图像中微小目标空间分辨率低、有效特征不足等问题,在YOLOv5检测算法基础上,提出一种基于多尺度分层残差网络的光学遥感图像微小目标检测方法。设计了一种简单高效的多尺度分层残差特征提取模块,可在更细粒度水平上获得更丰富的感受野,强化神经网络的特征提取能力,进一步提升微小目标特征丰富度。在此基础上,进一步优化损失函数中的定位损失项,通过增加距离惩罚提升检测算法对微小目标的定位能力。在光学遥感微小目标检测数据集AI-TODv2和微小行人检测数据集TinyPerson上开展了系统对比实验,实验结果表明所提出算法相较于基准YOLOv5算法平均精度分别提升了5.5%和1.8%,有效提高了微小目标检测的召回率和准确率。

摘要：提出一种跨模态光学信息交互和模板动态更新的可见光和热红外(RGBT)跟踪方法,选取能够在跟踪速度和精度上取得平衡的Siamese跟踪器作为基本框架,并设计特征交互模块以重构不同模态的信息比例和增强模态间信息交流。在此基础上,基于无锚框的思想构建预测网络,以提升跟踪器的灵活性和通用性,同时提出一种模板动态更新的策略,通过动态更新跟踪模板增强模型对变化目标的适应能力。在GTOT等3个基准数据集上的对比实验表明,所提方法可显著提升跟踪器在复杂环境下的目标跟踪性能。

摘要：为在微米级尺度量化表述离面位移激励值-聚焦面内微视觉运动追踪精度劣化值的映射特性,使用光学显微镜、工业相机和空间纳米定位平台进行实验研究。首先,分析离面位移的形成机理,使用方差函数评价图像清晰度,搜索最佳对焦平面并设定为聚焦平面,作为计算离面位移的基准。其次,设计空间多自由度纳米台,将其末端执行器作为微视觉追踪目标,生成聚焦平面内的运动轨迹,同时同步生成可控可测的离面位移。然后,选取灰度值模板匹配法与感兴趣区域划分法作为当前微视觉运动追踪算法,测量聚焦面内的运动轨迹。最后,加工纳米台样机,搭建微视觉运动追踪系统,使用电容传感器作为评价手段,计算不同离面位移引起的微视觉运动追踪精度劣化数值。实验结果表明,微视觉运动追踪精度随着离面位移的增大而不断劣化,具有显著且可量化的相关性。针对给定的76.1 μm×63.7 μm视场、15 Hz采样率与灰度值模板匹配法,(7.7±2.5)μm或更大的离面位移导致微视觉测量系统完全失效。

摘要：太赫兹调制器作为太赫兹技术应用的重要器件之一,在太赫兹通信、成像和传感等领域具有广泛应用前景.但是目前太赫兹调制器调制深度、工作带宽、稳定性等有待提升,这制约了太赫兹技术的进一步推广与发展.基于此,设计并制备了一种新型光控砷化镓/侧边抛磨太赫兹光纤(SPTF)调制器,将砷化镓转移到太赫兹光纤抛磨区,增强太赫兹波倏逝场与砷化镓相互作用.在外置808 nm激光器照射下实现对太赫兹波幅度调制,调制深度达到97.4%.实验结果表明,这种新型的光纤调制器具有较好的光控调制效果.同时,该器件体积小、集成度高,具有广泛应用的潜力.

摘要：本文以人工智能技术在工业设备预测性维护中的应用为讨论方向,介绍了预测性维护在工业中的重要地位以及人工智能技术在工业设备的预测性维护中的发展及机器学习在此领域中的应用。随后论述了机器学习技术在工业设备的预测性维护中的具体实施流程,对每个步骤分别展开论述,同时指出在该环节需注意问题。最后进行总结与展望,对相关工作人员在工业设备的预测性维护中应用人工智能技术有所帮助。

摘要：命名实体识别(Named Entity Recognition, NER)的定义是从自由文本中识别出属于预定义类别的文本片段(如人名、地理位置名、机构组织名等)。命名实体识别一直是许多自然语言应用的基础,例如问题回答、提取文本摘要和知识库建立。早期的NER系统在实现良好性能方面取得了巨大的成功,其代价是人类工程在设计特定领域的特征和规则方面付出的代价。近年来,非线性处理的连续实值向量表示和语义组合使得深度学习在命名实体识别系统中发挥了很好的作用。在本文中,我们提供了一种基于深度学习的命名实体识别算法。首先我们随机初始化训练集中的每个字特征,并在获取该字典句子中每个字的特征之后,利用周期卷积来得到其固定长度的特征,以此作为句子特征;随后训练数据自动编码器,通过栈式自动编码器得到高层句子的特征;最后通过高层句特征与字特征的组合训练字的标注网络模型来得到未知字的标注值,再进行实体扩展(分类,属性,副标题),最后利用马尔科夫逻辑网络优化整体识别效果。