基于多尺度融合金字塔焦点网络的接触网零部件检测

作为高铁牵引供电系统的重要组成部分,接触网系统承担着向动车组传输电能的重要功能.实际工程运营表明,受弓网交互产生的持续冲击以及外部环境的影响,接触网支撑部件可能会出现“松、脱、断、裂”等缺陷,导致接触网结构可靠性下降,严重影响接触网系统稳定运行.因此,及时精确定位接触网支撑部件(CSCs),对保障高铁安全运行和完善接触网检修维护策略具有重大意义.然而,CSCs的检测通常面临着零部件种类多、尺度差异大、部分零部件微小的问题.针对以上问题,本文提出一种基于多尺度融合金字塔焦点网络的接触网零部件检测算法,将平衡模块和特征金字塔模块相结合,提高对小目标的检测性能.首先,设计了可分离残差金字塔聚合模块(SRPAM),用于优化模型多尺度特征提取能力、扩大感受野,缓解CSCs检测的多尺度问题;其次,设计了一种基于平衡特征金字塔的路径聚合网络(PA-BFPN),用于提升跨层特征融合效率和小目标检测性能.最后,通过对比试验、可视化实验和消融实验证明了所提方法的有效性和优越性.其中,所提的MFPFCOS在CSCs数据集上的检测精度(mAP)能够在达到48.6%的同时,实现30的FLOPs(Floating point operations per second),表明所提方法能够在检测精度和检测速度之间保持良好的平衡.

Miller金字塔递进式教学在社区护士岗位胜任力培训中的应用

目的探讨Miller金字塔递进式教学在社区护士岗位胜任力培训中的应用效果。方法选取64名社区护士作为研究对象,采用便利抽样法分为对照组和观察组,各32名。对培训前后2组护士岗位胜任力评分进行评估,比较培训后理论考核成绩、操作考核成绩及患者满意度。结果实施Miller金字塔递进式教学培训后,观察组岗位胜任力评分、理论及操作考核成绩高于对照组,差异有统计学意义(P<0.05)。观察组患者满意度为96.88%,高于对照组81.25%,差异有统计学意义(P<0.05)。结论采用Miller金字塔递进式教学可有效提升社区护士岗位胜任力水平及患者满意度,提升基层社区护理水平,满足社区患者健康需求。

Miller金字塔教学法对提高麻醉护士应急能力的效果评价

目的 探究Miller金字塔教学法对麻醉护士应急能力的影响。方法 选取2022年4月至2023年4月在南昌大学第二附属医院的60名麻醉护士为研究对象,将在2022年4-9月间接受传统教学法的护士作为对照组(n=30),将在2022年10月至2023年4月间接受Miller金字塔教学法的护士作为观察组(n=30)。教学结束后,采用自制的理论知识卷及操作技能评分表、中文版评判性思维能力测量表(CTDI-CV)、应急能力量表、教学质量评价表对2种教学方法进行效果评价。结果 接受教学后,观察组护士专业理论知识及操作技能考核成绩、教学质量满意度均高于对照组(P<0.05)。两组护士CTDICV评分、应急能力评分均升高,且观察组护士较对照组得分更高(P<0.05)。结论 Miller金字塔教学法可培养麻醉科护士的评判性思维,提高其专业能力、应急能力及教学质量满意度,其教学效果优于传统教学法。

结合Segformer与增强特征金字塔的文本检测方法

针对自然场景文本检测算法中的小尺度文本漏检、类文本像素误检以及边缘定位不准确的问题,提出一种基于Segformer和增强特征金字塔的文本检测模型。该模型首先采用基于混合Transformer(mix Trans-former,MiT)的编码器生成多尺度特征图;然后,在具有特征金字塔结构解码器的上采样部分,提出级联融合注意力模块,通过全局平均池化、全局最大池化和Ghost模块获取全局通道信息并保留文本特征;接着,在解码器的特征融合部分提出两级正交融合注意力模块,利用非对称卷积分别从水平和垂直方向进行信息增强;最后,利用可微分二值化对结果进行后处理。将本文方法在ICDAR2015、ShopSign1265和MTWI 3个数据集上进行实验,相比于其他8种方法,本文方法的F值均为最优,分别达到了87.8%、59.1%和74.8%。结果表明,本文方法有效提高了文本检测的准确率。

