ISSN 1673-0291 CN 11-5258/U
随着深度学习技术的迅速发展，语义分割算法在性能提升的同时依赖于大规模成对图像数据及其耗时耗力的像素级标注.人工制作的合成图像以规模大、易标注的特点，替代真实图像有效降低了训练成本.然而，合成图像与真实图像的域间差异性降低了分割网络的泛化能力.针对域间差异问题，研究者提出域适应语义分割（Domain Adaptive Semantic Segmentation，DASS）算法.该算法通过提取合成图像与真实图像的跨域共享知识，减小域间差异，提升分割网络在真实图像上的泛化能力.本文根据网络结构对主流DASS算法进行分类，分析了不同算法的性能对比结果，并提出未来研究方向.研究结果表明：早期的DASS算法利用生成对抗网络对齐源域和目标域的边缘分布，但网络结构复杂，并且只能实现两域的全局对齐，无法实现不同类别之间的精细对齐，性能较低；后续算法逐渐转向自训练网络结构，利用预训练的分割网络在目标域生成伪标签，为下一轮训练提供监督，结构简单，性能表现优于早期算法；随着Transformer网络的出现，其强大的特征提取能力进一步提升了DASS算法的准确性.
语义分割在诸多现实领域有丰富的应用，但是其训练过程需要大量像素级别标注图像，训练成本较高.半监督语义分割可以在仅使用少量标注图像和大量无标注图像的情况下进行训练，更贴近现实场景，受到国内外的广泛关注.本文分析和总结了近年基于深度学习的半监督语义分割的相关研究，对现有方法进行分类讨论.首先，介绍了半监督语义分割中使用最广泛的基准数据集，以及常用的实验设定和评价指标.其次，从基于对抗学习、基于多网络架构、基于多阶段架构以及单阶段端到端架构4个方面对基于深度学习的半监督语义分割算法进行了梳理和归类.再次，在不同数据集主流基准下对多种代表性方法进行公平对比实验.最后， 从基础模型结构、单阶段端到端方法的潜在能力、有标签数据的长尾分布问题以及与先进大模型结合等方面，对半监督语义分割任务面临的挑战以及可能的未来研究方向进行了讨论.
图文跨模态检索作为跨模态计算研究的一个核心课题，一直受到学术界和工业界的高度重视.在过去的几十年里，随着深度学习技术的发展，特别是深度神经网络、Transformer架构以及图文对比学习等关键技术的广泛应用与革新，图文跨模态检索领域取得了显著的进展和突破.本文在系统梳理图文跨模态检索的发展轨迹的基础上，重点关注其建模过程中的5个关键步骤，即训练数据准备、数据输入形式设计、图文特征抽取机制的选择、图文建模方法的选择以及优化目标的确立.为客观评估现有模型在跨模态检索任务上的性能水平，在多个权威的标注评测数据集上比较各类模型的表现，以揭示当前跨模态检索方法的实际效能边界.通过对各关键步骤发展历程的分析与总结，结合当前图文跨模态检索领域的研究成果，对未来跨模态学习的发展趋势做出预测与展望.研究结果表明：尽管当前的图文跨模态检索技术已取得显著进步，但仍存在进一步提升的空间和潜力，研究者可从精细化检索、经济的预训练方法、新的图文交互方式、AIGC赋能的图文预训练4个方向进行改进.
真实雾气不均匀分布的特点会导致基于合成数据集训练的网络对真实雾气下拍摄的图像的复原质量不佳.此外，现有去雾模型较大的网络参数量会影响去雾的实时性.针对这两个问题，提出一种参数量较低的基于编解码多尺度特征优化的图像去雾算法以去除真实场景下图像的雾气.首先，在编码部分利用跨通道上下文注意力隐式地建模像素间的关系，以恢复去雾后图像中物体的结构.然后，设计信息调节子网弥补编码器遗漏的浅层信息，解决细节恢复粗糙的问题.最后，在解码部分设计特征矫正子网，采用相减式残差结构减少噪声，保证输出结果的正确性.在多种真实雾数据集上，对所提方法的普适性进行实验.实验结果表明：在REVIDE真实雾数据集中，与MSBDN方法相比，所提方法在参数量降低46%的基础上获得了PSNR 1.25dB的提升；在O-Haze、I-Haze以及RTTS多种室内外真实雾测试集中，与其他去雾方法相比，所提方法都取得了更好的PSNR结果和视觉效果.
