摘要:

摘要:

摘要:

摘要:

摘要:雨纹分布和形状具有多样性，现有去雨算法在去雨的同时会产生图像背景模糊、泛化性能差等问题.因此，本文提出一种基于注意力机制的多尺度特征融合图像去雨方法.特征提取阶段由多个包含两个多尺度注意力残差块的残差组构成，多尺度注意力残差块利用多尺度特征提取模块提取及聚合不同尺度的特征信息，并通过坐标注意力进一步提高网络的特征提取能力.在组内进行局部特征融合，组间利用全局特征融合注意力模块更好地融合不同层次的特征，通过像素注意力使网络重点关注于雨纹区域.在仿真和真实雨像数据集上与其他现有图像去雨算法相比，本文方法的定量指标有着明显提高，去雨后的图像视觉效果较好且具有良好的泛化性.

摘要:生成对抗网络（Generative Adversarial Network，GAN）可以生成和真实图像较接近的生成图像.作为深度学习中较新的一种图像生成模型，GAN在图像风格迁移中发挥着重要作用.针对当前生成对抗网络模型中存在的生成图像质量较低、模型较难训练等问题，提出了新的风格迁移方法，有效改进了BicycleGAN模型实现图像风格迁移.为了解决GAN在训练中容易出现的退化现象，将残差模块引入GAN的生成器，并引入自注意力机制，获得更多的图像特征，提高生成器的生成质量.为了解决GAN在训练过程中的梯度爆炸现象，在判别器每一个卷积层后面加入谱归一化.为了解决训练不够稳定、生成图像质量低的现象，引入感知损失.在Facades和AerialPhoto&Map数据集上的实验结果表明，该方法的生成图像的PSNR值和SSIM值高于同类比较方法.

摘要:针对水下图像颜色失真、关键信息模糊和细节特征丢失的问题，提出一种基于SK注意力残差网络的水下图像增强方法.该方法通过改进生成对抗网络中的生成器结构，引入残差模块，减少编码器和解码器之间的特征丢失，增强了图像细节和颜色.为了使网络能适应不同尺度的特征图提取图像关键信息，该方法在残差模块后添加SK注意力机制，采用参数修正线性单元来提高网络的拟合能力.将本文方法分别在真实和合成的水下图像数据集中进行验证，采用传统方法和深度学习的方法进行主客观评价.在主观效果分析中发现，本文方法增强后的图像颜色、关键信息和细节特征都有很大提升.在客观评价指标中发现，本文方法指标值均高于现有的水下图像增强算法，验证了该算法的有效性.

摘要:针对卷积神经网络在图像修复过程中难以兼顾修复结果的局部细节和全局语义一致性问题，以生成对抗网络为基础，提出一种多尺度语义学习的编解码人脸图像修复模型.首先，将人脸图像用门控卷积分解为具有不同大小的感受野和特征分辨率的分量，用不同尺寸的卷积核提取多尺度特征，通过提取合适的局部特征来提升修复结果的细节；其次，将提取的多尺度特征输入至语义学习模块，从通道和空间两个角度学习特征之间的语义关系，从而增强修复结果的全局一致性；最后，引入跳跃连接将编码端的特征补充到解码端中减少采样造成的细节信息损失，改善修复结果的纹理细节.在CelebA-HQ人脸数据集上进行实验，结果表明提出的模型在峰值信噪比、结构相似性、l₁三个性能指标上均有显著提升，修复的结果在视觉上局部细节和全局语义更合理.

摘要:微表情是人们试图隐藏自己真实情绪时不由自主泄露出来的面部表情，是近年来情感计算领域的热点研究领域.微表情是一种细微的面部运动，难以捕捉其细微变化的特征.本文基于交叉注意力多尺度ViT （CrossViT）在图像分类领域的优异性能以及能够捕捉细微特征信息的能力，将CrossViT作为主干网络，对网络中的交叉注意力机制进行改进，提出了DA模块（Dual Attention）以扩展传统交叉注意力机制，确定注意力结果之间的相关性，从而提升了微表情识别精度.本网络从三个光流特征（即光学应变、水平和垂直光流场）中学习，这些特征是由每个微表情序列的起始帧和峰值帧计算得出，最后通过Softmax进行微表情分类.在微表情融合数据集上，UF1和UAR分别达到了0.727 5和0.727 2，识别精度优于微表情领域的主流算法，验证了本文提出网络的有效性.

摘要:在方面级情感文本中存在部分不含情感词的评论句，对其情感的研究被称为方面级隐式情感分析.现有分析模型在预训练过程中可能会丢失与方面词相关的上下文信息，并且不能准确提取上下文中深层特征.本文首先构造了方面词感知BERT预训练模型，通过将方面词引入到基础BERT的输入嵌入结构中，生成与方面词信息相关的词向量；然后构造了语境感知注意力机制，对由编码层得到的深层隐藏向量，将其中的语义和句法信息引入到注意力权重计算过程，使注意力机制能更加准确地分配权重到与方面词相关的上下文.对比实验结果表明，本文模型的效果优于基线模型.

摘要:虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高，纹理因素复杂且无规律，单一的纹理提取算法并不能准确地描述图像纹理的特点.因此提出基于GLCM （灰度共生矩阵）和Tamura融合特征的纹理材质分类算法.此外，本文对传统灰度共生矩阵GLCM进行优化，提出了改进的GLCM （T-GLCM）算子，提升了GLCM的旋转不变性并减少了大量的冗余信息.利用Tamura纹理特征对图像进行量化，然后将各特征区域量化后级联成一组特征向量，融合T-GLCM的纹理特征，通过支持向量机（SVM）对纹理材质进行分类.实验结果表明，相比传统纹理特征提取算法，本文算法具有更高的分类精度且鲁棒性更好.