基于拉普拉斯金字塔残差网络的多尺度图像压缩研究

为了更好地进行图像重建,加强对图像多尺度特征表示和特征融合的处理,本研究提出一种新的多尺度特征融合图像重建网络模型。模型包括迭代降采样和迭代上采样过程。迭代降采样过程是通过在拉普拉斯金字塔残差控制网络模型中将高斯卷积核与子采样和高斯平滑滤波迭代操作规则相结合完成的。迭代上采样过程是通过使用拉普拉斯卷积核和二阶差分操作规则实现的。GJ-UNet深度学习网络模型通过其编码器下采样模块实现图像多尺度语义特征的精细分类,并在解码器上采样模块中应用反卷积和卷积操作规则,规范处理图像多尺度语义特征。实验表明,所提出的方法可以实现高精度的特征提取,同时对于图像特征融合的相关性更强,提取的图像边缘信息更清晰且相对噪声信息更低,重建图像的视觉效果基本与原始输入图像相同。本研究有望广泛应用于计算机图像视觉领域。

基于金字塔池化网络的质子交换膜燃料电池气体扩散层组分推理方法

针对质子交换膜燃料电池气体扩散层(gas diffusion layer composition,GDL)形貌划分与制备工艺改进问题,提出了一种基于金字塔池化网络(pyramid scene parsing network,PSPNet)与多层感知器(multi-layer perception,MLP)的气体扩散层组分识别与比例推理方法:首先将带标签的气体扩散层扫描电镜(scanning electron microscope,SEM)图片输入神经网络,得到特征图;得到的图像特征层进入金字塔池化模块后,获取SEM图像的深层和浅层特征;随后将深层和浅层特征图层融合输入全卷积网络(fully convolutional network,FCN)模块,得到预测图像;最后统计各个组分上的像素点比例,通过MLP完成组分比例推理。结果表明:所提方法组分识别像素准确率达81.24%;在5%偏差范围内,比例推理准确率为88.89%。该方法解决了气体扩散层多组分无法区分、比例无法获知的问题,可有效应用于气体扩散层的质检、数值重构以及制备工艺改进。

基于金字塔注意力机制的遥感图像超分辨率网络

针对超分辨率算法重建的遥感图像细节等信息丢失的问题,为保证遥感重建图像包含较多的纹理、高频信息,在生成对抗网络基础上提出一种基于金字塔注意力机制的遥感图像超分辨率网络。设计了一种全新的金字塔双重注意力模块,包括通道注意力网络和空间注意力网络。通道注意力网络中采用金字塔池化取代平均池化和最大池化,该结构设计从全局和局部信息角度出发增强特征表述能力;空间注意力网络则采用大尺度卷积,以加强局部信息的提取程度,可有效提取纹理、高频等信息。设计密集多尺度特征模块,利用非对称卷积提取不同尺度的特征信息,通过密集连接融合多层级尺度特征以加强纹理、高频等信息的提取精度。在公开的NWPU-RESISC45数据集上进行实验验证,实验结果分析表明,该算法在主观视觉效果和客观评价指标上均优于对比方法,重建性能相对较好。

基于改进鸽群算法和金字塔卷积的流量异常检测

针对网络流量中存在大量冗余特征以及机器学习方法检测准确率低的问题,提出一种基于改进鸽群算法(improved pigeon inspired optimizer,IPIO)和金字塔卷积网络(pyramid convolution neural network,PyConv)的流量异常检测方法.首先设计基于IPIO的特征选择方法,降低特征冗余性.通过计算特征集的信息增益率初始化鸽群提高种群质量,加快收敛速度;采用2阶段变异随机修改当前最优解的1个分量,在当前最优解的附近进行搜索,避免陷入局部最优.其次采用PyConv实现深度特征提取,PyConv设计以多尺度的卷积核提取不同大小的特征并进行融合得到新特征.最后通过Softmax分类器实现分类,提升流量异常检测的精度.在UNSW-NB15数据集上的实验结果表明,所提方法在提升准确率的同时显著地减少了冗余特征.

金字塔渐进融合低照度图像增强网络

针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型。网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合。通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像。结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然。

学习金字塔理论在临床医学专业“中医学”见习课的应用探索

目的:探索学习金字塔理论应用于临床医学专业“中医学”见习课四诊及针灸教学中的有效性。方法:将昆明医科大学临床医学专业2020级本科生使用抽签法随机分为实验组和对照组,实验组应用学习金字塔理论进行教学,对照组采用传统讲授练习式教学。通过师生双向问卷、理论和实践考核相结合的方法评价教学效果,对数据进行统计分析。结果:师生对基于学习金字塔理论的见习活动有更高的满意度,实验组学生理论及实践考核总分显著优于对照组,差异有统计学意义(P<0.05)。结论:将学习金字塔理论应用于临床医学专业学生的“中医学”见习课教学,可有效激发学生学习兴趣,大幅提高学生见习成效,建议在今后的教学活动中加以推广。