X光扫描是对安检过程中通过的包裹进行违禁品检查的重要成像手段，而传统的人工识图方式具有效率低、易受主观因素影响等缺陷.为推动违禁品自动识别技术的发展，从数据、任务和方法3个层面对X光图像识别特性递进分析.在数据层面，通过对X光与可见光的数据和数据集分别进行对比，揭示了X光安检图像在数据上的独特性.在任务层面，从数据特性、行业监管和实际业务要求等多个维度深入分析X光安检图像目标识别任务的复杂性.在方法层面，基于数据与任务特性，对现有X光安检图像目标识别的特定方法策略进行归类和简述.研究结果表明：X光安检图像目标识别技术需要应对数据特性导致的困境，适应行业监管的变化，处理安检对象特点的差异，以及满足细粒度的监管要求；在应对部分特性带来的挑战时，数据预处理、数据扩充、重叠遮挡处理和多视角融合等有效策略被提出，并存在可能的提升空间和拓展方向.研究结果能够为本领域研究人员提供参考和启发，以更好地满足持续变化的安检任务要求.
针对伪装目标检测任务中存在检测精度有限的问题，通过引入双主干网络增加差异化信息，提出一种双主干伪装目标检测网络（Dual Backbone Network，DBNet）.设计了双主干特征融合模块、边缘注意力模块和逐级细化模块.双主干特征融合模块将Res2Net50和PVT v2对原始图像提取的多级特征进行有效融合，获取丰富的全局上下文信息和局部上下文信息；边缘注意力模块根据生成的边缘预测图进一步计算边缘注意力图，使网络更加关注伪装目标的边缘细节；在逐级细化模块中，上一层的预测图和特征与当前层的特征依次经过粗预测细化结构和交叉查询注意力结构，该模块在标签监督下能够提供逐渐精确和细化的预测结果.研究结果表明：在CAMO数据集，DBNet的 、 和 分别为0.877、0.838和0.932，MAE为0.042；在COD10K数据集，DBNet的MAE和 分别为0.022和0.932；在NC4K数据集， 和MAE分别为0.843和0.031.所提网络DBNet的检测性能优于其他23个伪装目标检测网络，所设计的3个模块能够有效提升网络对伪装目标的检测能力.
人体图像精细化解析旨在为输入的人体图像进行像素级分类，属于细粒度的图像语义分割任务，由于具有广阔的应用场景，在近10年受到了研究者的关注，相关技术得以迅速发展.本文重点研究现有人体图像解析精细化模型对人体图像语义边缘的预测性能.首先，总结现有人体图像数据集，对比数据集在规模和标注类别方面的差异；其次，根据模型原理性差异，从通用图像语义分割、辅助信息引导、高分辨率特征增益和标签降噪4个方面对现有人体解析方法进行梳理和分类；再次，针对现有评估指标对于语义边缘区域预测能力敏感度不足的问题，构建新的评估指标，即平均边缘交并比（mean Boundary Intersection over Union，mBIoU），并用于对现有模型的评估，从数值上对比各方法的性能差异；最后，展望了人体解析未来的发展方向.研究结果表明：平均边缘交并比相较于现有指标能够更好地区分模型在语义边缘区域预测性能的差异，对人体图像精细化解析模型解决人体解析任务特有挑战的能力具有良好的评估作用，有利于未来算法的开发与性能评估.
