人工智能相關文章 基于深度學習的視頻火焰識別方法 針對傳統視頻火災檢測方法依靠人工經驗提取火焰特征，誤報率高、魯棒性差的特點，提出一種基于深度學習的視頻火焰識別方法。該方法充分利用火焰的運動特征和顏色信息，先使用改進的五幀差法和自適應混合高斯建模法進行運動目標提?。辉俨捎肦GB-HSV混合顏色空間模型篩選出圖像中可能的火焰像素區域；最后將以上兩個步驟結合起來進行疑似火焰區域提取，并將疑似火焰區域圖像傳入預訓練的AlexNet卷積神經網絡模型進行火與非火的精確識別。通過對多種場景下火焰視頻的測試結果表明，提出的方法具有較高的召回率、準確率和較低的誤報率。 發表于：12/17/2020 基于深度回歸的指針儀表讀數識別方法 現有儀表讀數識別方法通過檢測指針和刻度獲取讀數，對輸入的儀表圖像質量要求較高，為此提出一種新的基于深度回歸的指針儀表讀數識別方法。該方法首先由儀表圖像獲取圖像特征，然后通過方向回歸模塊預測指針方向，最后根據指針角度計算儀表讀數。相比于其他方法，該方法采用端到端的回歸方式進行直接學習，具有更強的識別能力。在較大規模變電站儀表圖像數據集上，該方法取得了97.2%的讀數精度，相比于基于Mask R-CNN的儀表讀數識別方法提高了7.4%。定性分析和定量分析結果表明，相比于現有的儀表讀數識別方法，該方法對表盤圖像干擾具有更強的魯棒性。 發表于：12/17/2020 基于立體視覺的無人機動態目標實時跟蹤 針對小型四旋翼飛行器的動態目標跟蹤問題，提出了連續自適應橢圓檢測(Continuously Adaptive Ellipse Detector，CAED)算法的飛行器目標定位以及一種基于立體視覺的跟蹤控制算法。首先，雙目相機拍攝的圖像通過CAED算法得到目標的像素中心點，利用三角測量原理，實現了對目標位置的有效估計。其次，針對運動目標跟蹤任務，設計并實現了兩個級聯串級PID的四旋翼位置姿態控制律。最后，在四旋翼上將圖像處理算法與四旋翼控制相結合，進行了測試實驗，驗證了本文所提出的檢測和控制方法。 發表于：12/17/2020 基于Anchor-free架構的行人檢測方法 使用無預選框(Anchor-free)的檢測框架，設計了一種行人檢測算法。將深度殘差網絡(ResNet)作為特征提取網絡，與特征金字塔網絡(FPN)結構相結合，使用了多尺度預測的方式進行預測。把目標中心點和尺寸作為一種高級的語義特征，將含有更多細節信息的淺層特征圖和含有更多語義信息的深層特征圖進行融合。在Citypersons數據集上進行了實驗驗證，相較現有行人檢測算法，提出的算法在輕微遮擋、一般遮擋和嚴重遮擋情況下漏檢率分別提升了1.11%~3.01%，0.15%~6.55%和0.59%~6.39%，檢測效果更好。 發表于：12/17/2020 基于改進LeNet-5的形狀類似物體識別方法 針對深度學習在對外形類似物體的識別上存在著識別精度低、耗時長等問題，提出基于改進的LeNet-5的識別方法。在傳統LeNet-5網絡基礎上，將卷積層變為雙層非對稱卷積使網絡有更好的特征提取能力；通過批量歸一化提高網絡泛化能力；采用全局平均池化替代原Flatten層，用于克服傳統全連接層參數多、耗時長的缺點；通過對訓練集進行增廣增加訓練樣本。實驗結果表明，改進LeNet-5網絡的訓練精度達到91%，識別形狀類似物體的精度為87%，且能在較少迭代次數內收斂，這些指標均顯著優于原網絡。 發表于：12/16/2020 飛機舵機電液伺服系統智能PID控制方法研究 針對飛機舵機電液伺服系統中PID控制器參數難以整定的問題，引入一種智能PID控制方法。該方法結合了粒子群算法和PID控制器的優點，并利用蜂群算法的選擇策略對粒子群算法進行優化，適應了飛機舵機電液伺服系統非線性動態控制環境的要求。實驗結果表明，飛機舵機電液伺服系統智能PID控制方法能夠達到系統控制性能指標要求，相較于傳統PID控制器具有更良好的跟蹤效果。 發表于：12/16/2020 基于卷積神經網絡的織物瑕疵檢測方法研究 織物瑕疵檢測是控制織物產品質量的重要步驟，傳統的織物瑕疵檢測方法檢測效率低，勞動強度大。因此，針對傳統檢測方法存在的問題，提出一種基于卷積神經網絡(CNN)的分類算法用于實現織物瑕疵檢測。網絡是在VGG16的基礎上進行減枝，通過優化網絡參數實現最優結果。首先，由于織物瑕疵大小差別較大，提出將瑕疵邊緣作為檢測的目標，這樣就可以將大尺度圖片分割為64×64的小尺度圖片用于網絡訓練，既提高了網絡的分類準確率，又解決了織物瑕疵圖像搜集困難的問題。其次，在測試過程中，提出對大尺度圖片進行有重疊的分割，然后對分割后的圖片進行分類，根據每張圖片的輸出標簽和位置來實現大尺度圖片的瑕疵檢測。