去伪影空洞残差与双向注意力金字塔增强的图像级联语义分割算法

针对ICNet空洞卷积引入网格伪影,金字塔池化模块难以充分融合不同尺度特征层间的上下文信息,同一尺度特征和跨尺度特征均交互不足的问题,提出去伪影空洞残差与双向注意力金字塔增强的图像级联语义分割算法。该算法提出去伪影空洞残差网络,消除空洞卷积引入的网格伪影,加强网络的表征能力;构建双向金字塔池化模块,沿自顶向下的路径将语义信息传递到低层,并沿自底向上的路径将位置信息传递到高层;构造注意力金字塔增强模块,创建自注意力、向上注意力、向下注意力机制,建立跨空间与跨尺度的特征交互。Cityscapes数据集上的实验结果表明,所提算法的总体精确率、平均像素精确度、平均交并比分别比ICNet提高了0.67%、5.58%、4.40%,而且该算法的以上3个评价指标均优于其它8种主流比对算法。

原位模拟联合Miller金字塔教学法提升临床护士应急能力

分析原位模拟+Miller金字塔教学法对于临床护士应急能力的提升作用。方法 选取本科室N0-N3级护理人员14名,提供ISS+Miller金字塔教学法的应用。在培训前后分别评价护士应急能力各个方面。结果 培训后,护士的专业理论知识、操作技能、评判性思维相比培训前均有很大进步(P<0.05),而且教学质量满意度水平很高。结论 应用原位模拟+Miller金字塔教学法可以有效提高临床护士的应急能力,培训效果显著,值得推广应用。

基于Miller金字塔能力模型的渐进式教学方案在外科护理实习中的应用

目的:探讨基于Miller金字塔能力模型的渐进式教学方案在外科护理实习生中的应用,为提升护理实习生综合素质能力提供一定的参考依据。方法:2022年10月~2023年6月,以在德阳市人民医院外科进行实习轮转的64名护理实习生作为研究对象,将护理实习生的实习名单进行排序,采取随机数字表的方法抽取单号为实验组,双号为对照组,实验组和对照组各32名。对照组采取传统常规式的教学工作,实验组采用基于Miller金字塔能力模型的渐进式教学方案,比较两组护理实习生岗位胜任力、专业知识能力和临床操作得分的情况。结果:在实施干预后,实验组护理实习生岗位胜任力、专业知识及操作得分均显著高于对照组护理实习生,差异具有统计学意义(P<0.05)。结论:基于Miller金字塔能力模型的渐进式教学方案能够提升外科护理实习生的岗位胜任力、专业知识及操作得分,值得推广应用。

“1+2+3+4+5”——经贸类课程教学的金字塔型新范式

随着数字经济的迅猛发展和社会的不断进步,高校经贸类课程的教学改革显得尤为迫切。为此,高校需要历经多周期、多人次的实践、改进和完善过程,始终“以学习者为中心”,并以ARCS模型作为理论基础,充分调动学习者的学习动机,进而达到提高学习效果、提升专业素养的目标。通过调研、培训和资料梳理,课题组从分析教与学的动机问题入手,运用混合式(书架)教学方法对独创的教学设计进行深度实施并展开科学评估,形成五个层次分阶段的金字塔型教学新范式。

学习金字塔理论下逆向多维法健康教育在糖尿病患者中的应用

目的探讨学习金字塔理论下逆向多维法健康教育在糖尿病患者中的应用效果。方法选取2021年2月—2023年2月宜兴市某三甲综合医院老年科收治的170例2型糖尿病患者为研究对象,依据简单随机数字表法将170例患者分为研究组(n=85)与对照组(n=85)。对照组接受常规健康教育,研究组在此基础上接受学习金字塔理论下逆向多维法健康教育。对两组干预前后遵医行为、血糖水平、心理状态、疾病认知情况和护理满意度进行比较。结果(1)干预后,研究组的积极运动率(96.47%)、规范作息率(95.29%)、科学饮食率(94.12%)、遵医用药率(98.82%)、血糖监测率(98.82%),分别高于对照组的88.24%、85.88%、84.71%、90.59%、89.41%,差异有统计学意义(P<0.05);(2)干预后,两组糖化血红蛋白、空腹血糖、餐后2 h血糖水平较干预前下降(P<0.001),且研究组低于对照组,差异有统计学意义(P<0.001);(3)干预后,两组焦虑情绪、人际敏感、抑郁情绪、敌对态度评分较干预前下降(P<0.001),且研究组低于对照组,差异有统计学意义(P<0.001);(4)干预后,两组疾病认知情况评分较干预前上升(P<0.001),且研究组高于对照组,差异有统计学意义(P<0.001);(5)研究组护理满意度(96.47%)高于对照组(88.24%),差异有统计学意义(P<0.05)。结论对2型糖尿病患者实施学习金字塔理论下逆向多维法健康教育,可改善其遵医行为,提升其疾病认知情况,调节其身心状态,利于保证其血糖控制效果,且患者满意度较高。

