一、细胞图像中一种具有类别选择功能的标识算法(论文文献综述)
李雪靖[1](2021)在《智慧标识网络中边缘计算服务的任务卸载和资源适配研究》文中提出随着互联网技术的发展,网络服务和网络应用已渗透到各个领域。网络数据流量和计算任务的迅猛攀升,导致传统网络体系难以满足高效、可靠、海量、泛在等服务需求。智慧标识网络从解决传统互联网三重绑定问题出发,提出了“三层两域”的体系架构,为实现网络的可管、可控、开放、灵活提供了新的思路。针对智慧标识网络中的计算服务,边缘计算可以利用网络边缘计算资源为其提供更好的服务质量。然而,边缘网络的服务复杂性和资源有限性给不同场景下计算服务的动态灵活管控带来了新的挑战。本文分别针对边缘网络中的终端复杂计算服务、终端流式计算服务、多终端竞争计算服务和边缘汇聚计算服务,依据不同服务的需求特征,融合网络通信资源和计算资源,分析了具有特定优化目标的服务管控问题,研究了基于智慧标识网络的任务卸载和资源适配策略。本论文主要工作和创新点如下:(1)针对边缘网络中终端复杂计算服务的任务卸载和资源适配问题,提出了一种复杂服务分割和部分任务卸载的联合管控优化策略。本文以复杂计算服务的处理开销最小化为优化目标,通过综合考虑服务模型特征、任务依赖关系、节点设备能力和无线信道状况等因素,提出了基于智慧标识网络和边缘计算的终端复杂计算服务系统架构和管控机制,构建了服务模型分割和部分任务卸载的联合优化模型;基于深度学习方法构建了针对视频流进行人体姿态估计的服务计算模型,通过分析所构建模型的计算负载和数据流,采用神经层分组和流水线处理方法,设计了基于阈值粒子群优化的协同分割卸载TP-CPO算法,并通过仿真实验进行了性能评估。仿真结果表明,在不同的信道带宽和服务器负载下,所提策略有效地降低了服务响应时间和终端能量消耗。(2)针对边缘网络中终端流式计算服务的任务卸载和资源适配问题,提出了一种任务卸载调度和终端功率控制的联合管控优化策略。本文以流式计算服务的任务处理效用最大化为优化目标,通过综合考虑到达任务特征、终端能量状态、无线信道状况和计算服务器负载等因素,提出了基于智慧标识网络和边缘计算的终端流式计算服务系统架构和管控机制,构建了任务卸载调度和终端功率控制的联合优化模型;根据终端等待计算任务的马尔可夫性,分析了卸载调度决策和功率控制决策的约束条件,设计了状态、动作和奖惩函数,将系统时间分层划分为决策周期和事件回合,实现了基于分层深度强化学习的自适应调度控制HDRL-ASC算法,并通过仿真实验进行了算法参数调优和性能评估。仿真结果表明,在不同的任务到达率、无线信道状况和服务器计算性能下,所提策略有效地提高了任务处理效率,降低了终端功率消耗。(3)针对边缘网络中多终端竞争计算服务的任务卸载和资源适配问题,提出了一种终端卸载选择和通信资源编排的联合管控优化策略。本文以多终端竞争计算服务的综合计算效用最大化为优化目标,通过综合考虑终端接入数目、终端设备状态、终端需求优先级、无线信道状况和计算服务器负载等因素,提出了基于智慧标识网络和边缘计算的多终端竞争计算服务系统架构和管控机制,构建了终端卸载选择和通信资源编排的联合优化模型;提出了融合多种方法的算法框架,包括利用神经网络和阈值判断方法估计多终端任务卸载的优先级,利用一维优化搜索方法编排无线通信的资源块,利用经验回放和梯度下降方法构建神经网络模型的更新机制,利用分布式采样训练方法实现高效的神经网络训练模型,设计了基于纵向联邦学习的灵活卸载编排VFL-FOO算法,并通过仿真实验进行了算法参数调优和性能评估。仿真结果表明,算法具有较好的收敛性和较低的复杂度,在不同终端数目和动态环境状况下,所提策略有效地提高了多终端综合计算能力。(4)针对边缘网络中边缘汇聚计算服务的任务卸载和资源适配问题,提出了一种流量鲁棒分类和资源感知转发的联合管控优化策略。本文以边缘汇聚计算服务的综合处理开销最小化为优化目标,通过综合考虑单位时间请求交易量、服务数据量到达速度、单位比特计算负载、服务流量类型、服务器计算资源和传输路径通信资源等因素,提出了基于智慧标识网络和边缘计算的边缘汇聚计算服务系统架构和管控架构,构建了流量鲁棒分类和资源感知转发的联合优化模型;设计了包含异常需求检测、流量特征分类和任务卸载转发的算法框架,实现了基于遗传进化算法的快速分类转发GE-RCF算法,并通过仿真实验进行了参数调优和性能评估。仿真结果表明,在流量动态变化、不同边缘服务器性能和不同传输路径带宽下,所提策略有效地提升了流量分类效率,降低了多流量综合处理开销。
甄治钧[2](2021)在《基于三维辐射传输模型的植被反射率模拟及其生物光学参数反演》文中指出植被是地表生态系统的组成部分之一,它能维持生态平衡,改善生态环境,与人类生存发展密不可分,对人类的生存和发展起着重要作用。遥感数据因其测量精度和空间/光谱/时间分辨率的提高以及遥感数据解译方法的进步而越来越多地被应用于植被监测及参数反演。传统的一维辐射传输模型由于其不准确的参数估计,影响了植被反射率模拟及生物光学参数反演的准确性。基于真实结构的三维辐射传输模型可以很好地考虑传感器观测和太阳入射方向,地表辐照度的直射与漫散射,以及场景复杂的三维结构问题。然而,三维辐射传输模拟及反演的应用遇到了以下几个方面的问题:(1)现有模拟模型由于缺少地面关键参数时空变化知识,不具备连续时相模拟能力,而遥感影像多为时间序列数据,难于与遥感数据共同使用。(2)现有的叶片光谱反演方法多适用于植被密集区域,而在城市等地物类型复杂,混合像元弥漫的场景中,叶片光谱特性的反演精度受到严重影响。