改进YOLOv5s的遥感图像检测研究

针对遥感图像中目标排列紧密,背景复杂的问题,设计Transformer和卷积的双向交互模块(CTN)作为网络特征提取结构,使模型能够弱化背景噪声带来的干扰且能更好的捕获全局信息。其次,为了加强特征提取网络在复杂背景下的提取能力,构建了DenseBlock模块和ConvBlock模块,所设计的模块能增强模型在多目标下多尺度学习的能力,相比原网络能提取出更丰富的语义信息。最后对数据集中所有实例分布进行统计分析,其存在的许多小目标容易使原网络存在漏检误检的现象,针对这种情况,在检测头部分额外添加了一个检测头来缓解目标尺度变化带来的负面影响,同时去除对检测效果提升不明显的特征提取分支及检测分支,使用K-means++重新聚类得到最优锚框并分配至裁剪后的3个预测特征层。实验结果表明,改进的网络能有效改善遥感图像的漏检与误检的情况,在目标密集分布的情况下提升YOLOv5s的检测能力,改进的网络能更快收敛,均值平均精度(mean average precision, mAP)相比于原YOLOv5s算法提高了3.1%。

智能医疗形势下急救中心加强卫生人才队伍建设探讨

目的对智能医疗形势下急救中心加强卫生人才队伍进行探讨。方法对比急救中心利用智能医疗形势建设卫生人才队伍前后的各项相关指标水平、医疗人员对管理前后的满意度。结果加强管理之后急救中心的卫生人才质量显著改善(P <0.05),且卫生人员对改革建设后的满意度显著提高(P <0.05)。结论智能医疗形势下急救中心加强了卫生人才队伍的建设,取得了理想的结果,对医疗机构现存的卫生人才信息化不足、人性化服务水平低等问题进行了改善,同时也提高了卫生人员的专业水平和素质。

基于轻量级结构重参数化网络的口罩检测算法

常态化疫情防控形势下,火车站、地铁站等公共场所人群密集,容易发生病毒的传播。针对人群密集场所口罩目标较小、模型参数量大、难以部署的问题,提出一种改进的轻量级结构重参数化网络。在Retinaface算法上,使用双重级联金字塔网络替换原有的特征融合网络,增强特征信息,提高对小尺度目标的检测效果;同时使用结构重参数化网络RepVGG替换原有的MobileNet0.25主干网络,在模型训练时,通过残差结构提高模型特征提取能力,在模型推理时,通过模型结构重新参数化减少模型参数,提高推理速度。实验结果表明,本文算法在GPU上帧率达到92.59 fps,在自建数据集的3个不同等级的验证集上的平均准确率(mAP)达到94.17%、93.30%、86.88%,相比原始Retinaface算法分别提高了1.17个百分点、2.89个百分点、5.35个百分点,可以更好地在自然场景中进行口罩佩戴检测。

基于改进蚁群算法的移动机器人路径规划

针对传统蚁群算法存在效率低、收敛速度慢、易陷入局部最优解等问题,笔者提出一种改进的蚁群算法。该算法在启发函数中引入距离启发因子,使蚂蚁在路径搜索过程中具有导向性,使算法不易陷入局部最优解。研究结果表明,所提出的改进蚁群算法能够有效、快速地找到最优路径,而且路径质量优于传统蚁群算法规划出的路径。

轻量化超参数卷积神经网络的安全帽检测算法

目前工地安全帽检测任务中基于深度学习的安全帽识别方法由于底层特征缺少语义与全局信息,从而导致误检与漏检的情况发生。为在保证检测网络具备实时性的情况下,使得网络具有较高的监测性能,本文提出一种轻量化超参数卷积神经网络的安全帽检测算法。该算法以RFB-MobileNet网络为基础,在骨干网络中增加多频谱通道注意力网络(Frequency Channel Attention Networks,FcaNet),增强了网络对于不同尺寸目标特征的提取能力,大幅度提升了算法网络的检测精度,实现了常规施工环境下不同形态大小安全帽的识别。此外,本文将网络中感受野(Receptive Field Block,RFB)模块和FcaNet网络中的常规卷积替换为深度超参数化卷积(Depthwise Over-parameterized Convolutional,DO-Conv),在不增加计算复杂性的情况下,进一步提升模型的检测性能。实验结果表明,本文模型(DO-RFB-Mobilenet)的mAP较RFB-MobileNet的mAP提高了7.08%,检测精度达到74.27%,检测速度达到100帧/秒。

基于匹配提取和跨尺度特征融合网络的风云四号卫星影像超分辨率重建

针对风云四号卫星图像近红外和短波红外波段空间分辨率远低于相应的可见光波段的问题,提出一种基于匹配提取和跨尺度特征融合网络的超分辨率方法,以高分辨率波段图像作为参考图像,辅助重建低分辨率的可见光与近红外波段。首先,使用匹配提取模块,利用高分辨率图像与低分辨率图像间的相似性,将高分辨率图像的细小纹理信息融合到低分辨率图像中。然后,使用跨尺度特征融合方法将仍存在亮度、颜色、结构等差异的参考图像特征图和低分辨率特征图融合。最后,结合空间-光谱总变异损失和L1损失保证重建结果的空间和光谱可信度。实验结果表明,所提方法在空间和光谱可信度方面取得了良好的结果。与Bicubic、RDN、RCAN、EDSR、Dsen2等方法相比,该方法取得了最优的质量评价指标,能有效提高风云四号卫星影像的空间分辨率。

基于跨学科协同教学人才培养模式在肿瘤放射治疗学科专业人才培养中应用

目的:对跨学科协同教学人才培养模式在肿瘤放射治疗学科专业人才培养中的应用进行分析。方法:选取我院临床医学及放射医学专业高年级17级本科学生为实践对象,对所有学生进行理论教学及实践两阶段进行培养,探究多学科协同教学人才培养的效果。结果:根据考核结果显示,跨学科协同教学人才培养模式在肿瘤放射治疗学科专业人才培养中的应用后,学生的自主学习意识、学习兴趣、课堂互动、团队协作、知识面拓展等方面评分均得到提升,综合评分平均为(94.23±2.12)分,明显优于传统教学组的(82.12±3.21)分,组间差异有统计学意义(P<0.05)。结论:人才培养在肿瘤放射治疗临床教学中是一种有益的探索,能够改善传统教学效果。