“Miller金字塔”理念下的分层教学法在血液透析规培护士带教中的应用探讨

随着我国医疗技术的飞速发展,血液净化领域的专业团队也在逐渐变得成熟,血液透析是当下临床上治疗慢性肾衰竭、急性肾衰竭的有效方式,在血液透析的基础之上进行血液净化的疗法,例如血液透析滤过、血液滤过、活性炭血液吸附等,在临床当中得到了广泛的应用,因此这也对血液透析的护理工作提出了更高的要求。对于规培护士来说,由于对工作内容的不熟悉,在工作期间很容易出现错误的操作而影响患者的治疗,因此需要对这些护理人员进行有效的培训,使其能够更好的承担血液透析治疗的护理工作。

基于图像金字塔的分维融合算法

数据融合是进行目标检测和识别的重要技术之一,但是在融合过程中不可避免地会产生信息损失。如何保留尽可能多的有用信息,关键在于融合算法的选取。由于图像金字塔中不同级的图像之间具有自相似性,而自相似性又是分形分维的基础。于是,根据图像金字塔的特点,提出了一种新的图像融合方法———基于图像金字塔的分维融合算法,将不同源图像分别分解成不同尺度的金字塔图像序列,在相应的尺度上以分形分维作为权系数进行融合,并采用中波红外和长波红外图像作为源图像进行融合实验, 实验结果表明该方法是可行的。

不产生精度截断及数据膨胀的图像金字塔

图像金字塔是处理和分析数字图像的重要工具。以图像金字塔为研究对象,旨在减小图像金字塔的存储量,同时解决恢复数据时的精度截断问题。从同一思想出发,提出了两种新的金字塔结构:类均值金字塔与类高斯金字塔;它们都是通过对子像素的简单运算来求得父像素,而这种运算不存在精度截断问题,也不需要额外的比特来保存小数。由于从父像素能够反推出它的子像素之一,所以,在存储金字塔时可以舍弃这部分子像素,从而使所需存储的像素数仅与原始图像相同。对精度、存储量以及构建速度的理论分析与实验结果表明,该金字塔结构具有优良的总体性能。

结合通道交互空间组注意力与金字塔池化的高分影像语义分割网络

高空间分辨率(高分)遥感影像中存在海量信息,因此对高分影像的语义分割研究十分重要。传统机器学习方法的语义分割精度和效率均不高,近年来,深度学习方法迅速发展,逐渐成为影像语义分割领域的常用方法,已有研究将SegNet、Deeplabv3+、U-Net等神经网络引入遥感影像语义分割,但效果有限。考虑高分影像的特性,对用于遥感影像语义分割的U-Net网络进行了改进。首先,在U-Net网络特征提取过程中使用通道交互空间组注意力模块(channel interaction and spatial group attention module,CISGAM),使得网络能够获取更多有效特征。其次,在编码过程中将普通卷积层变换为残差模块,并在U-Net的编码器和解码器之间用加入了CISGAM的注意力金字塔池化模块(attention pyramid pooling module,APPM)连接,以加强网络对多尺度特征的提取。最后,在0.3 m分辨率的UC Merced数据集和1 m分辨率的GID数据集上进行实验,与U-Net、Deeplabv3+等原始网络相比,在UC Merced数据集上的平均交并比(mean intersection over union,MIoU)分别提升了14.56%和8.72%,平均像素准确率(mean pixel accuracy,MPA)分别提升了12.71%和8.24%。在GID数据集的分割结果中,水体、建筑物等地物的综合分割精度大幅提升,在平均分割精度上,CISGAM和APPM较常用的CBAM和PPM有一定提升。实验结果表明,加入CISGAM和APPM的网络可行性与鲁棒性均较传统网络强,其较强的特征提取能力有利于提升高分辨率遥感影像语义分割的精度,为高分辨率遥感影像智能解译提供新方案。

一种基于形态金字塔的遥感影像融合方法及其性能评价

提出了一种基于影像形态金字塔分解的融合方法,并应用于IKONOS全色影像和多光谱影像的融合中。在构建金字塔时采用的形态滤波是非线性滤波,与线性滤波相比,它能更准确地定位边缘,更好地表现影像的空间细节信息。实验结果表明,基于形态金字塔的融合效果优于拉普拉斯金字塔和对比度金字塔。