养殖计数是水产养殖过程中的重要环节,计数结果为水产动物的饲料投喂、养殖密度调整和经济效益估算等方面提供重要依据。针对传统人工计数方法耗时费力且易造成较大误差的问题,大量基于机器视觉的方法与应用被提出,极大地推动了水产品无损计数的发展。为深入了解基于机器视觉的水产养殖计数研究,整理和分析了至今三十多年来国内外的相关文献。首先,从数据采集方面对水产养殖计数展开综述性介绍,并对机器视觉所需数据的获取方法进行概括;其次,从传统机器视觉和深度学习两方面对水产养殖计数方法进行分析与总结;然后,对各种计数方法在不同养殖环境的实际应用进行对比分析;最后,从数据、方法和应用三方面总结了水产养殖计数研究的发展难点,并提出了计数方法研究和装备应用的未来发展方向。
远程监督是关系抽取任务中常用的数据自动标注方法,然而该方法会引入大量的噪声数据,从而影响模型的表现效果。为了解决噪声数据的问题,提出一种基于负训练和迁移学习的关系抽取方法。首先通过负训练的方法训练一个噪声数据识别模型;然后根据样本的预测概率值对噪声数据进行过滤和重新标注;最后利用迁移学习的方法解决远程监督存在的域偏移问题,从而进一步提升模型预测的精确率和召回率。以唐卡文化为基础,构建了具有民族特色的关系抽取数据集。实验结果表明,所提方法的F1值达到91.67%,相较于SENT(Sentence level distant relation Extraction via Negative Training)方法,提升了3.95个百分点,并且远高于基于BERT(Bidirectional Encoder Representations from Transformers)、BiLSTM+ATT(Bi-directional Long Short-Term Memory And Attention)、PCNN(Piecewise Convolutional Neural Network)的关系抽取方法。
针对传统卷积神经网络(CNN)在训练过程中优化难度高的问题,提出基于矩阵分解的CNN改进方法。首先,通过矩阵分解将模型卷积层在训练期间的卷积核参数张量转换为多个参数矩阵的乘积,形成过参数化;其次,将这些额外的线性参数加入网络的反向传播,并与模型的其他参数同步更新,以改善梯度下降的优化过程;完成训练后,将矩阵乘积重新还原为标准卷积核参数,从而使推理期间前向传播的计算复杂度与改进前保持一致。选用简化QR分解和简化奇异值分解(SVD),在CIFAR-10数据集上进行分类效果实验,并用不同的图像分类数据集和初始化方式作进一步的泛化实验。实验结果表明,基于矩阵分解的VGG和残差网络(ResNet)对7个不同深度模型的分类准确率均高于原网络模型,可见矩阵分解方法可以让CNN更快地达到较高的分类准确率,最终收敛得到更好的局部最优。
织物缺陷在线检测是纺织行业面临的重大难题,针对当前织物缺陷检测中存在的误检率高、漏检率高、实时性不强等问题,提出了一种基于深度学习的织物缺陷在线检测算法。首先基于GoogLeNet网络架构,并参考其他分类模型的经典算法,搭建出适用于实际生产环境的织物缺陷分类模型;其次利用质检人员标注的不同种类织物图片组建织物缺陷数据库,并用该数据库对织物缺陷分类模型进行训练;最后对高清相机在织物验布机上采集的图片进行分割,并将分割后的小图以批量的方式传入训练好的分类模型,实现对每张小图的分类,以此来检测缺陷并确定其位置。对该模型在织物缺陷数据库上进行了验证。实验结果表明:织物缺陷分类模型平均每张小图的测试时间为0.37 ms,平均测试时间比GoogLeNet减少了67%,比ResNet-50减少了93%;同时模型在测试集上的正确率达到99.99%。说明其准确率与实时性均满足实际工业需求。
随着遥感技术的发展,遥感数据的类型和量级发生了巨大变化,对于传统的存储方法产生了挑战。针对HBase中海量地形数据管理效率不高的问题,提出一种四叉树-Hilbert相结合的索引设计方法。首先,对传统地形数据管理方式和基于HBase的数据存储国内外研究现状进行了综述;然后,在基于四叉树对全球数据进行组织的基础上,提出了四叉树和Hilbert编码相结合的设计思想;其次,设计了根据经纬度求地形数据的行列号和根据行列号计算Hilbert编码的算法;最后,对设计的索引的物理存储结构进行了设计。实验结果表明,利用设计的索引进行海量地形数据入库,数据入库速度与单机情况相比,提高了63.79%~78.45%;在地形数据的范围查询中,设计的索引与传统的行序索引相比,查询时间降低了16.13%~39.68%。查询速度最低为14.71 MB/s,可以满足地形数据显示的要求。
针对传统网络流量预测精度低难题,为了获得理想的网络流量预测结果,提出一种基于高斯过程回归(GPR)的网络流量预测模型。该模型首先计算延迟时间和嵌入维数,构建高斯过程回归的学习样本;然后采用高斯过程回归对网络流训练集进行学习,并采用入侵杂草优化对高斯过程回归的参数进行优化;最后采用经典的网络流量测试集对该模型性能进行实验测试。实验结果表明,高斯过程回归模型提高了网络流量的预测精度。
描述了一种基于显微镜图像下的二维融合图的三维重建技术,该技术可以还原出二维融合图像的三维特征。在分析原理的基础上,使用Direct3D在VC环境下实现了三维重建技术。
移动通信节点要做到永远在线(alwaysonline),需要大量的IP地址。IPv4向IPv6的过渡需要一定的时间,作为连接两代IP协议桥梁,地址的转换机制需要适应过渡时期网络的任何情况;而现今的转换机制都没能做到这一点。文中基于无线通信的原理,提出了一种IP过渡时期通用的地址转换机制,并应用于无线网络。