摘要:为了提高短期风向的预测精度，提出一种基于集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）、卷积神经网络（Convolutional Neural Network，CNN）和门控循环单元网络（Gated Recurrent Unit，GRU）的混合模型：EEMD-CNN-GRU.针对风向序列的随机性和不平稳性等特点，先利用EEMD将数据分解成多个分量；再运用CNN的局部连接和权值共享来提取分量中的潜在特征；最后，使用GRU对CNN所提取的潜在特征进一步构建特征，叠加各分量的预测值，得到最终预测结果.实验结果表明：相对于BP神经网络和长短期记忆网络（Long Short-Term Memory，LSTM）等其他模型，本文所提出的预测方法取得了良好的性能.

摘要:精确地预测极端天气下的风速能为配电网防灾抗灾提供重要的指导作用.本文提出基于时间卷积网络（Temporal Convolutional Network，TCN）与双向长短期记忆网络（Bi-directional Long Short-Term Memory，BiLSTM）和误差修正的组合模型对极端天气下的风速进行预测.首先对天气数据进行预处理，用TCN提取多特征数据的时间序列特性，将提取信息输入到BiLSTM中进行风速预测.为进一步提高预测精度，引入变分模态分解（Variational Mode Decomposition，VMD）对误差序列进行分解，分别对分解后的误差子序列构建BiLSTM模型进行误差预测，用误差预测值对风速预测值进行误差修正.结合河南省某地实测天气数据进行实验，仿真结果验证了所提方法能有效预测风速，并在极端天气发生时，对风速具有较高的预测精度.

摘要:为适应开放场景下说话人识别短时语音的应用需要，本文对说话人识别模型进行优化，提升了模型的准确率和鲁棒性.为了实现对重要频率特征的筛选，提出基于重加权的特征增强层及网络，起到增强特征表达的作用.将人脸识别领域的误分类样本损失函数首次引入到说话人识别领域，提高对困难样本的挖掘能力.提出基于误分类样本挖掘的分类损失与基于小样本学习框架的余弦角度原型损失的组合损失函数，解决了分类损失函数与说话人识别实际评测需求不匹配和度量函数对采样策略依赖性强的问题.实验结果显示，与基准模型相比，性能指标等误率（EER）降低12.45％，最小检测代价函数（minDCF）降低14.09％，取得现有说话人识别领域的优异效果.

摘要:为提高低压配电台区中分布式光伏（DPV）的接入容量，促进光伏消纳，本文提出一种计及源荷时序特性的低压台区DPV接入分布鲁棒优化方法.首先，针对低压台区中分布式光伏出力和负荷需求的不确定性，提出一种基于优化聚类的源-荷联合时序场景生成方法；其次，计及电压约束、线路容量约束、逆变器无功补偿约束及光伏消纳约束等，构建低压台区分布式光伏接入分布鲁棒优化模型，在保证各典型场景最恶劣概率分布下的弃光率期望值符合要求的情况下，最大化低压台区中分布式光伏接入容量；然后，建立低压台区分布式储能接入的数学模型，以研究储能接入及其充放电机制对低压台区分布式光伏接入的影响；最后，以实际配电台区为例进行仿真计算，验证了本文模型的有效性.

摘要:针对智能制造工程专业多学科交叉融合特点，开展了基于3D视觉的工业机器人分拣实验系统研究与设计.采用Kinect相机、工业机器人、PC机、末端执行器搭建了系统硬件实验平台；采用支持向量机算法识别目标物体，提出了将中值滤波预处理和最近邻插值修复相融合的空洞毛刺修复方法；针对待识别物体是否重叠相互遮挡设计了基于霍夫变换计算物体中心点位置及基于点云配准的位姿估计定位策略；在上位机交互界面引导下完成机器人分拣系列实验.实验结果表明：该系统能够准确识别快速稳定分拣出特定形状和颜色的目标物体，实验内容涉及机器人、机器学习、图像处理、软硬件设计等多门课程知识与技术，综合性强、开放性好，为智能制造工程专业实验室建设提供了一种综合性创新型实践平台.

摘要:针对超级电容传统静态参数等效电路模型不能有效反映其动态工作特性问题，提出一种包含动态充放电内阻和电容参数的二阶梯形等效电路模型，利用递推最小二乘法对二阶梯形等效电路模型参数进行初步离线辨识.进一步，考虑超级电容参数的动态变化，将离线辨识模型参数作为初值，引入带遗忘因子的递推最小二乘法对动态参数进行实时辨识.搭建超级电容仿真模型和实验测试平台，通过仿真和实验结果对比验证动态参数二阶梯形等效电路模型和实时辨识方法的有效性和准确性.结果表明：动态参数二阶梯形等效电路模型可以有效反映超级电容的动态充放电工作特性，与传统静态参数的三分支等效电路模型和二阶梯形等效电路模型相比，模型的精度分别提高2.08和3.56个百分点.

摘要:严峻的雾霾污染已经成为当下长三角地区生态一体化发展的重大阻碍之一.以长三角27个地级市作为研究对象，构建以劳动力、资金和技术创新为投入指标，空气质量达到及好于二级的天数、PM_2.5质量浓度和AQI作为产出指标的雾霾治理效率评价体系，借助三阶段DEA方法测算2014—2019年长三角27市的雾霾治理效率.结果表明：1）三阶段DEA模型可有效剔除环境因素和随机误差的影响，能真实反映长三角雾霾治理效率水平；2）规模收益的变动受环境和随机因素的影响显著，大多数城市处于规模收益递增阶段；3）2014—2019年长三角城市雾霾治理效率整体水平较高且呈现W型变化趋势，城际差异明显；4）人均GDP和第二产业占比对雾霾治理效率有正向效应，而人口规模与城镇化率则对雾霾治理效率有负向影响.