局部注意力引导下的全局池化残差分类网络

大部分注意力机制虽然能增强图像特征,但没有考虑局部特征的关联性影响特征整体的问题。针对以上问题,本文提出局部注意力引导下的全局池化残差分类网络(MSLENet)。MSLENet的基线网络为ResNet34,首先改变首层结构,保留图像重要信息;其次提出多分割局部增强注意力机制(MSLE)模块,MSLE模块将图像整体分割成多个小图像,增强每个小图像的局部特征,通过特征组交互的方式将局部重要特征引导到全局特征中;最后提出池化残差(PR)模块来处理ResNet残差结构丢失信息的问题,提高各层之间的信息利用率。实验结果表明,MSLENet通过增强局部特征的关联性,在多个数据集上均有良好的效果,有效地提高了网络的表达能力。

空间位置矫正的稀疏特征图像分类网络

为稀疏语义并加强对重点特征的关注,增强空间位置和局部特征的关联性,对特征空间位置进行约束,本文提出空间位置矫正的稀疏特征图像分类网络(SSCNet)。该网络以ResNet-34残差网络为基础,首先,提出稀疏语义强化特征模块(SSEF),SSEF模块将深度可分离卷积(DSC)和SE相融合,在稀疏语义的同时增强特征提取能力,并能够保持空间信息的完整性;然后,提出空间位置矫正对称注意力机制(SPCS),SPCS将对称全局坐标注意力机制加到网络特定位置中,能够加强特征之间的空间关系,对特征的空间位置进行约束和矫正,从而增强网路对全局细节特征的感知能力;最后,提出平均池化残差模块(APM),并将APM应用到网络的每个残差分支中,使网络能够更有效地捕捉全局特征信息,增强特征的平移不变性,延缓网络过拟合,提高网络的泛化能力。在多个数据集中,SSCNet相比于其它高性能网络在分类准确率上均有不同程度的提升,证明了其在兼顾全局信息的同时,能够更好地提取局部细节信息,具有较高的分类准确率和较强的泛化性能。

门控机制的图像分类网络

为了提取更具表达能力和区分度的重点特征,减少网络传递时关键特征的流失,提高神经网络图像分类能力,提出一种新的门控机制图像分类网络(image classification Network of Gating Mechanism,GMNet).首先,使用门控卷积提取浅层特征,通过门控机制选择性地进行卷积操作,提高网络对原始图像关键特征的提取能力;其次,设计了一种插值门控卷积(Interpolation Gated Convolution,IGC)模块,利用Lanczos插值与门控卷积相结合,强化浅层特征的同时提取更具区分度的特征,提高特征的非线性表达能力;然后,设计了大核门控注意力机制(Large kernel Gated Attention Mechanism,LGAM)模块,将大核注意力与门控卷积相融合,实现了特征的选择性增强和选择性融合,提高关键区域特征的贡献度;最后,将大核门控注意力机制模块嵌入到残差分支中,让模型更有效地学习输入数据的特征和上下文信息,减少关键特征在网络信息传递时流失,提高网络的分类能力.本文方法在图像数据集CIFAR-10、CIFAR100、SVHN、Imagenette、Imagewoof上分别达到了97.05%、83.68%、97.68%、90.60%、83.05%的分类准确率,与当前先进的方法相比分别平均提高了3.26%、7.08%、3.44%、2.65%、5.02%.与现有主流网络模型相较,本文门控机制图像分类网络能够增强特征的非线性表达能力,提取更具表达能力和区分度的重点特征,减少关键特征流失,提高关键区域特征的贡献度,有效地提高神经网络图像分类能力.