当地铁站内乘客出现异常行为时，若未能及时发现可能会引起乘客不满、投诉，甚至导致安全问题，从而影响运营效率，造成恶劣影响.而当前常用的盯控视频画面的方式存在容易遗漏和效率低的问题.为及时感知异常行为，提出一种云边协同的异常行为感知总体架构.首先，通过人工演绎的方法在地铁站内采集异常行为图像，构造包含11种异常行为的数据集；其次，针对边/端侧能够自主训练和推理但算力较小的特点，提出模型压缩算法，构建MINI-BLOCK模块并将其组合为i-C2f模块，用于替换YOLOv8中的C2f模块；再次，针对云侧计算资源集中的特点，分别构建2个基于YOLOv8的改进模型，即ModelA和ModelB，ModelA的架构为“DCNv2_Dynamic-BiFPN-EMA”，ModelB的架构为“DCNv2-BiFPN-EMA”；最后，在构造的数据集上，对提出的3种优化模型与YOLOv8进行对比实验.研究结果表明：相较于YOLOv8，3种优化模型均取得了更优的检测性能，边/端侧模型的精确率提升了1.0%，模型参数降低了4.7%；ModelA的召回率、mAP50、mAP50：95分别提升了2.2%、3.7%、2.9%；ModelB的召回率、mAP50、mAP50：95分别提升了5.8%、6.7%、2.8%.研究结果能够为地铁乘客异常行为感知的相关研究提供参考.
在实际的隐写分析应用场景中，待测隐写算法大多是未知的，难以获得足量带标记的样本，从而导致隐写算法失配问题.为提升在隐写算法未知且仅有少量标记图像时隐写分析的检测性能，提出新型隐写分析网络BTONet.首先，提出结合瓶颈注意力机制的改进SRNet，即BAMSRNet，作为BTONet的特征提取模块，从空间维度和通道维度对纹理区域进行关注，解决小样本环境下直接使用SRNet会导致检测性能不佳的问题，在带标记图像数量极少的情况下提取有辨识性的特征.然后，将正交投影损失和交叉熵损失有机结合，从特征和预测标签2个角度强化不同类别之间的正交性，提升分类模块的性能.最后，在隐写算法失配的情况下，将BTONet与4个经典空域深度隐写分析算法进行检测准确率、训练时长、测试时长和算法稳定性等方面的比较，并进行消融实验.实验结果表明：相较于目前先进的基于深度学习的隐写分析方法，BTONet在小样本环境下能够取得更优的检测性能，检测性能提升了1.02%~10.35%；同时取得了极佳的稳定性，将检测准确率方差降低至其他隐写算法的1/60~1/20.
尽管隐写分析在实验室环境下取得了显著的进步，但是在实际应用中，由于训练集和测试集的载体来源、隐写算法和嵌入率经常不同，导致隐写分析器性能下降，这种现象称为失配，严重阻碍了隐写分析的实际应用.因此，对目前面向失配问题的主要隐写分析方法进行了分析与总结.根据解决失配问题的思路，将现有失配隐写分析方法分为3类，即设计训练集、取证辅助和无监督领域适应，并对各类方法进行梳理和对比.基于对比结果，探讨了当前基于无监督领域适应的深度隐写分析模型面临的挑战以及未来的发展方向.研究结果表明：基于无监督领域适应的深度隐写分析模型是目前解决失配问题的最有效方案，领域对齐、中间域桥接、对抗学习等是设计该类深度隐写分析模型的主流思想；引入类别等细粒度信息以提高基于无监督领域适应的深度隐写分析模型的性能是未来研究的方向；针对不平衡样本及单/小样本等更恶劣的失配问题的解决方案仍待进一步探索.
在高速铁路场景下，准确估计和跟踪无线电信号的波达方向（Direction of Arrival， DOA）能够有效提升无线通信服务质量.然而，高速移动的无线信道具有快速时变特性，对信号处理的速度和准确性提出了更高的挑战.针对传统的基于信号子空间的DOA估计算法，由于巨大的计算量而无法应用于高速铁路快速时变系统中进行DOA跟踪的问题，提出了基于卡尔曼滤波和正交压缩近似投影子空间跟踪（Kalman Filter-Orthonormal Projection Approximation and Subspace Tracking of deflation， K-OPASTd）的DOA算法.首先，搭建基于云平台的铁路信号动态测向系统；然后，建立列车接收信号模型，提出K-OPASTd算法对DOA进行动态跟踪；最后，将本文提出的算法与OPASTd算法所得到的估计角度的均方根误差进行仿真对比实验.研究结果表明：信噪比均为10 dB时，本文所提算法的均方根误差比OPASTd算法低约60%；阵元均为20时，K-OPASTd算法的均方根误差比OPASTd算法低约80%.