(3)现有的植被指数在高植被覆盖区反演叶面积指数时易受到饱和效应影响,严重限制了其反演能力。针对上文提到的问题,以基于三维辐射传输模型的植被反射率模拟及其生物光学参数反演为核心,通过耦合生长模型实现三维辐射传输连续时相模拟能力;通过基于离散各向异性辐射传输模型(DART)校正精确反演了亚像元尺度下城区叶片的光谱特性;通过分析植被等值线规律提出了交点右移现象以缓解土壤调节植被指数(SAVI)在高植被覆盖区域的饱和效应。为了实现三维辐射传输连续时相模拟能力,基于一款由扩展L系统(ELSYS)开发的静态三维玉米建模模型,耦合了以累积日度差为生长因子的玉米生长方程,加入了描述整个植物生长季节冠层结构的发展规则,模拟了从出苗到雄花期的三维玉米场景。利用多种三维辐射传输模型模拟了对应场景的玉米冠层反射率以进行交叉验证,取得了很好的一致性。以三维辐射传输模型的结果为真值,与相同叶面积指数(LAI)条件下的一维辐射传输模型进行对比,发现相同LAI条件下一维辐射传输模型的均质性假设条件导致场景盖度大约是真实盖度的1.5倍,且近红外天顶方向反射率存在明显的高估现象。产生的原因可能是由于均质性假设未能考虑到天顶观测到的植被比例较低,而多重散射主要来自植被。考虑到天顶方向是传感器的重要观测方向且近红外是植被监测的重要波段,认为均质性假设导致的高估是不可忽视的,其结果将导致基于均质性假设的遥感反演产生对于植被数量(LAI等)的低估。为了反演城市地区叶片光谱特性,基于DART校正采用线性光谱混合模拟分离出了冠层的单次散射反射率,并由迭代法不断修正输入叶片的光谱特性以模拟接近混合像元分离的冠层反射率。对反演结果进行了精度评定和敏感性分析,在理想无噪声模拟实验中,地面、屋顶、水、树和灌木在所有波段的平均相对误差为0.015、0.004、0.017、0.320和0.303。在添加了噪声的实验条件下(像元偏移、三维场景的几何精度和调制传递函数与真值存在一定偏差),反演出现了较大的误差:对于地面、屋顶、水、树和灌木,平均相对误差分别为0.289、0.448、1.103、1.164和1.242。按重要性降序排列,对城市物质的光谱特性反演精度影响最大的参数是太阳天顶角、卫星图像空间分辨率、像元偏移、三维城市场景建模的不准确性和调制传递函数。为了缓解SAVI在高植被覆盖区域的饱和效应,分析了植被等值线变化特征,提出了植被等值线交点右移现象。右移现象表明在均质冠层(本文定义为聚集指数等于1的冠层)中随着植被盖度增加,植被等值线与土壤线交点逐渐向红光坐标轴正向移动,当植被等值线的截距小于土壤线的截距时,最终交点可以到达红光正值区域,反之不可。右移现象成功化解目前学术界两大争论,从新的角度实现了辩证统一。基于右移现象,考虑到最优土壤调节因子是植被等值线与土壤线交点横坐标负值,提出了在高植被覆盖区最优土壤调节因子应为负值的假说,并加以数据进行验证。结果表明,当平均LAI为5.35时,最佳土壤调节因子约为-0.148;当平均LAI为6.72时,最佳土壤调节因子约为-0.183。该假说可以极大地缓解SAVI的饱和效应并提升LAI反演精度。以基于三维辐射传输模型的植被反射率模拟及其生物光学参数反演为研究对象,从模拟和反演两个方面开展了研究。前半部分着重阐述耦合生长模型的三维植被场景的建模及反射率模拟。后半部分着重阐述利用三维辐射传输模型或其模拟的数据反演植物生物化学参数。研究工作将有助于三维辐射传输模拟在多时相遥感影像中的应用,潜在的应用包括为传感器设计提供高质量的分析验证数据和为定量遥感反演建模、时空尺度转换和多源数据同化等研究提供有效的数据支撑,以实现“定量化模拟,定量化评价”的目的。
吴佳南[3](2021)在《基于多物理场耦合的膝关节炎仿生辨识研究》文中提出膝关节炎是多发于中老年的慢性、退行性疾病,以关节软骨磨损、关节间骨赘形成和软骨下骨硬化为主要病理特征,并伴有关节疼痛、僵硬、畸形和肌肉萎缩等多种症状,严重时会导致关节运动障碍甚至残疾。膝关节炎因其高发病率和高致残率,又被称为“不死的癌症”,严重影响患者的生活质量,并给家庭和社会造成了巨大的医疗和经济负担。目前,临床上主要以关节软骨为关注点,利用X射线、计算机断层扫描、磁共振成像和超声成像等影像学方法,以关节软骨磨损和关节间隙狭窄为膝关节炎的标志性病理特征,对膝关节炎进行诊断和评估。然而,关节软骨等结构性病变往往发生在疾病中晚期,且关节软骨一旦磨损便不可逆转,病情极易因发现较晚而错过治疗的绝佳时期。此外,膝关节炎的保守治疗方法主要以缓解疼痛为主,尚无法做到根治疾病,而手术治疗又会造成关节内部损伤,使患者承受痛苦并承担高额的医疗费用。面对临床诊断膝关节炎的瓶颈问题和巨大的医疗需求,研究人员利用影像学和生化检查等方法进行了诸多研究,然而目前仍未有行之有效的膝关节炎早期诊断方法。因此,如何在膝关节炎发生、发展的早期对其进行诊断和评估成为亟待解决的世界性难题。近年来,越来越多的研究发现关节炎是一种全关节疾病,病变累及下肢骨骼、半月板、滑膜、肌肉、肌腱和韧带等多种组织。特别是在膝关节炎的早期阶段,关节软骨等组织的异常变化尚未达到影像学检测方法的诊断标准,而膝关节周围软组织,例如肌肉、肌腱、韧带和血管可能已经发生了相应的病理改变。因此,以膝关节周围软组织为关注点对膝关节炎进行研究,为探索膝关节炎病变新机制,寻求膝关节炎的早期诊断方法提供了全新的思路。仿生学是学习、模拟大自然,在建造的人工制品中实现回归自然的仿生发展理念和发展模式的科学,是解决人类面临的经济与社会发展重大难题的一条有效捷径。