非线性时间一致性的相关滤波目标跟踪

针对现有目标跟踪算法主要采用线性约束机制LADCF(Learning Adaptive Discriminative Correlation Filters)跟踪模型容易漂移的问题,提出非线性时间一致性的相关滤波目标跟踪算法。首先,结合史蒂文斯定律,提出贴近人类视觉感知特性的非线性时间一致项,使模型相对平滑地跟踪目标,从而保证跟踪连续性,避免跟踪模型漂移;其次,采用交替方向乘子法(ADMM)求解最优函数值,保证算法的跟踪实时性;最后,利用史蒂文斯定律非线性更新滤波器,使滤波器更新因子可以根据目标的变化增强和抑制滤波器,以适应目标变化,防止滤波器退化。在4个标准数据集上与主流相关滤波和深度学习算法对比实验,相较于基线算法LADCF,所提算法的跟踪精确度和成功率在OTB100数据集上分别提升了2.4和3.8个百分点;在UAV123上分别提升了1.5和2.5个百分点。实验结果表明,所提算法能有效避免跟踪模型漂移,降低滤波器退化概率,跟踪精确度和成功率较高,面对遮挡、光照变化等复杂场景时具有较强的鲁棒性。

随机通道扰动的图像数据增强方法

数据增强中遮挡仿真方法将输入图像随机裁剪的区域像素全部置零,会擦除有效纹理特征,导致网络泛化能力欠佳。因此,提出一种随机通道扰动的图像数据增强方法(ChannelCut)。ChannelCut方法包括Channel-Cut1和ChannelCut2两种方法。在输入图像上随机选取三个方形区域,并且对输入图像进行通道分离,得到三个通道图像;ChannelCut1方法在三个通道图像上分别选取一个方形区域将其像素置零,且三个通道选择的区域互不相同;ChannelCut2方法保留ChannelCut1方法中选取的方形区域像素,并将每个通道中剩余两个方形区域的像素置零;将两种方法处理后的三个通道图像分别进行合并,得到两种随机通道扰动图像。将所提方法融合到Resnet18、ShuffleNet V2、MobileNet V3等CNN模型中,并在CIFAR-10、Imagenette等五个数据集上开展实验。该方法在五个数据集上的分类准确率均优于主流方法,显著提高了基线模型的性能;在细粒度图像分类中更占有优势;在时间性能上优于使用强化学习的自动数据增强类型方法。该方法能够不同程度地保留图像纹理特征,丰富图像多样性,具有较强的通用性和有效性,显著地提高卷积神经网络模型的鲁棒性和泛化性。

非线性时空正则化的相关滤波目标跟踪算法

针对目标跟踪过程中跟踪模型容易漂移,以及对于多样性形态变化的目标不能进行鲁棒跟踪的问题,结合生物视觉感知规律提出了非线性时空正则化的相关滤波目标跟踪算法。在目标函数中提出贴近人类视觉感知幂定律的非线性滤波更新的时间正则项,相比于时空正则相关滤波器(spatial-temporal regularized correlation filters,STRCF)中固定的时间正则项,非线性滤波更新的时间正则项可以根据跟踪的时间变化进行自适应更新,同时采用交替乘子法降低算法复杂度。提取非线性的梯度方向直方图(histogram of oriented gradient,HOG)特征,使用符合生物映射的对数极坐标进行尺度适应。根据最大响应值与平均峰值相关能量的关系进行遮挡异常检测,降低模型漂移的机率,增强算法的抗遮挡能力。实验结果表明,该算法在OTB2015数据集上的精确率和成功率分别达到89.8%和83.3%,该算法相比于STRCF在精确率上提升了2.5%,在成功率上提升了3.2%,在OTB2013与OTB2015数据集上的11种属性的分类对比中,该算法在旋转、低分辨率、背景杂乱、光照变化等因素干扰下的目标跟踪中具有较高的精确率和较强的鲁棒性。

高斯感知约束空间异常的相关滤波目标跟踪

针对目标在复杂场景运动过程中容易出现跟踪丢失问题,提出一种高斯感知约束空间异常的目标跟踪算法。以高斯均匀分布为分布规律建立目标特征采样点,采用卷积结构提取目标的外观模型以及权重模型;为了约束空间异常,在目标函数中构建空间正则项,同时更新目标权重模型,减小空间过拟合的产生,增强跟踪器的空间异常适应性;应用加权最小二乘法思想,获得权重响应模型中心,确定目标中心,更新跟踪位置,增强跟踪器鲁棒性。使用OTB2015和UAV20L数据集,与其他主流相关滤波算法相比,该算法在目标运动导致低分辨率、遮挡等复杂条件下,跟踪成功率以及跟踪精度较高。

