行李安检禁限带物品识别多标签图像分类算法

有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度,提升旅客行李安检作业效率。文章采用图像多标签分类的深度卷积神经网络,通过引入图像注意力机制与动态元融合,能够在卷积前向传递过程中补充低层图像视觉线索,有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题,增强对细粒度特征的识别能力;同时,引入外部神经知识的元选择网络,实现网络多阶段预测的自适应融合,以避免权重偏置现象。实验结果表明,文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难,有效提高识别准确率。     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型.该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络.在该网络中使用LSTM(Long Short-Term Mem...     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络(Long Short-term Memory Network,LSTM)对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型(VP-LSTM).该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场...     

基于Attenton-LSTM神经网络的船舶航行预测

航行预测是无人艇关键技术之一。航行问题复杂度较高,传统的预测算法无法满足当前需求。为此,提出一种基于注意力机制-长短期记忆(Attention-Long Short Term Memory,Attention-LSTM)的多维船舶航行预测算法,结合船舶自动识别系统(Automatic Identification Systerm,AIS),采用注意力机制突出对船舶航行起关键作用的输入特征,实现对船舶未来时刻经度、纬度、航向、航速的预测。以成山角海域真实数据为例,进行仿真对比实验,结果表明所提方法具有更好的精确性和鲁棒性。     

悠悠风情 弄潮浪子——2005版隆鑫LXl10-4XI（风之子）

当隆鑫LX110-4XI（风之子）诞生时，设计师们毫无疑问把目标瞄准了那些生活之余去体味速度的摩迷。风之子是隆鑫推出的一款运动风格的弯梁车型，融合了现代发动机的强悍和弯梁车的便捷操作，这是隆鑫设计师对弯梁车型的全新演绎。乍见风之子，它整洁、实用的线条和强劲的发动机吸引着人们的注意力，如图1所示。车身是深邃的蓝色，色彩沉稳但丝毫不感到花哨，带有黑色霸道字样的发动机侧盖构筑了简朴的外表，仿生的侧盖和尾罩设计让风之子感觉像一只敛翅的昆虫，一切都显得在紧凑中充满动感，这台完全按照仿生风格布置的摩托车显得鹤立鸡群，糅合各种仿生元素的风之子在自然的气息中散发着诱人的魅力。2005版风之子配备了110mL的单缸自动离合霸道款发动机，     

用天行者，行天下——天行者4．0导航软件测试

初识天行者是从3．05开始的。当时，市面上的导航产品并不多，灵图公司的天行者最大的特点是可以语音导航：要盯着屏幕看．不会分散注意力，更利于安全行车。天行者的导航设备是ASUS笔记本计算机＋LILIPUT 7”619GL-70NP／C显示屏＋RIKALINF CF 6021 GPS。     

弯道见解：全新奔腾B70

聆听着轮胎的尖叫，双手紧握着方向盘，时刻保持注意力高度集中，在每一个弯道酣畅淋漓地驾驶着车辆。全新奔腾B70在天门山的每一个弯道都留下了让人久久回味的身影。     

谨防不良心理状态影响行车安全

一要谨防兴奋心理。有的驾驶员遇到高兴事情的时候,情绪亢奋、手舞足蹈、得意忘形,注意力完全不在驾驶车辆上或兴奋地盲目开快车,这很容易引发意外。     

基于深度学习的公路货车车型识别

为判断公路货车车型，并提升货车车型识别的速度与精度，提出基于深度学习的方法对公路货车及其轮轴进行精细化目标检测；采用道路监控拍摄和网络爬取的方式获得了16 403张公路货车侧方图像，建立了货车侧方图像数据集，并采用Retinex理论和加入限制对比度的自适应直方图均衡化(CLAHE)等视觉增强方法预处理所采集图像中的光照不均图像和夜视图像；通过理论分析和对比试验选取单阶段检测网络YOLOv3作为公路货车车型识别的目标检测网络，并从调整先验框和模型输入大小以及引入注意力机制3个方面优化了检测模型；针对单帧图像可能同时出现多辆货车的情况，采用基于目标位置信息挖掘的算法分析了货车与轮轴的位置信息，提出一种通过轮轴中心点与货车预测框位置信息判定公路货车与轮轴隶属关系的方法。研究结果表明：图像经过预处理可显著增强车辆的特征信息，优化后检测模型的网络性能得到提高，通过对目标位置信息的挖掘与利用可以很好地解决货车车型判定问题；优化后的检测模型实时检测速度可达47帧·s^-1,对公路货车车型的识别综合准确率达到了94.4%。该方法实现了对公路货车车型的无接触、快速和准确识别，为公路货...