摘要：为解决视频描述任务中2D的CLIP预训练模型缺乏时序关系与动作检测敏感性以及信息冗余问题,提出一种基于CLIP的结合注意力掩码与运动表示增强的多模态融合视频描述模型。采用可学习令牌整理冻结的CLIP特征、运动特征与音频特征中的关键信息,优化多模态融合;引入关键词检测任务,提高关键信息提取能力;采用基于相关度的多头注意力掩码机制解决冗余问题;利用CLIP特征的向量差变换增强运动表示。实验结果表明,该模型性能优于现有视频描述生成方法,CIDEr指标在MSR-VTT数据集上提升了2.33%,在VATEX数据集上提升了3.12%。

摘要：针对单一特征模板保护算法效果较差以及存储前对模板保护不足等问题,提出一种多特征融合的人脸模板保护方法。该方法利用两种特征提取算法提取人脸不同的特征,实现多特征的融合保护,并在特征变换阶段将两种特征分别作为两个掩模,使用双随机相位掩模技术对原始图像进行加密。在存储前利用密钥生成思想从图像中直接获取密钥,并结合伴随矩阵性质,设计了一种改进分块幻方变换的置乱算法。为验证算法性能,采用ORL和EYaleB两个人脸数据库分别进行测试。结果表明,置乱算法的置乱度在ORL数据库可以达0.0194,在EYaleB数据库上可达0.0187,所提模板保护方法的识别率可分别达97.12%和96.90%。模板保护的三大特性不可逆性、可撤销性和不可链接性均表现良好。

摘要：为了给无线传感器网络节点提供稳定、高效且长期的能量供给,该文提出了一种基于增强型同步电荷提取电路的压电能量收集接口电路(ESECE)。利用Multisim电路仿真软件对增强型同步电荷提取电路进行仿真,并与标准压电能量收集接口电路(SHE)和同步电荷提取电路(SECE)进行对比分析。实验结果表明,在相同激励条件下,ESECE比SECE的输出功率提高了近30%,最大输出功率达到190μW,同时还保证了输出功率与负载电阻的无关性。

摘要：针对现有单光谱图像的行人检测算法在全天候环境下工作效率差的问题,提出一种基于渐进式多光谱图像的行人检测算法。设计一种差分位置注意增强模块,嵌入到不同层次的双流CSP-Darknet53特征主干提取网络中,渐进式增强不同光谱之间的全局互补信息;采用跨模态互补信息融合策略对现有融合方法进行改进,利用全局特征引导多尺度特征融合,进行更鲁棒性的行人检测。实验结果表明,该算法在LLVIP数据集上mAP50值为97.2%,在FLIR数据集上获得84.6%的mAP50值,具有良好的检测性能。

摘要：基于深度记忆网络在方面级情感分析中的优势及针对相关工作中忽略上下文词与方面之间位置信息的不足,提出一种基于上下文方面记忆网络的方面级情感分析方法。不同记忆网络层关注上下文记忆不同部分,获取丰富方面感知上下文信息。为充分利用方面间信息,设计方面记忆网络更新模块,为所需方面生成邻近方面的语义和关系信息,在多计算层中的多头注意力机制输入采用两种策略计算上下文和方面词的相关性。在3个基准数据集上的实验结果表明,所提模型在性能评价指标的准确率和Macro-F1-score上与相关工作比较有一定提升。

摘要：针对现有的无线传感器网络隐私保护数据融合算法普遍存在通信量大、计算量大的问题,在原有算法CPDA的基础上,提出一种轻量级数据融合隐私保护算法(L-CPDA)。引入基于数据扰动的动态分片的思想,对节点进行数据扰动,将经过扰动后的数据根据簇的规模调整节点的分片数量,针对网络中存在的孤立节点的问题,提出将孤立节点归入到一个集合中,并对集合中的节点进行数据扰动的思想。理论分析和实验结果表明,与CPDA算法相比,L-CPDA在保护隐私的前提下,在计算量与通信量方面都有较大提升。

摘要：为在短文本语义情感分析过程中对词嵌入对情感语义充分表达,挖掘深层次语义信息,提出一种融合TCN和改进BiLSTM的文本情感分析算法。通过混合词嵌入对短文本向量化;将训练后的词向量先输入时序卷积网络,后输入到改进的双向长短时记忆网络中提取情感特征;强制向前注意力机制对提取到的特征进行加权;通过softmax函数进行情感分类输出。通过在新冠疫情评论数据集建模,模型的各项指标均达到92%以上,相较于其它模型性能更优。

摘要：针对虹膜卷缩轮检测易受干扰而导致边界定位波动的问题,提出一种基于双流网络结构的虹膜卷缩轮检测方法。在归一化图像中,利用双流网络结构分别提取结构特征和纹理特征。融合模块融合来自不同流的特征,得到初定位区域。对该区域进行滤波操作,去除噪声干扰。利用边缘梯度算子检测、提取卷缩轮。实验结果表明,该方法正确检出率为91.2%,边缘定位AP值为0.706,平均检测速度为2.3秒/幅,相比其它算法,存在复杂干扰的情况下,保证检出率和检测速度的基础上,降低了边界波动。

摘要：为解决出租车行业中的高空驶率和不均衡的需求分布问题,通过对出租车出行的区域进行深入研究,提出了一个融合时序关联动态图与常微分方程的需求预测模型TCG-ODE(temporal correlation graphs-ordinary differential equations)。首先,模型使用ODE(ordinary differential equation)对图卷积神经网络(graph convolutional network,GCN)进行微分方程建模,将堆叠局部特征信息抽象为动态图,以节点的时序特性来推进局部节点状态;然后,设计了一种基于注意力分数调整采样策略的蒸馏方案,提高对多层稀疏图的适应效果,以更稳定地表征复杂时空特征,最终实现对区域间出租车需求量的预测。在真实的出租车订单数据集上进行实验,研究结果表明,TCG-ODE模型的预测效果均优于对照模型和改进前的模型。通过精准预测不同区域之间的出租车需求量,可以为出租车司机和乘客出行提供决策支持信息,从而优化供需关系。

摘要：为了解决水下传感器的持续供能问题,设计了一种基于流致振动的嵌套圆管压电俘能结构。通过流-固-电耦合模型的建立及数值模拟,研究了压电材料工作模式、形状、支撑体结构、流速以及阻流体与俘能结构中心间距对振动和压电性能的影响。结果表明,该结构在横流和顺流方向均可产生振动,其中剪切模式(d15)下,压电材料的开路电压最高。两个俘能结构在顺流方向串列时压电性能最佳。当流速为1.1 m/s,中心距为俘能结构圆管直径的3倍时,上下游俘能结构最大电压分别为48.22和52.47 V,分别是单俘能结构输出电压的4.05和4.41倍。水循环实验验证了该压电俘能结构将振动能转化为电能的有效性。