现代仿生学的研究内容不再局限于模拟生物,还注重对人类生活所发生的一些现象进行探索,将一切对人类有用的信息进行仿生尝试,尤其是将人类生活作为生活模本,同生物模本一样进行仿生模拟。人类在自身生活中积累的经验、技能与知识为仿生创新提供了重要的资源。中、西医在悠久的历史发展过程中,积累了大量的临床经验,并形成了行之有效的疾病诊断方法,至今仍具有十分重要的参考和应用价值。中医凭借人的感官,通过望、闻、问、切的方法收集临床信息,得出诊断性的结论;西医利用感官和检查工具,通过视诊、触诊、叩诊、听诊和嗅诊的方法了解和评估人体状态,对疾病进行诊断。其中,中医“四诊”中的切诊(按诊和脉诊)与西医的触诊相似,都能够获取人体软组织的相关信息。例如,体表温度、湿度;压痛感、摩擦感;肿块的位置、大小、轮廓、硬度、移动度、与周围软组织有无粘连;血管充盈情况和动脉搏动的部位、速率、强度和节律等信息。中、西医通过切诊(按诊和脉诊)和触诊对疾病进行诊断的行为过程,为我们提供了珍贵的仿生模本,这启示我们可以利用仿生思维解决目前膝关节炎早期诊断面临的瓶颈问题。本文以膝关节周围主要软组织——肌肉、肌腱、韧带和血管为关注点,以中、西医切诊(按诊和脉诊)和触诊的疾病诊断方法为基础,利用在体、无创、定量的现代影像学技术获取软组织多物理场的相关参数,并利用机器学习方法对健康受试者和膝关节炎患者进行仿生辨识。本文开展的基于多物理场耦合的膝关节炎仿生辨识研究,为探索膝关节炎病变新机制,寻求膝关节炎早期诊断方法提供全新的思路,并对人类传统疾病辨识方法向定量化和自动化的方向发展具有重要的推动作用。本文具体研究内容和主要结论如下:(1)膝关节周围软组织力学模量场研究。本文选取了膝关节周围的9块肌肉、6条肌腱/韧带为测量对象,利用超声弹性成像系统在体、无创、定量测量了肌肉、肌腱/韧带的杨氏模量,分析发现性别和年龄对健康受试者膝关节周围肌肉、肌腱/韧带的杨氏模量具有显着性影响。对不同性别而言,男性肌肉、肌腱/韧带的杨氏模量大于女性;对不同年龄而言,除了个别软组织以外,健康受试者肌肉、肌腱/韧带的杨氏模量随着年龄的增长而下降。本文还探索了健康受试者和膝关节炎患者之间肌肉、肌腱/韧带杨氏模量的差异性,分析发现男性大部分肌肉、肌腱/韧带的杨氏模量在健康受试者和膝关节炎患者之间无显着性差异;女性大部分肌肉、肌腱/韧带的杨氏模量在健康受试者和膝关节炎患者之间存在显着性差异,且膝关节炎患者大于健康受试者。同时,本文还研究了不同疼痛部位对膝关节周围肌肉、肌腱/韧带杨氏模量的影响,分析发现股四头肌腱、髌韧带、内侧副韧带和髌外侧支持带,这四条肌腱/韧带的杨氏模量与膝关节疼痛部位密切相关。(2)膝关节周围血管流场研究。本文选取了为膝关节供血的7条主要动脉血管为测量对象,利用彩色多普勒超声在体、无创、定量测量了动脉血管的血管内径、血流速度和血流量,分析发现性别和年龄对健康受试者膝关节周围动脉血管形态学参数无显着性影响;仅有个别血管的血流动力学参数在不同性别之间存在显着性差异,且男性大于女性。本文还探索了健康受试者和膝关节炎患者之间动脉血管血流参数的差异性,分析发现血管形态学参数在健康受试者和膝关节炎患者之间无显着性差异;大部分血管的血流动力学参数在健康受试者和膝关节炎患者之间存在显着性差异,且膝关节炎患者大于健康受试者。(3)膝关节周围软组织温度场研究。本文利用红外热像仪在体、无创、定量测量了膝关节周围肌肉、肌腱/韧带和血管的表面温度,分析发现性别和年龄对大部分健康受试者膝关节周围软组织的表面温度均无显着性影响;仅有个别软组织表面温度在不同性别之间存在显着性差异,且男性大于女性。本文还探索了健康受试者和膝关节炎患者之间软组织表面温度的差异性,分析发现仅有部分软组织的表面温度存在显着性差异,且膝关节炎患者大于健康受试者。(4)基于机器学习的膝关节炎仿生辨识研究。本文基于测得的膝关节周围软组织力学模量场、血管流场和温度场的相关参数,利用决策树、BP神经网络、自组织竞争神经网络、学习向量量化神经网络和极限学习机等五种机器学习方法对健康受试者和膝关节炎患者进行了仿生辨识。研究结果表明,极限学习机的健康受试者识别正确率和患者识别确诊率分别在90%-100%之间和85%-95%之间,总体识别正确率在90%-97.5%之间,极限学习机对健康受试者和膝关节炎患者的识别率高、识别精度稳定,可以作为辨识健康受试者和膝关节炎患者的机器学习模型。
朱栋栋[4](2021)在《基于视觉检测与定位的快速路车辆异常行为识别》文中提出城市快速路作为城市的“大动脉”,在交通运输方面发挥着至关重要的作用,随着机动车保有量的骤增,城市快速路所面临的交通压力和拥堵风险也与日俱增;针对该问题,目前常用的方法是通过人工实时地筛查交通监控视频,定位发生车祸等异常行为的车辆。但是随着道路监控覆盖率的提升,快速地在众多路监控摄像头中定位存在异常行为的车辆,这需要极大的人力成本投入。借助计算机视觉,辅助交管人员进行车辆异常行为识别,是本文的主要研究内容。本文设计了一种车辆端向点检测算法,用于解决行驶轨迹偏离车辆所在真实车道的问题;同时本文提出了基于轨迹信息的车辆异常行为识别算法,用于判断车辆是否发生异常停车、违规掉头、违规占道和超速。具体的研究成果如下:(1)提出一种基于车辆端向点检测的轨迹提取算法。当车辆位于监控视野边缘、偏离相机主光轴时,车辆几何中心点所绘制的轨迹会偏离车辆所在的车道,针对该问题本文创造性地提出车辆端向点检测算法,端向点标注工具被开发用于数据集的构建。在测试集中,端向系数拟合的平均绝对误差为0.1289,平均偏离程度较小,算法能较准确地拟合车辆端向点的位置。