隧道内组网是实现隧道施工领域智能建造的前提条件.针对当前单一的通信方式无法有效应对隧道施工设备复杂化的问题，同时考虑到隧道施工智能化系统的多样性，提出一种异构网络融合的组网方案以实现规范化和统一化的数据链路.首先，提出基于射线跟踪法的骨干网络构建方案，根据场强与带宽的对应关系确定中继点的部署安装位置，并针对无线Mesh网络节点间消耗资源较大的问题，提出隧道一维线性场景下自愈网络部署方案.然后，提出基于微服务思想的异构网络动态切换方法，设计感知计算一体化终端，并对感知端高频数据、视频数据传输进行了现场实测.最后，针对移动终端在隧道组网中无法及时进行漫游切换、长时间处于低效连接的问题，通过揭示在一维隧道场景中不同可接入点间信号的传播规律，提出自适应主动漫游切换算法，并在施工现场进行双向通信实验验证.实验结果表明：正、反向通信带宽相较于所提漫游切换算法应用前分别提高了7.82%和40.75%，证明算法具有有效性和实用性.研究结果可以为实现隧道智能建造提供参考.
为实现网络控制系统（Networked Control Systems，NCS）中重放攻击的检测，在现有研究利用物理水印检测重放攻击的启发下，设计了利用主动丢包对重放攻击进行实时检测的方法.首先，在理论层面上，利用系统输出的残差构建检测函数，并通过受攻击前后检测函数的变化，证明该检测方法的有效性.然后，以一辆四轮汽车为被控对象，比较车辆受攻击前后速度与检测函数的变化.最后，综合考虑车辆对重放攻击的检测结果与速度跟踪结果，确定车辆的最优主动丢包率的范围区间.结果表明：加入主动丢包前，车辆受到重放攻击时，速度会发生剧烈变化而检测函数几乎没有变化；加入主动丢包后，车辆受到重放攻击时，速度剧烈变化的同时检测函数也产生了剧烈的变化；主动丢包率为12%~16%时，系统既能够准确地检测出重放攻击，又能够保证车辆平稳行驶，为后续的重放攻击检测研究提供了参考.
针对现有研究寻找数据流最佳排序这一过程本身花费时间过多，没有工程可行的寻找最佳排序的有效方法的问题，提出基于深度强化学习的流排序和调度框架PSNDRL.该框架包括3个关键模块，即创建时间触发（Time-Triggered，TT）流之间关系图的预处理模块、挖掘和量化TT流之间复杂的相关关系并选择概率值最高的TT流的代理模块、进行TT流调度和奖励计算的环境模块，利用图卷积网络和强化学习从大量的TT流中智能探索流特征以及流之间的复杂相关关系对基于可满足性模理论（Satisfiability Modulo Theories，SMT）流调度算法求解时间的潜在影响.通过训练该框架，学习得到一个高效率的TT流策略排序网络，用于在利用SMT流调度算法调度TT流时进行TT流选择.通过与随机排序和基线排序方法进行对比，验证PSNDRL的有效性.结果表明：与随机排序方法的总调度时间、基线排序方法的最大总调度时间相比，PSNDRL的总调度时间分别减少了24.63%和25.95%.所提框架为提高时间敏感网络（Time Sensitive Networking，TSN）流调度效率的研究提供了新的方向.
为解决许多关键节点识别算法在评估网络节点重要性时，忽视节点与其邻居节点间的相互关系，导致对网络鲁棒性和脆弱性的评估结果不准确的问题，提出一种改良的局部加权密度度量方式CPR-WCCN，旨在以较低的计算成本准确识别复杂网络中的关键节点. 首先，借助节点间的最短路径长度和数量，定义节点间的通信概率序列.其次，通过结合通信概率和相对熵（Communication Probability and Relative Entropy，CPR），将传统的二元邻接矩阵转化为网络归一化相关矩阵.再次，结合加权聚类系数和邻居节点的影响（Weighted Clustering Coefficients and Neighbor Influence，WCCN），得到改进的考虑邻居影响的局部加权密度. 最后，为验证CPR-WCCN算法的效果，在故意攻击和随机攻击下进行模拟实验，利用传播模型在4种实际网络上对CPR-WCCN与其他5种算法进行对比分析.实验结果表明：当网络遭受故意攻击，导致前15个关键节点失效时，网络的连通性、效率、最大连接子图以及自然连通性等关键指标较随机攻击出现了更显著的下降；相较于其他5种算法，CPR-WCCN算法表现出最优的整体性能，能够准确且高效地识别出网络中的关键节点.
