结合拆分注意力机制和下一次预期观察的视觉导航

针对深度强化学习视觉导航算法因导航场景变化而导致导航精度下降,影像匹配的实时性和可靠性降低的问题,提出一种融合拆分注意力机制和下一次预期观测(NEO)的视觉导航模型。首先使用ResNest50骨干网络提取当前状态和目标状态的特征以降低网络冗余,利用跨阶段部分连接CSP强化捕获浅层目标特征信息以增强模型的学习能力。然后提出改进的损失函数,使得推理网络更加接近于真实后验,从而智能体能在当前环境下做出最佳决策,进一步提升不同场景下模型的导航精度。在AVD数据集和AI2-THOR场景进行训练及测试,实验结果表明,本文算法导航精度高达96.8%,平均SR提升约3%,平均SPL提升约6%,可以满足导航精度和实时匹配的要求。

Transformer与多尺度注意力的自监督单目图像深度估计

针对现有自监督学习的单目图像深度估计在分辨率较大情况下存在边缘模糊、物体轮廓不清晰等问题,本文提出一种结合视觉Transformer的多尺度通道注意力融合单目图像深度估计网络.首先,设计编码器-解码器模型,将视觉Transformer结构作为编码器在多个尺度上提取特征.其次,设计残差通道注意力融合的解码器,优化提取到的多尺度特征并实现上下级特征融合以提高上下文信息的利用率.最后,在多个尺度下对单目图像进行深度估计.本文提出的算法在KITTI数据集上进行实验.实验结果表明,所提出算法的深度图像质量和物体轮廓信息均高于现有算法,其绝对相对误差、平方相对误差和均方根误差分别达到了0.119、0.857和4.571,在不同阈值下的准确度达到了0.959、0.995和0.999,验证了所提算法的正确性和有效性.

传播深度和多尺度特征融合的遥感图像分割

针对遥感图像因分辨率高、能见度低、物体种类多和光照不充足等因素导致遥感图像分割准确率低的问题,搭建一种传播深度和多尺度特征融合的端到端遥感图像分割网络。利用传播深度特征融合保留遥感图像的浅层特征信息,利用浅层特征指导深层特征的提取,在获得高级语义信息的同时没有过度损失浅层的位置特征信息情况下,通过改善并行空洞卷积模块的相关设置提取更多的多尺度信息,从而提高遥感图像分割的准确率。在Satellite datasetⅠ(global cities)数据集实验,相较于DeepLabv3网络所提出网络的准确率、精确率、召回率和F1值,分别提升了3.97%,12.95%,4.85%和13.23%,达到了88.79%,74.35%,85.62%和79.95%。实验结果表明,该网络能够有效地提高遥感图像分割的精确性。

一种基于单纯形法的自适应均衡优化算法

为了提高均衡优化算法(EO)搜索过程中收敛速度慢,易陷入局部最优的问题,提出了一种基于单纯形法的自适应均衡优化算法(SMEO)。针对EO算法初始化随机性过高导致的收敛速度问题,利用Sin混沌初始化增强全局搜索过程中的种群多样性,增加算法的搜索能力;通过非线性自适应因子平衡算法的全局和局部搜索能力;最后利用单纯形法的反射、扩张和收缩运算,提高了算法跳出局部最优的能力。仿真实验采用10个基准测试函数和部分CEC2014测试函数以及标准测试函数的Wilcoxon秩和检测对SMEO算法进行寻优性能测试,测试结果验证了SMEO算法的有效性和稳定性。