(2)设计了一种基于轨迹信息的车辆异常行为识别算法。本文通过畸变校正还原出车辆行驶轨迹的物理信息,设计含隐状态的有限状态自动机对车辆的异常行为进行逻辑判断。经测试发现,本文设计的算法在异常停车相关的实验中,时间片段检测准确度为86.12%;在违规占道相关的实验中,车道信息识别精度为95.52%;在违规掉头相关的实验中,车辆行驶方向检测召回率为93.16%;在超速检测相关的实验中,测速的平均绝对误差为1.4544m/s,实验证明,延时触发机制对系统提升检测效果具有促进作用。(3)本文开发了快速路场景下的车辆异常行为识别系统。该系统既能对输入的视频流在监控显示界面进行实时显示,也能对车辆轨迹提取模块以及异常行为识别模块进行可视化,能辅助后台值守人员对车辆异常行为进行判断,同时该系统具有异常车辆留证功能,直接将发生异常行为的车辆快照进行存储。本文围绕城市快速路应用场景的实际需求,设计了基于车辆端向点检测的轨迹提取算法,以及基于车辆轨迹的异常行为识别算法,并搭建系统平台对算法模型进行集成,通过在京通快速路项目中的实践,发现本文的工作符合预定的期望、具有学术和应用价值。
吴迪[5](2021)在《视频图像序列下的多细胞识别与跟踪技术研究》文中进行了进一步梳理
冯加明[6](2021)在《基于深度学习的车辆信息检测与识别方法研究》文中研究指明
张晨梦[7](2021)在《基于深度学习的轮胎压印字符识别研究》文中进行了进一步梳理
郭正[8](2021)在《基于交通出行的语音识别系统的设计与实现》文中进行了进一步梳理随着社会科技的发展,人们对机器的认知、运用与依赖已经到了一个极高的程度,语音识别(Automatic Speech Recognition,ASR)技术应用而生。语音识别中概率模型的提出和人工神经网络的不断发展,使得ASR的任务不断细化,实现方法也愈发多元和轻量。同时,基于交通出行中的安全和便捷要求,语音识别在该领域的应用越来越广泛。本文针对交通出行领域的语音对话应用场景,搭建一个完整的双端语音识别系统,实现在终端的关键词检测(Spoken Keyword Spotting,KWS)和云端的语义识别。首先设计了实现语音关键词检测和语义识别的双端一体化系统,包括语音采集模块、终端关键词检测模块、云端语音识别模块、通信传输协议等;其次采集交通出行场景中常出现的关键词,进行处理,构建了基于交通出行的关键词语音数据集;然后使用Kaldi语音工具包实现了语义识别,针对关键词检测提出了基于DenseNet-B-Speech+BiLSTMP的关键词检测网络架构,并搭建训练平台,实验结果与常用的深度学习算法进行对比,验证所提算法的有效性;最后开发完成基于交通出行的语音识别系统,验证了系统的可行性。
蒋欣欣[9](2021)在《结合实例分割的多目标跟踪研究及系统实现》文中研究指明多目标跟踪技术涉及到机器学习、统计分析、模式识别等多种研究学科,具有重大的研究价值。多目标跟踪的核心理论是通过对视频序列中的多目标进行检测和位置标定,通过在运动过程中链接各自的运动轨迹,并在后续跟踪中保持各个目标身份信息不变。针对“目标检测不准确”、“目标遮挡问题”、“表观特征相似”等问题展开研究,本论文将基于实例分割和表观特征融合信息进行检测和跟踪,结合空间信息关注目标可见区域,通过长短时记忆网络学习运动信息进行关联,提升目标的跟踪准确率。本论文在目标检测、相似性度量、运动估计方面展开研究,主要工作如下:1.提出一种基于Mask R-CNN和表观特征融合的多目标跟踪方法。针对边界框的区分度下降和描述误差,分析得到目标检测过程中因目标位置相近和目标形变导致描述出现错误,本文提出引入实例分割的方法增加目标掩膜对目标位置的描述,可保留具有不规则形状的目标的轮廓特征,并添加一个特征提取分支提取深度特征,同时通过改进损失策略使得模型检测目标结果更加收敛,经过实验验证有效降低目标描述错误的问题。2.提出一种基于空间注意模型的抗遮挡多目标跟踪方法。针对目标遮挡问题,分析得到由于遮挡物的特征影响跟踪目标特征,本文提出通过空间信息获得深度特征间的相似性,增强目标特征之间的相似度。通过训练Siamese网络验证目标身份类别,使得外观特征更具有判别性。通过改进空间注意力的特征融合方式,保留不同通道中目标的空间结构信息,训练出更具有区分度的特征,经过实验验证了改进算法在目标遮挡场景下的鲁棒性。3.提出一种基于深度特征的运动估计方法实现多目标跟踪。针对目标交互过程中导致的身份切换或跟踪漂移,分析得到由于目标距离相近导致难以处理多轨迹之间的运动关系的问题。本文提出一种基于深度特征的运动估计方法,通过时间信息学习跟踪特征在时序上的变化,提出采用长短时记忆网络利用的时间记忆信息,在线学习非线性的运动模型预测目标位置坐标,并计算目标间的运动相似度,解决检测目标与跟踪轨迹不匹配的问题,利用运动相似度和外观相似度,根据轨迹数据关联匹配度确定完整轨迹,经过实验验证了改进算法在目标非线性运动和外观相似场景下的鲁棒性。综上所示,本文在目标检测、相似性度量和运动估计深入研究,通过联合外观相似度和运动相似度实现数据关联,提升目标跟踪成功率、关联匹配度,提高抗遮挡性和稳定性。之后本文在标准数据集中验证实现了一种抗遮挡、鲁棒的多目标跟踪算法,并设计了智能化系统演示所提算法的功能和性能。