语义重建的动态监督伪装物体检测

伪装物体检测旨在分离视觉上高度融入周围环境的物体,但是物体前景与背景存在大量相似干扰,导致分割过程中易于出现明显错误.针对上述问题,文中提出基于语义重建的动态监督伪装物体检测网络(Dynamic Supervised Camouflaged Object Detection Network with Semantic Reconstruction,DSSRNet),通过重建特征图的空间语义和引入置信度指导网络训练,实现对伪装物体的准确分割.首先,提出空间语义低秩重建机制,精细感知不同尺度下伪装物体具有区分性的语义特征.然后,生成预测置信度图,对分割过程进行动态监督,减少网络因过于自信造成的假阳性和假阴性判断.最后,提出模糊感知损失函数,对网络施加强约束,改善预测时产生的图像模糊问题.在3个具有挑战性的基准数据集上的实验表明,DSSRNet可较好地排除相似信息干扰,取得精准的分割效果.

融合CNN和Transformer的图像去噪网络

目前基于深度学习的图像去噪算法无法综合考虑局部和全局的特征信息,进而影响细节处的图像去噪效果,针对该问题,提出了融合CNN和Transformer的图像去噪网络(hybrid CNN and Transformer image denoising network,HCT-Net).首先,提出CNN和Transformer耦合模块(CNN and Transformer coupling block,CTB),构造融合卷积和通道自注意力的双分支结构,缓解单纯依赖Transformer造成的高额计算开销,同时动态分配注意力权重使网络关注重要图像特征.其次,设计自注意力增强卷积模块(self-attention enhanced convolution module,SAConv),采用递进式组合模块和非线性变换,减弱噪声信号干扰,提升在复杂噪声水平下识别局部特征的能力.在6个基准数据集上的实验结果表明,HCT-Net相比当前一些先进的去噪方法具有更好的特征感知能力,能够抑制高频的噪声信号从而恢复图像的边缘和细节信息.

双分支多注意力机制的锐度感知分类网络

基于卷积神经网络的图像分类方法的关键是提取有区分性的重点特征.为了提高重点特征的关注度,增强网络泛化能力,文中提出双分支多注意力机制的锐度感知分类网络(Double-Branch Multi-attention Mechanism Based Sharpness-Aware Classification Network,DAMSNet).该网络以ResNet-34残差网络为基础,首先,修改ResNet-34残差网络输入层卷积核尺寸,删除最大池化层,减小原始图像特征的损失.再者,提出双分支多注意力机制模块,嵌入残差分支中,从全局特征和局部特征上提取图像在通道域和空间域的上下文信息.然后,引入锐度感知最小化算法,结合随机梯度下降优化器,同时最小化损失值和损失锐度,寻找具有一致低损失的邻域参数,提高网络泛化能力.在CIFAR-10、CIFAR-100、SVHN数据集上的实验表明,文中网络不仅具有较高的分类精度,而且有效提升泛化能力.

自适应时空正则化的相关滤波目标跟踪

针对正则化滤波器预先定义正则化项,但无法实时抑制非目标区域学习的缺点,提出了一种自适应时空正则化的新方法,从而提高算法在目标跟踪过程中适应外观变化的鲁棒性。首先在目标函数中引入空间局部响应变化量,使滤波器专注于学习对象中值得信任的部分,从而得到响应模型;其次根据全局响应变化决定滤波器的更新率;最后引入卷积神经网络进行深度特征提取,为减少高维数据存储过大,采用主成分分析算法进行降维处理,既保留主要特征又加快计算速度。在数据集OTB2013和OTB2015上的平均精确率和平均成功率相较于时空正则化相关滤波器算法分别提高了4.7%和12.7%。大量实验证明,该算法在复杂背景、物体遮挡、快速运动等多种场景下基本满足实时性需求。

