摘要：针对雾天图像降质带来的车牌识别难题,提出一种采用图像自适应增强的轻量级车牌检测和识别算法。以目标检测网络YOLOv5s和车牌识别网络LPRNet为基础,设计一个改进的图像自适应增强模块级联于YOLOv5s之前,并引入混合注意力(SA)机制改进LPRNet。图像自适应增强模块由带参数的图像去雾和纹理增强模块以及自适应参数预测模块组成。自适应参数预测模块是轻量级卷积神经网络,与YOLOv5s联合训练,为不同程度的带雾图像自动提供合适的去雾和纹理增强参数以获得更准确的车牌检测结果。利用车牌位置的真实标签和实际检测结果,采用混合注意力机制和迁移学习策略得到最终的SA-LPRNet模型,缓解识别模型对检测结果的敏感性以获得更高的车牌识别准确率。在合成的雾天车牌数据集上的实验结果表明:本文算法对雾天车牌检测的mAP@0.5-0.95指标达到70.6%,车牌识别准确率达到93.5%,优于对比算法,且识别速度满足实时性要求。

摘要：研究情景叙事插画在文化礼品包装设计中的设计方法。总结情景叙事插画在文化礼品包装设计中的应用价值,继而提出了视像层-语境层-意像层的文化礼品包装中情景叙事插画设计层次。基于上述设计层次,总结出情景叙事插画设计方法模型,并以敦煌九色鹿系列文化礼品包装设计为例,通过具体的设计实践验证此方法的可行性与有效性。利用情景叙事插画可以赋予文化礼品包装更加独特的视觉传达形式,能更有效表达其文化内涵,也能进一步满足用户的个性化需求。

摘要：英语学术论文写作教学强调对学生学科文化特异性的积极回应。本研究通过设计个案研究,对一位研究生英语学术论文写作教学中教师融入信息技术、实施学科文化回应教学的推理过程和路径进行分析。通过教师的教学反思日记和学生的课程学习效果评价问卷收集数据。结果表明:受学科文化回应教学目标驱动,个案教师的教学推理呈现以学生为焦点、受研究启发等特征,使教师自身的知识结构得到优化。

摘要：将韧性和可持续的概念运用于社区农园,从社区基础设施设计上实现韧性建设,以此提升社区空间应变力。进行实地调研,对社区农园产品和用户需求进行分析,为社区农园的设计实践提供依据。设计出提升社区农园韧性,满足居民需求的种植产品。在后疫情环境下,构建韧性与可持续社区农园是对该类突发性灾变给社区空间带来的影响进行及时缓解和调整的方法之一,以此保障社区系统的平衡状态。

摘要：为解决传统的异常检测模型对工业时序数据异常点检测方面误判率大和抗干扰性差的问题,提出一种改进的变分自编码器模型。考虑到工业时序数据的不规律性,使用变分自编码器模型作为基础架构;由于变分自编码器本身存在难以准确检测出异常时序数据的问题,在编码和解码过程中分别引入时间卷积网络和通道注意力机制,实现扩大感受野和增强特征权重;对数据时序数据使用随机森林进行特征排序,提高检测的准确性。通过进行对比测试实验,验证了该模型可以有效提高对异常工业时序数据点检测的准确性和可靠性。

摘要：针对传统方法提取到的轴承各类故障特征混杂,部分类别故障不易区分的问题,设计一种双流卷积神经网络(Convolutional Neural Network,CNN)的故障诊断模型。首先将振动信号转换到频域,为减少低频微弱信号的干扰,过滤频域信号,设定滤波器通带和阻带衰减值以保证信号不失真,进而确定频率带宽,在该带宽值下求得信号振幅占比最大值的范围,同时以正常信号振幅平均值作为高频信号的阈值确定频率最高值。用上述参数分别作为滤波器的参数,过滤信号得到频谱信号和构建时频图像。将提取频谱信号和时频图作为模型两个通道的输入,在卷积层和池化层后加入特征融合层,通过加权融合的方式将两个通道的特征融合,使得各类故障特征区分度显著提高。实地搭建故障平台采集数据验证,实验结果表明,该方法能提取到每类故障独有的特征,轴承故障识别准确率达到98.95%。

摘要：为解决现有车牌识别算法在面对旋转倾斜车牌以及双行车牌图像时识别精度偏低的问题,提出一种基于深度残差网络和注意力机制的特殊车牌识别算法。优化深度残差网络结构,使模型更好提取低分辨率车牌图像的特征;取消对特征图平均池化操作,在保留图像全局特征的前提下,将多维特征化为特征序列;引入注意力机制对特征序列并行解码,加快模型推理速度,提升特殊车牌的识别精度。实验结果表明,与现有的文字识别模型CRNN、DAN、ASTER对比,在公开车牌数据集CCPD上取得了更高的准确率,验证了模型的有效性。

摘要：为解决现有工业博物馆研学体验感较差、同质化严重等问题,探求KJ法与模糊KANO模型在工业博物馆研学中的应用路径,并由此提出针对武钢博物馆的研学策略与实践路径,为工业博物馆研学模式迭代升级提供借鉴意义。基于文献综述分析近年的博物馆研学趋势,通过KJ法对用户的工业博物馆研学需求定性发散与收敛,并介入模糊KANO模型计算各项需求权重,对需求进行量化、排序与筛选,为工业博物馆研学策略设计提供数据与理论支撑,最终通过李克特量表对方案进行评价。通过设计实践,以武钢博物馆为实践场景,基于模糊KANO模型数据结论对场景进行研学体验设计,以验证用户需求对研学策略开发的重要价值,为工业博物馆场景下的研学策略创新提供思路与支撑。

摘要：根据后疫情时代发展需求及厨具产品迭代的分析,研究母婴厨具在使用过程中用户的体验,改进现有厨具的设计流程。基于用户体验研究,将社会需求融入母婴类厨具产品设计,从模块划分的背景分析、市场调研、设计实践、产品优化、产品落地5方面入手,分析产品的设计要素、使用场景、功能体验、包装运输等,以此选取适当的造型因子及功能结构。提出后疫情时代母婴厨具产品设计原则,归纳系统的母婴类厨具创新要点。通过这一系列探索研究,发现母婴类厨具发展的可能性,为其创新设计提供了新思路。

摘要：基于卷积神经网络的超分辨率重建模型以单项传播为主,层次越靠后感知信息的能力越微弱,导致层次间局部特征部分丢失,难以实质提升网络的特征表达能力。针对此问题,提出层次间局部特征增强网络。该方法由级联残差模块、层次间特征增强块和特征感知注意力机制组成。级联残差模块通过有效残差连接增加对残差分支信息的利用;层次间特征增强块提取不同深度特征的依赖关系,自适应调整中间层特征权值增强捕获关键信息的能力;特征感知注意力机制采用方向感知和位置判断的方式准确定位和识别感兴趣对象。多项标准数据集的实验结果表明,该方法能改善超分辨率的视觉重建效果,整体性能优于现有方法。