胡皓翔[10](2021)在《嵌入式目标检测平台架构设计与实现》文中指出随着深度学习目标检测研究越来越深入,相关技术正逐步赋能于嵌入式设备,为其提供更强的计算分析能力。深度学习环境部署和目标检测模型训练对于嵌入式开发人员存在着一定的行业门槛。当前,公交运营监控管理中也逐渐应用嵌入式目标检测。因此,为了降低深度学习目标检测技术的应用难度,本文提出了一个嵌入式目标检测平台设计方案,从而提供了一个具备较强通用性的、操作流程简便化的嵌入式目标检测平台,使其可以用于多种公交监控管理相关的场景。该平台同时具备设备管理和目标检测模型训练能力。本文主要研究内容有:1.设计一个适用于公交运营监控管理的嵌入式目标检测平台本文设计的该平台应兼具设备(车载、路侧等设备,下同)管理能力和深度学习训练测试能力的平台,可适用于嵌入式目标检测场景。本文设计的该平台应具备在线推送模型、配置文件、参数的能力;设备快速注册到平台的能力;具备视频和文本形式展示目标检测结果的能力;具备简化的统一的清晰的模型训练流程的能力。2.实现平台各功能模块并在实际场景中进行验证首先,本文实现的该平台主要分为四个模块:中心服务端、嵌入式端、文件服务器、转发服务器。中心服务端主要提供了平台所需的相关服务和同用户交互的能力;嵌入式端主要提供了嵌入式目标检测能力和接收命令、上传检测结果能力;文件服务器主要提供了模型和配置文件储存和管理能力;转发服务器主要提供了转发检测后视频流能力。接着,本文针对平台中的四个模块进行了功能测试和模块测试,证明该平台提供的相关能力的可用性和稳定性。最后,本文针对公交站台监控场景和车内拥挤度检测场景,利用该平台进行了场景测试,证明该平台可以满足公交运营监控管理场景的相关需求。3.设计一种级联特征检测算法,解决车内拥挤度检测场景问题首先,为评价车内拥挤度,本文设计了一种级联特征检测算法。该算法先通过目标检测算法得到场景中的关键目标,在经过中间连接块转化为掩模图,最后通过分类网络得到拥挤度评价结果。接着,本文进行了最优检测算法选择的实验,Yolov3以67.9%的准确率和68.0fps,在精度和速度的综合考虑下优于其他算法;本文又进行了最优分类网络选择的实验,AlexNet以82.7%的准确率和512.90fps,在精度和速度的综合考虑下优于其他网络。最后,本文选择Yolov3和AlexNet作为级联特征检测算法中的检测算法和分类网络。
二、细胞图像中一种具有类别选择功能的标识算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、细胞图像中一种具有类别选择功能的标识算法(论文提纲范文)
(1)智慧标识网络中边缘计算服务的任务卸载和资源适配研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
主要缩略语对照表 |
第一章 绪论 |
1.1 研究背景 |
1.2 新型网络技术及智慧标识网络研究现状 |
1.2.1 新型网络相关关键技术 |
1.2.2 智慧标识网络理论及其相关研究 |
1.3 边缘计算及其服务管控问题的相关研究 |
1.3.1 边缘计算技术概述 |
1.3.2 边缘计算中服务管控问题的相关研究 |
1.3.3 机器学习在边缘计算中的应用研究 |
1.4 研究内容和主要创新 |
1.5 论文组织结构 |
第二章 复杂计算服务的服务分割和任务卸载研究 |
2.1 引言 |
2.2 复杂服务分割和部分任务卸载的优化问题 |
2.2.1 系统架构 |
2.2.2 服务管控机制 |
2.2.3 问题建模和优化 |
2.3 复杂计算服务模型和协同分割卸载算法 |
2.3.1 基于DL方法的模型分析 |
2.3.2 终端复杂计算服务的模型构建 |
2.3.3 服务模型的数据流和计算负载分析 |
2.3.4 TP-CPO算法设计 |
2.4 仿真实验和结果分析 |
2.4.1 复杂计算服务仿真环境的建立 |
2.4.2 TP-CPO策略的性能评估 |
2.4.3 TP-CPO策略的扩展性分析 |
2.5 本章小结 |
第三章 流式计算服务的任务调度和功率控制研究 |
3.1 引言 |
3.2 任务卸载调度和终端功率控制的优化问题 |
3.2.1 系统架构和管控机制 |
3.2.2 问题建模和优化 |
3.3 基于分层深度强化学习的自适应调度控制算法 |
3.3.1 深度强化学习方法简介 |
3.3.2 状态、动作及奖励函数设计 |
3.3.3 HDRL-ASC算法设计 |
3.4 仿真实验和结果分析 |
3.4.1 实验参数和环境变量的设置 |
3.4.2 HDRL-ASC算法性能分析 |
3.4.3 HDRL-ASC策略性能评估分析 |
3.5 本章小结 |
第四章 多终端竞争计算服务的卸载选择和资源编排研究 |
4.1 引言 |
4.2 终端卸载选择和通信资源编排的优化问题 |
4.2.1 系统架构和管控机制 |
4.2.2 问题建模和优化 |
4.3 基于纵向联邦学习的灵活选择编排算法 |
4.3.1 L-FOO算法框架设计 |
4.3.2 VFL-FOO算法设计 |
4.4 仿真实验和结果分析 |
4.4.1 实验参数设置 |
4.4.2 VFL-FOO算法参数调优 |
4.4.3 VFL-FOO算法收敛性分析 |
4.4.4 VFL-FOO算法复杂度评估 |
4.4.5 VFL-FOO策略的综合计算效用评估 |
4.5 本章小结 |
第五章 边缘汇聚计算服务的流量分类和资源适配研究 |
5.1 引言 |
5.2 流量鲁棒分类和资源感知转发的优化问题 |
5.2.1 系统架构和管控架构 |
5.2.2 问题建模和优化 |
5.3 基于遗传进化算法的快速分类转发算法 |
5.3.1 RCF算法框架设计 |
