留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

2021年 第2期

科研论文
基于线性核主成分分析和XGBoost的脑电情感识别
董寅冬, 任福继, 李春彬
2021, 48(2): 200013. doi: 10.12086/oee.2021.200013
摘要:
本文通过引入线性核的主成分分析和极端梯度提升(XGBoost)模型,给出了一种连续视听刺激下脑电(EEG)情感四分类识别算法。为体现适普性,文中使用传统的功率谱密度(PSD)作为脑电信号特征,并结合XGBoost学习得到weight指标下的特征重要性度量,然后使用线性核的主成分分析对经阈值选择的重要特征进行处理后送入XGBoost模型进行识别。通过实验分析,gamma频段在XGBoost模型识别的参与重要度明显高于其他频段;另外,从通道分布上看,中央、顶叶和右枕区相对于其他脑区发挥着较为重要的作用。本文算法在所有被试参与(SAP)和被试单独依赖(SSD)两种识别方案下的识别准确率分别达到78.4%和92.6%,相对其他文献的识别算法取得了较大的提升。本文提出的方案有助于改善视听激励下脑机情感系统的识别性能。

基于改进双流卷积递归神经网络的RGB-D物体识别方法
李珣, 李林鹏, AlexanderLazovik, 王文杰, 王晓华
2021, 48(2): 200069. doi: 10.12086/oee.2021.200069
摘要:
为了提高基于图像的物体识别准确率,提出一种改进双流卷积递归神经网络的RGB-D物体识别算法(Re-CRNN)。将RGB图像与深度光学信息结合,基于残差学习对双流卷积神经网络(CNN)进行改进:增加顶层特征融合单元,在RGB图像和深度图像中学习联合特征,将提取的RGB和深度图像的高层次特征进行跨通道信息融合,继而使用Softmax生成概率分布。最后,使用标准数据集进行实验,结果表明,Re-CRNN算法的RGB-D物体识别准确率为94.1%,较现有基于图像的物体识别方法有显著的提升。

基于单样本学习的多特征人体姿态模型识别研究
李国友, 李晨光, 王维江, 杨梦琪, 杭丙鹏
2021, 48(2): 200099. doi: 10.12086/oee.2021.200099
摘要:
随着人机交互、虚拟现实等相关领域的发展,人体姿态识别已经成为热门研究课题。由于人体属于非刚性模型,具有时变性的特点,导致识别的准确性和鲁棒性不理想。本文基于KinectV2体感摄像头采集的骨骼信息,结合人体角度和距离特征,提出了一种基于单样本学习的模型匹配方法。首先,通过对采集的骨骼信息进行特征提取,计算关节点向量夹角和关节点的位移并设定阈值,其次待测姿态与模板姿态进行匹配计算,满足阈值限定范围则识别成功。实验结果表明,该方法能够实时的检测和识别阈值限定范围内定义的人体姿态,提高了识别的准确性和鲁棒性。

双拓扑绝缘体介质界面的反射波极化调控特性
翟治珠, 王明军, 吴必园
2021, 48(2): 200102. doi: 10.12086/oee.2021.200102
摘要:
本文对两种三维强拓扑绝缘体分界面的反射极化现象进行了研究,得到了线偏振光完全转化的普适性充要条件。通过分析分界面的直接反射率、交叉反射率以及极化转化率,发现该模型利用现有的拓扑绝缘体材料就可以实现线极化波的完全转变,突破了需要新的较小介电常数的拓扑绝缘体材料才能完全转化的限制。该转化过程可以利用克尔旋转角进行验证,并给出了实现超强角稳定性的极化转化器件的设计思路。这为拓扑绝缘体在极化器件方面的应用提供了理论依据。

介电润湿液体透镜仿生复眼的设计与仿真
赵瑞, 彭超, 张凯, 孔梅梅, 陈陶, 关建飞, 梁忠诚
2021, 48(2): 200120. doi: 10.12086/oee.2021.200120
摘要:
为解决仿生复眼系统不能自适应变焦的问题,提出了一种基于介电润湿液体透镜曲面阵列的可变焦仿生复眼系统。分析系统结构对成像性能的影响,计算系统的自适应变焦能力及相应像平面可移动范围。结果表明:系统成像的视场角随着基底曲率的增大而增大。相比于非均匀透镜阵列,均匀透镜阵列可明显降低系统的离焦像差。适当减小子透镜单元尺寸,也可以达到降低边缘透镜离焦像差的目的。当物距或者接收器位置发生改变时,通过调整子透镜单元焦距降低系统的离焦像差。系统接收器可移动范围为1.9 mm~15 mm。

基于B样条函数的快速波前复原
陈浩, 魏凌, 李恩德, 何益, 杨金生, 李喜琪, 樊新龙, 杨泽平, 张雨东
2021, 48(2): 200160. doi: 10.12086/oee.2021.200160
摘要:
从斜率复原波前是夏克-哈特曼波前传感器这一类斜率采样探测器的核心流程。传统的复原算法中,区域法对局部波前的复原效果好,但易受斜率噪声的影响,同时空间分辨率较低;模式法抗噪能力强,但没有精确复原局部波前的能力。本文提出了基于B样条函数的快速复原算法,将波前展开为B样条曲面的线性组合,并将复原问题从斜率最小二乘问题转化为泊松方程,利用斜率的Taylor展开式估计散度,再通过超松驰迭代法进行快速求解。该方法将B样条函数的理论散度积分和实际散度估计分离,可以方便地扩展到不同阶次和不同节点数量的B样条基复原算法中。另外,通过改变散度估计的计算区域,可以灵活控制并平衡算法的局部复原能力和抗噪能力。对变形镜驱动器响应函数的测量实验表明,该方法具有较好的局部复原能力、抗噪能力和任意精度的空间分辨率。