實驗結果表明，本文所提出的網絡結構相比于傳統的VGG16和LeNet網絡結構, 具有檢測速度快、檢測精度高等優勢。 發表于：12/16/2020 人工智能基礎軟硬件架構的關鍵技術研究 針對當前人工智能技術在軍用領域的應用問題和難點，研究基于深度學習技術的軍用軟硬件架構設計方法，并且結合業內主流的軟硬件基礎架構，分析在軍事應用中涉及的關鍵技術和解決思路。通過對深度學習模型壓縮轉化、數據增強和分布式訓練等軟硬件架構的關鍵技術研究，設計構建了一站式人工智能開發平臺、嵌入式邊緣智能計算平臺，對軍用人工智能提供端到端的訓練、部署和測試支撐。該研究可為未來智能無人作戰系統提供軟硬協同的智能計算解決方案。 發表于：12/16/2020 基于改進P-Unet模型的巖屑顆粒識別 提出了一種基于改進P-Unet模型的巖屑顆粒識別方法。該方法基于Unet模型結構，運用金字塔池化模塊聚合不同區域的上下文特征信息，以充分利用全局信息。改進P-Unet模型采用了殘差網絡ResNeXt101，在提高巖屑顆粒識別準確率前提下，減少了超參數數量。該模型采用了焦點損失函數，在一定程度上解決巖屑顆粒類別不平衡的問題，同時運用深度可分離卷積代替傳統卷積，較大程度減少了網絡的參數以及預測的時間。實驗結果表明，改進P-Unet模型得到的識別準確率對比同類先進算法有一定的提升，對巖屑顆粒識別的結果更加準確。 發表于：12/16/2020 基于GANs無監督回歸三維參數化人臉模型 針對神經網絡回歸訓練過程中三維人臉數據稀缺的問題，提出了基于生成對抗網絡(GANs)回歸三維參數化人臉模型(3DMM)的無監督學習方式。首先利用GANs的對抗生成訓練使生成器回歸的3DMM參數符合真實感人臉形狀的參數分布。隨后將生成的三維人臉網格渲染成二維圖片，利用身份編碼器對輸入人臉及渲染人臉分別提取身份特征向量，通過不斷縮小向量之間的距離使得生成的三維人臉網格靠近輸入人臉的身份特征。實驗結果表明，該方法在重建結果頂點位置準確性上相對于現有的方法有明顯的提升，且擁有較好的RMSE值，能夠較好應用于三維人臉重建任務。 發表于：12/16/2020 智能化武器裝備標準體系框架研究 近年來，隨著邊緣計算、深度學習等人工智能技術的迅速發展，基于人工智能技術的智能化武器裝備應用日趨廣泛，這對智能化武器裝備的標準化工作提出了更高的要求。針對智能化武器裝備發展現狀進行分析與研究，基于智能化武器裝備標準現狀及發展需求建立了智能化武器裝備標準體系框架。同時，根據智能化武器裝備特點和智能化戰爭需求對未來的標準研制工作提出了建議。 發表于：12/16/2020 基于機器學習的惡意軟件檢測研究進展及挑戰 由于惡意軟件的數量日漸龐大，攻擊手段不斷更新，結合機器學習技術是惡意軟件檢測發展的一個新方向。先簡要介紹惡意軟件檢測中的靜態檢測方法以及動態檢測方法，總結基于機器學習的惡意軟件檢測一般流程，回顧了研究進展。通過使用Ember 2017和Ember 2018數據集，分析驗證了結構化特征相關方法，包括隨機森林(Random Forest，RF)、LightGBM、支持向量機(Support Vector Machine，SVM)、K-means以及卷積神經網絡(Convolutional Neural Network，CNN)等算法模型；使用收集的2019年樣本集分析驗證了序列化特征相關方法，包括幾種常見的深度學習算法模型。計算模型以在不同測試集上的準確率、精確率、召回率以及F1-值作為評估指標。根據實驗結果分析討論了各類方法的優缺點，著重驗證分析了樹模型的泛化能力，表明隨著樣本的不斷演變，模型普遍存在退化問題，并指出進一步研究方向。 發表于：12/16/2020 全球工業機器人市場復合年增長率達14.21% 印度浦那 2020 年 12 月 15 日 / 美通社 / -- 預期新冠病毒 （COVID-19） 疫情將對全球工業機器人市場產生積極影響。多個行業正越來越多地通過使用機器人來實現制造和相關過程的自動化。政府機構制定的封鎖措施造成了勞動力短缺，這加速了機器人在食品和飲料、汽車、制造業和制藥等行業的應用。 發表于：12/16/2020 5G機器人 + 無人機，開啟電力巡檢新時代 智能巡檢，應運而生 隨著電網行業智能化轉型的深入推進，電力系統的運行狀態監測、檢測體系正在逐步實現智能化。 發表于：12/16/2020 傳百度與吉利等數家車企初步接洽，商談組建電動汽車合資企業 與非網 12 月 16 日訊，近日，有消息稱，百度與包括吉利汽車在內數家車企進行初步接洽，商談組建電動汽車合資企業事宜。針對此消息，百度回應稱：對市場傳聞不作評論。 發表于：12/16/2020 ?…270271272273274275276277278279…?