5.3.2 GE-RCF快速分类转发算法 |
5.4 仿真实验和结果分析 |
5.4.1 仿真实验参数设置 |
5.4.2 GE-RCF策略评估 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 未来研究工作展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(2)基于三维辐射传输模型的植被反射率模拟及其生物光学参数反演(论文提纲范文)
中文摘要 |
abstract |
第1章 绪论 |
1.1 选题目的及意义 |
1.2 国内外研究现状 |
1.2.1 植被冠层反射率模拟研究 |
1.2.2 叶片光谱特性反演研究 |
1.2.3 叶面积指数反演研究 |
1.2.4 存在的问题 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线与论文结构 |
第2章 植被冠层辐射传输模型基础 |
2.1 辐射度模型(RGM) |
2.1.1 RGM场景建立 |
2.1.2 RGM辐射传输模拟 |
2.2 离散各向异性辐射传输模型(DART) |
2.2.1 DART场景建立 |
2.2.2 DART辐射传输模拟 |
小结 |
第3章 植被冠层反射率模拟 |
3.1 真实结构玉米场景反射率连续时相模拟分析 |
3.1.1 三维玉米场景建模 |
3.1.2 玉米冠层反射率多时相模拟分析 |
3.2 树木冠层像元尺度反射率模拟 |
3.2.1 真实结构单木冠层反射率模拟 |
3.2.2 简化结构林木冠层反射率模拟 |
小结 |
第4章 城区亚像元尺度植被叶片光学参数反演 |
4.1 基于模拟影像的植被叶片光谱参数反演 |
4.1.1 无噪声理想实验反演叶片光谱特性 |
4.1.2 人为附加噪声实验反演叶片光谱特性 |
4.2 基于卫星影像的植被叶片光谱参数反演 |
4.2.1 研究区概况及Planet Scope数据预处理 |
4.2.2 多光谱影像植被叶片光学特性提取 |
小结 |
第5章 土壤噪声干扰下的植被叶面积指数反演 |
5.1 植被指数分析 |
5.1.1 光谱响应函数对植被指数影响 |
5.1.2 大气效应对植被指数影响 |
5.1.3 植被指数抗土壤噪声评价 |
5.2 叶面积指数反演 |
5.2.1 无噪声干扰叶面积指数反演评价 |
5.2.2 随机噪声干扰叶面积指数反演评价 |
5.2.3 植被指数的过饱和效应研究 |
小结 |
第6章 结论与展望 |
6.1 主要工作与结论 |
6.2 论文创新点 |
6.3 不足与展望 |
参考文献 |
作者简介及科研成果 |
致谢 |
(3)基于多物理场耦合的膝关节炎仿生辨识研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 膝关节炎诊断方法研究现状 |
1.2.1 影像学检查 |
1.2.2 膝关节镜检查 |
1.2.3 步态分析评估 |
1.2.4 生物标志物检查 |
1.3 膝关节周围软组织研究现状 |
1.3.1 膝关节周围软组织力学模量研究现状 |
1.3.2 膝关节周围血流参数研究现状 |
1.3.3 膝关节周围软组织表面温度研究现状 |
1.4 本文主要研究内容 |
第2章 试验对象、设备及方法 |
2.1 试验对象 |
2.2 测量内容 |
2.2.1 肌肉 |
2.2.2 肌腱/韧带 |
2.2.3 血管 |
2.3 试验设备 |
2.3.1 超声弹性成像系统 |
2.3.2 红外热像仪 |
2.4 测量方法 |
2.4.1 肌肉、肌腱/韧带力学模量测量 |
2.4.2 血管形态学和血流动力学参数测量 |
2.4.3 软组织表面温度测量 |
2.5 本章小结 |
第3章 膝关节周围软组织力学模量场研究 |
3.1 膝关节周围软组织杨氏模量重复性分析 |
3.2 健康受试者膝关节周围软组织力学模量分析 |
3.2.1 性别对软组织力学模量的影响 |
3.2.2 年龄对软组织力学模量的影响 |
3.3 膝关节炎患者膝关节周围软组织力学模量分析 |
3.3.1 健康受试者和膝关节炎患者软组织力学模量分析 |
3.3.2 不同疼痛部位对软组织力学模量的影响 |
3.3.2.1 膝关节疼痛区域划分 |
3.3.2.2 不同疼痛部位对肌肉力学模量的影响 |
3.3.2.3 不同疼痛部位对肌腱/韧带力学模量的影响 |
3.4 本章小结 |
第4章 膝关节周围血管流场研究 |
4.1 膝关节周围血管形态学和血流动力学参数重复性分析 |
4.2 健康受试者膝关节周围血管流场参数分析 |
4.2.1 性别对血管流场参数的影响 |
4.2.2 年龄对血管流场参数的影响 |
4.3 膝关节炎患者膝关节周围血管流场参数分析 |
4.4 本章小结 |
第5章 膝关节周围软组织温度场研究 |
5.1 膝关节周围软组织表面温度重复性分析 |
5.2 健康受试者膝关节周围软组织表面温度分析 |
5.2.1 性别对软组织表面温度的影响 |
5.2.2 年龄对软组织表面温度的影响 |
5.3 膝关节炎患者膝关节周围软组织表面温度分析 |
5.4 本章小结 |
第6章 基于机器学习的膝关节炎仿生辨识研究 |
6.1 机器学习概述 |
6.2 数据预处理 |
6.2.1 数据归一化处理 |
6.2.2 数据降维处理 |
6.3 机器学习对膝关节炎的分类识别结果分析 |
6.3.1 决策树 |
6.3.2 BP神经网络 |
6.3.3 自组织竞争神经网络 |