基于极限梯度提升和探地雷达时频特征的水泥路面脱空识别

针对探地雷达(GPR)数据解译依赖于人工经验,存在费时费力和主观偏差的问题,提出了基于极限梯度提升(XGBoost)和GPR时频特征的水泥路面脱空识别方法。采用正演模拟、室内试验和现场试验获得了脱空病害数据源,建立含有标签的脱空GPR数据集;通过重采样方法统一GPR数据采样频率,并对预处理后的GPR数据进行时频域特征提取,建立了包含18个时域和12个频域特征的数据集。以时频域特征为输入,是否存在脱空病害为输出,采用XGBoost算法构建脱空识别模型,并与随机森林(RF)和人工神经网络(ANN)算法进行对比。结果表明,模型的识别准确率排序为XGBoost(98.10%)>ANN(95.10%)>RF(93.17%),XGBoost模型识别精度最高,并能在实际路面上准确定位脱空区域。

优化分类的弱目标孪生网络跟踪研究

针对传统孪生网络算法对模糊、低分辨率等弱目标跟踪效果不佳的问题,提出了优化分类预测的孪生网络算法。首先通过引入可变形卷积模块,提高骨干网络特征提取能力,其次在分类分支中引入位置信息,提升算法对于目标的识别能力,最后使用轻量级的卷积神经网络进行分类预测和边界预测任务,在规避多尺度测试的同时,进一步利用了图像的语义信息,使跟踪结果具有较高的可信度。在OTB2015、VOT2018公共数据集上进行的大量实验表明,本文算法综合表现优于主流同类算法,对模糊、形变、快速运动等多种复杂场景具有较好的适应性。

畸变感知相关滤波目标跟踪算法

针对现有相关滤波跟踪算法在目标畸变情况下应对能力不足和滤波器模型更新存在误差累积易导致跟踪失败的问题,提出畸变感知相关滤波目标跟踪算法。首先,利用粒子采样构建强化目标信息的空间参考权值,适应相邻帧间目标外观变化,使滤波器专注于学习目标可信赖部分,抑制背景干扰信息;其次,采用交替方向乘子法以较少的迭代次数求解目标最优函数值,优化算法,降低计算复杂度;最后,为进一步增强滤波器的判别能力,设计目标畸变感知策略,通过分析平均峰值相关能量和响应图峰值时序约束来衡量目标受干扰因素影响后的畸变程度,判别当前跟踪结果是否可靠。当目标跟踪定位可靠性较低时,采用粒子滤波对目标进行选择性的重检测。并依据当前跟踪目标畸变程度,自适应地更新滤波器模型。在OTB50、OTB100和DTB70数据集上与多种代表性目标跟踪算法进行对比实验,实验结果表明,该算法的跟踪成功率和精确率较优,在面对实际场景中因多个干扰因素而产生畸变的目标时具有较强鲁棒性。

强化前景感知的相关滤波目标跟踪

为了缓解相关滤波跟踪算法在形变、快速运动、运动模糊及相似物干扰等因素影响下跟踪精度较低的问题,提出了强化前景感知的相关滤波目标跟踪。在相关滤波算法的基础上引入了改进的颜色直方图干扰感知模型。首先,在传统背景对象模型基础上增强前景直方图与背景直方图的颜色差异分量,得到更加突出前景的颜色直方图干扰感知模型。利用相关滤波算法和颜色直方图干扰感知模型分别提取相应特征并计算各自响应。其次,通过利用颜色直方图干扰感知模型计算目标区域像素点属于目标的概率均值,控制相关滤波响应和颜色直方图响应的融合权重。然后,利用融合后的干扰感知响应图最大值位置定位目标。最后,设置跟踪异常判别条件,当异常情况出现,不进行模型更新。当跟踪置信度较高时,则通过帧差法和前后帧间欧氏距离判断目标变化幅度并设置相应的相关滤波模板更新学习率,实现跟踪模板的自适应更新。在OTB100数据集上与主流算法进行实验对比,结果表明该算法在形变、快速运动、运动模糊及相似物干扰等复杂挑战下相比其他算法具有更优的跟踪效果及鲁棒性。