一种车辆识别代号检测和识别的弱监督学习方法
曹志, 尚丽丹, 尹东
2021, 48(2): 200170. doi: 10.12086/oee.2021.200170
摘要:
车辆识别代号对于车辆年检具有重要的意义。由于缺乏字符级标注,无法对车辆识别代号进行单字符风格校验。针对该问题,设计了一种单字符检测和识别框架,并对此框架提出了一种无须字符级标注的弱监督学习方法。首先,对VGG16-BN各个层次的特征信息进行融合,获得具有单字符位置信息与语义信息的融合特征图;其次,设计了一个字符检测分支和字符识别分支的网络结构,用于提取融合特征图中的单字符位置和语义信息;最后,利用文本长度和单字符类别信息,对所提框架在无字符级标注的车辆识别代号数据集上进行弱监督训练。实验结果表明,本文方法在车辆识别代号测试集上得到的检测Hmean数值达到0.964,单字符检测和识别准确率达到95.7%,具有很强的实用性。

基于YOLOv3和ASMS的目标跟踪算法
吕晨, 程德强, 寇旗旗, 庄焕东, 李海翔
2021, 48(2): 200175. doi: 10.12086/oee.2021.200175
摘要:
为了解决传统算法在全自动跟踪过程中遇到遮挡或运动速度过快时的目标丢失问题,本文提出一种基于YOLOv3和ASMS的目标跟踪算法。首先通过YOLOv3算法进行目标检测并确定跟踪的初始目标区域,然后基于ASMS算法进行跟踪,实时检测并判断目标跟踪效果,通过二次拟合定位和YOLOv3算法实现跟踪目标丢失后的重新定位。为了进一步提升算法运行效率,本文应用增量剪枝方法,对算法模型进行了压缩。通过与当前主流算法进行对比,实验结果表明,本算法能够很好地解决受到遮挡时跟踪目标的丢失问题,提高了目标检测和跟踪的精度,且具有计算复杂度低、耗时少,实时性高的优点。

一种车辆识别代号检测和识别的弱监督学习方法
曹志, 尚丽丹, 尹东
2021, 48(2): 200270. doi: 10.12086/oee.2021.200270
摘要:
车辆识别代号对于车辆年检具有重要的意义。由于缺乏字符级标注,无法对车辆识别代号进行单字符风格校验。针对该问题,设计了一种单字符检测和识别框架,并对此框架提出了一种无须字符级标注的弱监督学习方法。首先,对VGG16-BN各个层次的特征信息进行融合,获得具有单字符位置信息与语义信息的融合特征图;其次,设计了一个字符检测分支和字符识别分支的网络结构,用于提取融合特征图中的单字符位置和语义信息;最后,利用文本长度和单字符类别信息,对所提框架在无字符级标注的车辆识别代号数据集上进行弱监督训练。实验结果表明,本文方法在车辆识别代号测试集上得到的检测Hmean数值达到0.964,单字符检测和识别准确率达到95.7%,具有很强的实用性。

综述
可调谐手征超表面电磁特性研究进展
王金金, 朱邱豪, 董建峰
2021, 48(2): 200218. doi: 10.12086/oee.2021.200218
摘要:
手征超表面是由具有特定电磁响应的平面手征单元结构构成的超薄超材料,由于其具有自由控制电磁波的奇异能力而引起了极大的关注。通过在超表面设计中加入可调谐材料,可以实现其功能受外部激发控制的可调谐或可重构的超器件,为动态调谐电磁波开辟了新的道路。本文介绍了可调/可重构手征超表面电磁特性的一些理论基础,当线偏振光进入可调谐手征超表面时,会被分解为左旋圆偏振(LCP)波和右旋圆偏振(RCP)波,通过外部环境改变介质的介电常数和磁导率,超表面光器件可以动态地控制各种偏振光特别是圆偏振光的响应特性如折射率、二色性、旋光性、不对称传输等。按照可调谐手征超表面所控制的负折射率、圆二色性和旋光性、不对称传输性质,对其最新的研究进展进行了综述。最后,对可调谐手征超表面这一快速发展领域未来可能的发展方向和存在的挑战提出了自己的看法。
2021, 10(2): 1146-1149. doi: 10.1038/s41377-021-00533-6
摘要:
2021, 10(2): 1164-1184. doi: 10.1038/s41377-021-00551-4
摘要:
专题: 机器学习与物理
量子态制备及其在量子机器学习中的前景
赵健, 陈昭昀, 庄希宁, 薛程, 吴玉椿, 郭国平
2021, 70(2): 140307. doi: 10.7498/aps.70.20210958
摘要:
经典计算机的运算能力依赖于芯片单位面积上晶体管的数量, 其发展符合摩尔定律. 未来随着晶体管的间距接近工艺制造的物理极限, 经典计算机的运算能力将面临发展瓶颈. 另一方面, 机器学习的发展对计算机的运算能力的需求却快速增长, 计算机的运算能力和需求之间的矛盾日益突出. 量子计算作为一种新的计算模式, 比起经典计算, 在一些特定算法上有着指数加速的能力, 有望给机器学习提供足够的计算能力. 用量子计算来处理机器学习任务时, 首要的一个基本问题就是如何将经典数据有效地在量子体系中表示出来. 这个问题称为态制备问题. 本文回顾态制备的相关工作, 介绍目前提出的多种态制备方案, 描述这些方案的实现过程, 总结并分析了这些方案的复杂度. 最后对态制备这个方向的研究工作做了一些展望.