6.3.4 学习向量量化神经网络 |
6.3.5 极限学习机 |
6.4 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
附录 |
附录1 |
附录2 |
作者简介及攻读博士学位期间科研成果 |
致谢 |
(4)基于视觉检测与定位的快速路车辆异常行为识别(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 车辆轨迹信息提取研究现状 |
1.2.2 车辆异常行为检测研究现状 |
1.3 研究内容 |
1.4 创新点 |
1.5 论文章节安排 |
第二章 论文方案设计及相关理论基础 |
2.1 方案设计 |
2.2 基于视觉特征的车辆追踪技术 |
2.2.1 车辆视觉特征描述器 |
2.2.2 单阶与双阶车辆追踪器 |
2.3 车辆位置等效点与轨迹滤波技术 |
2.3.1 车辆位置等效点 |
2.3.2 车辆轨迹滤波技术 |
2.4 车辆异常行为识别技术 |
2.5 本章小结 |
第三章 基于车辆端向点检测的轨迹提取算法 |
3.1 算法结构 |
3.2 基于交叠式裁剪技术的图像预处理算法 |
3.3 车辆端向点检测算法 |
3.3.1 基干网络 |
3.3.2 车辆端向点拟合 |
3.4 车辆轨迹提取算法 |
3.5 本章小结 |
第四章 基于车辆轨迹的异常行为识别算法 |
4.1 算法流程结构 |
4.2 轨迹畸变校正 |
4.3 基于拼接插值的轨迹滤波算法 |
4.4 轨迹信息融合算法 |
4.5 有限状态自动机与异常行为识别 |
4.6 本章小结 |
第五章 快速路车辆异常行为识别系统及相关实验 |
5.1 实验准备工作 |
5.1.1 端向点标注工具 |
5.1.2 训练集构建 |
5.1.3 实验环境及模型训练 |
5.2 车辆端向点检测相关实验 |
5.2.1 评价指标 |
5.2.2 实验结果与分析 |
5.3 车辆异常行为检测相关实验 |
5.3.1 车辆异常停车相关实验 |
5.3.2 车辆违规占道相关实验 |
5.3.3 车辆违规掉头相关实验 |
5.3.4 车辆超速检测相关实验 |
5.4 快速路车辆异常行为识别系统 |
5.4.1 系统设计目标 |
5.4.2 系统框架结构图 |
5.4.3 系统各部分功能实现效果演示 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
攻读硕士期间发表论文 |
(8)基于交通出行的语音识别系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状及分析 |
1.3 论文的内容及章节安排 |
第二章 双端语音识别系统的关键技术与核心理论 |
2.1 语音识别 |
2.1.1 概率模型 |
2.1.2 传统方法 |
2.2 Kaldi语音工具包 |
2.3 人工神经网络 |
2.3.1 超参数 |
2.3.2 DenseNet |
2.3.3 LSTM |
2.3.4 注意力机制 |
2.4 双端语音识别系统的搭建技术 |
2.4.1 语音识别系统的前端 |
2.4.2 语音识别系统的后端 |
2.4.3 语音识别系统的通信 |
2.5 本章小结 |
第三章 双端语音识别系统的设计 |
3.1 双端语音识别系统的架构设计 |
3.1.1 语音识别系统的中心服务器 |
3.1.2 语音识别系统的中间服务器 |
3.1.3 语音识别系统的终端设备 |
3.1.4 语音识别系统的前端 |
3.1.5 语音识别系统的运行逻辑 |
3.2 双端语音识别系统的数据库设计 |
3.3 双端语音识别系统的接口设计 |
3.4 关键词检测的网络结构 |
3.4.1 DenseNet-B-Speech |
3.4.2 BiLSTMP-Attention |
3.4.3 关键词检测的最终架构 |
3.5 本章小结 |
第四章 实验与结果分析 |
4.1 实验环境介绍 |
4.1.1 硬件环境 |
4.1.2 软件环境 |
4.2 形成关键词数据集 |
4.2.1 关键词词典确定 |
4.2.2 关键词数据集创建 |
4.2.3 关键词数据集预处理 |
4.3 实验步骤 |
4.3.1 语义识别 |
4.3.2 关键词检测 |
4.4 实验结果分析 |
4.4.1 网络的参数对比 |
4.4.2 与其他网络的对比 |
4.5 前后端的识别结果与交互界面 |
4.5.1 终端关键词识别 |
4.5.2 云端语义识别 |
4.5.3 系统其他功能 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
附录 |
致谢 |
(9)结合实例分割的多目标跟踪研究及系统实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 多目标跟踪国内外研究现状 |
1.2.1 基于传统方法的多目标跟踪算法 |
1.2.2 基于深度学习的多目标跟踪算法 |
1.3 论文的主要研究内容 |
1.4 论文结构与内容安排 |
第二章 相关理论知识 |
2.1 关键技术 |
2.1.1 Mask R-CNN |
2.1.2 孪生神经网络 |
2.1.3 注意力机制 |
2.1.4 长短时记忆网络 |
2.2 多目标跟踪数据集 |
2.2.1 标准数据集 |
2.2.2 综合数据集 |
2.3 多目标跟踪的评估指标 |
2.4 本章小结 |
第三章 基于Mask R-CNN和表观特征融合的多目标跟踪算法 |