通道和异常适应性的目标跟踪算法

针对现有空间正则化跟踪算法未考虑通道和异常适应性,在光照变化、遮挡和运动模糊等复杂跟踪场景下易产生跟踪失败的问题,提出通道和异常适应性的目标跟踪算法。首先,提取目标所在区域的方向梯度直方图和颜色特征,建立目标的外观模型;其次,提出通道加权策略并构造通道适应性正则项,同时在模型训练阶段优化通道权重,降低多通道特征中冗余信息和通道可靠性变化对跟踪性能的影响;然后,构造异常适应性正则项,通过约束跟踪响应图异常变化,提升画面快速变化时跟踪器的鲁棒性;最后,在检测阶段将滤波器与当前帧的样本相关运算得到目标尺度和位置信息,通过分析响应图的峰值与噪声平滑度来判断跟踪的遮挡情况以过滤低质量样本,增强目标被遮挡时跟踪器的异常适应性。在OTB50、OTB100和TC-128公共数据集上与多种先进算法进行对比实验,实验结果表明,所提算法在光照变化、遮挡、运动模糊等复杂场景下鲁棒性表现更好,跟踪成功率高于同类算法,并且精度更优。

基于探地雷达时频特征的水泥路面脱空识别

脱空病害在水泥路面中不可避免,危害路面结构安全性,迫切需要建立脱空病害区域的准确定位方法。采用探地雷达(GPR)为无损检测工具,通过GPR信号时频特征的提取和正反演实验构建了脱空病害的特征数据集,将特征集进行PCA降维,以PCA主元为输入、正常和脱空为输出分别建立SVM和ANN脱空识别模型;在获得脱空的GPR信号上提出窗口能量法判断脱空区域的深度,在实际路面上对脱空识别进行验证。结果表明:时频特征可表征脱空病害,包含病害的部分数据集更适合用于建模识别;ANN的识别准确度优于SVM,窗口能量法可有效定位脱空区域的深度,并对噪声具有一定的鲁棒性,在室内模型中定位精度平均误差1.51%。研究结果可为路面精准养护提供科学依据。

水溶性蜂胶抑制溃疡性结肠炎大鼠氧化损伤的作用

目的:研究水溶性蜂胶(WSP)对溃疡性结肠炎(UC)大鼠结肠黏膜炎症反应和氧化应激反应的影响。方法:采用葡聚糖硫酸钠(DSS)制作UC大鼠模型,48只雄性大鼠随机分为6组:正常组(N组)、对照组(C组)、阳性对照组(P组)、低剂量蜂胶组(L组)、中剂量蜂胶组(M组)和高剂量蜂胶组(H组)。实验采取先预给药再造模型的方式,评价WSP对DSS诱导的UC大鼠保护作用,观察大鼠的体质量、疾病活动指数(DAI)、血便、结肠长度、肠黏膜损伤指数(CMDI)等;ELISA法检测结肠组织中髓过氧化物酶(MPO)、超氧化物酶(SOD)、丙二醛(MDA)和谷胱甘肽过氧化物酶(GSH⁃Px)等指标。结果:模型组大鼠结肠组织氧化应激水平升高,中性粒细胞激活;中、高浓度蜂胶干预后,氧化应激水平降低,结肠炎性损伤缓解。结论:WSP可通过提高SOD、GSH⁃Px等内源性抗氧化酶活性,降低氧化应激产物,抑制中性粒细胞活性等机制在实验性UC大鼠模型中缓解肠道炎症。

基于5E教学模式的机能实验学教学实践——以家兔呼吸运动调节为例

实验教学是医学教育中的重要环节,是培养医学生价值观、综合素质与能力的主要阵地和重要手段,在医学人才培养方面具有不可取代的地位。本文以家兔呼吸运动调节为例,采用5E教学模式将整个教学进程分成课前、课中和课后,通过吸引(Engagement)、探究(Exploration)、解释(Explanation)、迁移(Elaboration)和评价(Evaluation)五个学习周期,帮助教师提供连贯的指导,帮助学生参与适当的活动,以促进学生更好地理解和保留科学知识,提高教学质量和优化教学效果。

芳香化酶抑制剂在特发性男性不育症治疗中的研究现状

男性不育症是指男性因各种原因导致生育能力下降不能使女性受孕的一种疾病,而特发性男性不育症是指无法确定病因的男性不育症。芳香化酶作为雄激素向雌激素生物转化过程中关键的限速酶,在男性不育的病因机制中具有重要作用,随着芳香化酶抑制剂(AIs)在男科领域的发展,AIs逐渐成为特发性男性不育症常见的经验性治疗药物,本文就AIs在男性不育症中应用的最新进展进行综述。