简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：行人再识别是视频监控领域的关键问题之一，难点在于不同摄像机中同一行人的图像差异较大．基于行人图像的标识可由图像中的语义属性组合间接表示的假设，现提出使用一种基于深度哈希函数的行人再识别算法．通过卷积神经网络学习得到哈希函数，结合多目标损失函数保证分类的准确和哈希编码的有效，使得相似的图像能够获得相似的哈希编码，最后比较哈希特征间的汉明距离进行再识别．实验结果表明，深度哈希特征能够有效地进行行人再识别，提高了算法的执行效率．

简介：针对在不同的摄像头场景下,光线、摄像头参数的差异较大使得行人重识别困难的问题,提出一种基于距离度量学习的方法进行行人重识别.该方法首先为每一对摄像头学习一个距离度量模型.其次,根据上述因素的影响强度为这些度量模型赋予相应的权值.最后,对度量模型与其相应权值的乘积进行累加与优化,得到最终的距离度量模型.经过在两个公共数据集中进行行人重识别实验,其结果显示所提出的方法能够提高行人重识别的正确率.

简介：针对固体结构内部温度测量的工程需求,比较了目前工业中应用较多的热电偶测温法、光纤光栅测温法、中子共振谱法和超声测温技术,发现超声测温技术具有非接触式测量、测温范围广、响应速度快等特点而更适用于固体结构内部温度的测量.调研了超声测温技术的发展历史与国内外现状,重点对超声温度场重建方法进行了介绍与分析,发现现有的重建方法主要是针对一维温度场的而且都存在参数获取困难的局限性,导致重建方法的适用性较差并且重建精度较低.综述了超声测温技术在火灾损伤、医疗卫生、核力发电、冶炼制造等领域中的应用,讨论了超声测温技术在测温机理、声时测量算法和时间测量分辨率等方面存在的技术问题,总结了超声测温技术在今后发展中的重点研究方向并提出了展望.

简介：海绵是我国南海蕴藏着的一种非常丰富的生物，其中含较多具有生物活性的核苷类化合物；通过有机溶剂提取、柱层析分离纯化从海绵（Clathriafasciculate）中获得一个核苷化合物，利用现代波谱等技术鉴定其为腺嘌呤核糖核苷。

简介：人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

简介：为了探索大功率器件热控系统采用毛细芯微槽蒸发器的结构优化方案,特建立了基于多孔介质模型的微小槽道蒸发器数值计算单元,采用CFD研究了储液腔布置位置、供液口位置对两相流动与传热过程的影响.仿真结果得到储液腔位置对于毛细芯微槽蒸发器的换热性能、均温性和进出口压降影响显著,其中底部布置储液腔的蒸发器更具优势;在底部布置储液腔情况下,不同供液口位置影响作用不明显.以上结论为提高毛细芯微槽蒸发器的流动传热特性提供了参考数据.

简介：串联谐振（LLC）变换器优于常规硬开关脉冲宽度调制（PWM）变换器,具有效率高、应用广泛等特点.文章提出一种LLC谐振变换器的磁集成拓扑结构的设计方法,即采用基波分析法分析所设计的磁集成电路电压增益关系,进行磁集成谐振网络参数设计和优化,并用Mathcad软件仿真.结果表明,采用磁集成技术对谐振电路效率的提高有一定的可行性和有效性,从而进一步减少谐振电路的体积和成本.

简介：近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.