3.1 引言 |
3.2 基于Mask R-CNN和表观特征融合的多目标跟踪算法 |
3.2.1 主干网络 |
3.2.2 特征提取分支 |
3.2.3 掩膜交并比 |
3.2.4 损失函数策略 |
3.3 实验与结果分析 |
3.3.1 实验设置 |
3.3.2 损失函数的有效实验 |
3.3.3 跟踪结果与分析 |
3.4 本章小结 |
第四章 基于空间注意模型的抗遮挡多目标跟踪算法 |
4.1 引言 |
4.2 基于空间注意模型的抗遮挡多目标跟踪算法 |
4.2.1 基于Siamese网络的相似度度量 |
4.2.2 融合空间注意力模块 |
4.2.3 损失函数策略 |
4.2.4 抗遮挡多目标跟踪算法流程 |
4.3 实验与结果分析 |
4.3.1 实验设置 |
4.3.2 实验性能分析 |
4.3.3 跟踪结果与分析 |
4.4 本章小结 |
第五章 基于深度特征的运动估计方法 |
5.1 引言 |
5.2 基于深度特征的运动估计方法 |
5.2.1 基于长短时记忆网络的运动估计方法 |
5.2.2 运动相似度 |
5.3 实验与结果分析 |
5.3.1 实验设置 |
5.3.2 运动估计误差对比 |
5.3.3 跟踪结果与分析 |
5.4 本章小结 |
第六章 多目标跟踪系统设计与实现 |
6.1 系统的设计 |
6.1.1 数据输入模块 |
6.1.2 模型部署模块 |
6.1.3 视频跟踪模块 |
6.2 系统的功能和流程 |
6.2.1 登录和注册 |
6.2.2 系统配置和跟踪功能 |
6.3 系统的运行演示 |
6.3.1 注册和登录界面演示 |
6.3.2 主界面配置和跟踪演示 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 本文工作总结 |
7.2 未来工作展望 |
参考文献 |
致谢 |
(10)嵌入式目标检测平台架构设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状及分析 |
1.3 论文的内容及章节安排 |
第二章 相关技术 |
2.1 中心服务端相关技术 |
2.1.1 前端相关技术 |
2.1.2 后端相关技术 |
2.2 嵌入式端相关技术 |
2.3 模块间通信技术 |
2.4 目标检测相关算法 |
2.4.1 SSD算法 |
2.4.2 YOLO算法 |
2.4.3 相关分类网络 |
2.5 本章小结 |
第三章 嵌入式目标检测平台架构设计 |
3.1 嵌入式目标检测场景需求分析 |
3.2 嵌入式目标检测平台架构 |
3.3 嵌入式目标检测平台分模块设计 |
3.3.1 目标检测平台中心服务端 |
3.3.2 嵌入式目标检测端 |
3.3.3 平台辅助服务端 |
3.4 模型、文件和参数推送模块设计 |
3.5 设备快速部署模块设计 |
3.6 检测结果评估模块设计 |
3.7 训练测试模块设计 |
3.8 其它功能模块设计 |
3.9 本章小结 |
第四章 嵌入式目标检测平台实现 |
4.1 嵌入式目标检测平台接口设计 |
4.1.1 平台中心服务端微服务接口 |
4.1.2 嵌入式目标检测平台实体存储格式 |
4.1.3 中心服务端SofaRPC服务接口 |
4.1.4 目标检测视频流地址格式 |
4.1.5 MQTT上传与下发消息格式 |
4.1.6 模型、配置文件存储地址 |
4.2 嵌入式目标检测平台分模块功能测试 |
4.2.1 目标检测平台中心服务端 |
4.2.2 嵌入式目标检测端 |
4.2.3 平台辅助服务端 |
4.3 模型、文件和参数推送模块实现 |
4.4 设备快速部署模块实现 |
4.5 检测结果模块实现 |
4.6 训练测试模块实现 |
4.7 其他功能模块实现 |
4.8 本章小结 |
第五章 系统验证 |
5.1 平台部署 |
5.2 公交站台场景验证 |
5.2.1 场景概述 |
5.2.2 平台应用 |
5.3 车内拥挤度场景验证 |
5.3.1 场景概述 |
5.3.2 算法设计 |
5.3.3 实验结果分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
附录 |
致谢 |
四、细胞图像中一种具有类别选择功能的标识算法(论文参考文献)
- [1]智慧标识网络中边缘计算服务的任务卸载和资源适配研究[D]. 李雪靖. 北京交通大学, 2021
- [2]基于三维辐射传输模型的植被反射率模拟及其生物光学参数反演[D]. 甄治钧. 吉林大学, 2021(01)
- [3]基于多物理场耦合的膝关节炎仿生辨识研究[D]. 吴佳南. 吉林大学, 2021(01)
- [4]基于视觉检测与定位的快速路车辆异常行为识别[D]. 朱栋栋. 北京邮电大学, 2021(01)
- [5]视频图像序列下的多细胞识别与跟踪技术研究[D]. 吴迪. 中国矿业大学, 2021
- [6]基于深度学习的车辆信息检测与识别方法研究[D]. 冯加明. 辽宁科技大学, 2021
- [7]基于深度学习的轮胎压印字符识别研究[D]. 张晨梦. 南京邮电大学, 2021
- [8]基于交通出行的语音识别系统的设计与实现[D]. 郭正. 北京邮电大学, 2021(01)
- [9]结合实例分割的多目标跟踪研究及系统实现[D]. 蒋欣欣. 北京邮电大学, 2021(01)
- [10]嵌入式目标检测平台架构设计与实现[D]. 胡皓翔. 北京邮电大学, 2021(01)