为解决现有研究未充分考虑诊断模型在不同转辙机数据样本条件下的适用性，且单一诊断方法难以满足故障诊断精度与决策要求的问题，提出一种考虑样本多样性的故障诊断决策模型.首先，从ZYJ7电液转辙机8种故障模式和正常模式所对应的油压曲线中分别提取时域、频域、时频域特征量，采用基于核函数的主成分分析法对3个域内的特征量分别降维，得到每个域的特征矩阵，进而构成不同类型的数据样本.然后，基于PSO-KNN、SA-PSO-PNN、PSO-SVM算法构建决策模型.当样本是一般数据样本时，决策模型采用3种算法分别做同一域数据分类，并对同一域各算法诊断结果进行三取二表决，分别得到每一域诊断结果；当样本是大数据样本、不均衡数据样本时，决策模型根据不同样本特点采用3种算法中的推荐算法得到每一域诊断结果.最后，利用决策模型对各域诊断结果进行三取二表决得到最终诊断结果.仿真结果表明：与单一诊断算法相比，决策模型在大数据样本下，平均准确率提升1.01%；在不均衡数据样本条件下，决策模型的平均准确率提升12.82%；在一般数据样本下，决策模型平均准确率提升6.18%.决策模型通过结合多域的多维特征与各算法特点提高了诊断精度，为集成学习在转辙机故障诊断领域应用提供了一种思路.
三线圈结构能够有效提升无线电能传输（Wireless Power Transfer，WPT）系统传输距离.S/S/S拓扑因简单实用而广泛应用于三线圈WPT系统，但传统的完全补偿方法令各线圈自感与补偿电容形成串联谐振，受线圈耦合及负载条件影响，系统无法在不同工况下均达到最佳传输效率.针对这一问题，提出一种非完全补偿的S/S/S拓扑参数配置方法.首先，通过对传统补偿方法分析，阐明了完全补偿时系统效率不佳的原因.然后，以线圈传导损耗最小为目标，采用非线性规划方法对中继和接收线圈补偿参数进行优化，同时匹配发射线圈最佳补偿参数以减小功率器件开关损耗.最后，通过仿真分析得到采用非完全补偿方法时的系统特性，揭示系统效率提升的内在机理，并以输出功率为1 kW的三线圈WPT系统为例开展实验研究.结果表明：与完全补偿方法相比，采用所提非完全补偿方法的系统AC-AC效率提高5.183%、输入电压降低85.3%；与中继线圈切换方法相比，AC-AC效率提高4.214%；所提方法能够实现逆变器功率器件的软开关和系统最优效率，增强三线圈WPT系统的实用性.
为实现双馈异步电机定子绕组匝间短路的早期故障诊断，提出一种基于转子电流特征频率分量的故障诊断方法.首先，通过分析故障后电机的电磁特性，得到故障后转子电流中会产生特征频率分量的结论.然后，通过对转子单相电流进行特殊的相移构造出三相电流，并对该组电流进行d-q变换，利用理论推导证明d-q变换后的直流分量幅值能够反映特征谐波的大小，将直流分量作为故障特征量进行双馈异步电机匝间短路故障的诊断.最后，依据有限元法建立故障前后电机的仿真模型，对不同工况下故障特征量的变化进行研究.结果表明：基于d-q理论提取的故障特征量与定子绕组的短路匝数呈正相关，且在转速变化和电压不平衡时也可有效诊断出匝间短路故障；通过设置合理的故障阈值可实现对双馈异步电机定子绕组匝间短路故障的精确辨识.研究结果可以为电机绕组匝间短路故障诊断提供参考.