注意力和多重特征融合的图像局部特征检测及描述

针对基于深度学习的图像局部特征检测与描述模型参数大和内存资源消耗大的问题,提出一种结合注意力和多重特征融合的图像局部特征检测及描述算法。首先在不改变图片大小的条件下,使用基础残差块和膨胀卷积搭建基础骨干网络以获得图片的多尺度特征;然后在不增加模型复杂度的前提下,结合注意力机制从而获得更加优良的特征;最后通过改进的跳跃连接将低层语义信息与高级语义信息融合,更利于特征点的检测和描述。实验结果表明,在模型大小远小于同类方法模型的情况下,所提算法在HPatches数据集上表现优异,当阈值选取2~6时总体上的MMA值分别为0.57、0.71、0.78、0.81、0.83,与R2D2相比,分别提升了2.3%、2.4%、1.9%、1.4%、1.1%,提取的特征及描述更加鲁棒。

融合LSTM的深度强化学习视觉导航

针对目标驱动的视觉导航系统中由于导航的场景变化而导致智能体导航性能大大减弱的问题,提出了一种基于长短时记忆网络(Long Short-Term Memory, LSTM)的深度强化学习(Deep Reinforcement Learning, DRL)视觉导航模型。该模型通过输入当前状态和目标状态的RGB图像来实现视觉导航,在改进原有目标驱动视觉导航模型的基础上,基于历史状态信息,结合LSTM和通用后继表征(Universal Successor Representations, USR)对未来动作决策。在AI2-THOR仿真环境下进行实验,实验结果表明,所提出的模型训练智能体导航性能优异,与其他几种模型相比,平均路径长度减少约6%,平均碰撞率减少40%,模型收敛速度较快。

不同营养水平代乳料对夏南牛犊牛生长发育的影响

[目的]通过补饲代乳料提高夏南牛犊牛生长发育速度,培育优质健康犊牛,实现犊牛早期断奶。[方法]犊牛随机挑选并随机分成2个组,试验组使用B配方的饲料,对照组使用A配方的饲料,两组牛分圈饲喂,犊牛与母牛隔离饲养。代乳颗粒料自由采食,采取少给、勤给、逐渐增多的饲喂方法。试验期内测量犊牛体尺、体重,观察不同代乳料的适口性,记录疾病发生种类、次数和频率。[结果]试验组比对照组平均日增重提高17.78%,但差异不显著(P>0.05)。试验组比对照组体高、体斜长、胸围3项体尺分别增加了0.67 cm,1.04 cm和2.05 cm,差异不显著(P>0.05)。腹泻发病率试验组23.08%,对照组22.22%,两组均没有发生其他疫病和死亡。[结论](1)A、B两种代乳颗粒料均可以取代代乳粉,作为夏南牛犊牛的补饲料。(2)较高营养水平的代乳颗粒料,可以提高夏南牛犊牛日增重。试验用代乳颗粒料优于犊牛精料补充料。(3)B配方的代乳颗粒料适口性较好。

夏南牛犊牛口蹄疫母源抗体衰减变化试验研究

[目的]探讨夏南牛犊牛口蹄疫母源抗体衰减变化规律,为犊牛口蹄疫科学适时免疫提供参考依据。[方法]血样采集使用一次性真空采血管,抗体检测采用液相阻断ELISA检测方法,抗体效价判定依据畜牧兽医主管部门动物疫病监测方案。[结果]母牛产后、犊牛出生当天,O型抗体效价合格率达100%,A型抗体效价合格率达92%。O型口蹄疫第4周抗体合格率达86.96%,到第5周已降至66.67%;A型口蹄疫第3周抗体合格率达75%,第4周抗体合格率已降至39.13%。牛口蹄疫O型疫苗抗体衰减时间稍长于A型。[结论]犊牛获得母源抗体的保护:O型口蹄疫4周内有较强的保护作用,A型口蹄疫3周内有较强的保护作用。建议夏南牛犊牛口蹄疫首免时间在出生后40 d左右为宜。

人诱导多能干细胞与类器官:用于优化中药的致心律失常风险预测

中药可能引发心律失常等严重心血管不良反应,准确评估风险十分重要。该文介绍了心脏安全药理学评价策略和心脏类器官研究进展,重点探讨了人诱导多能干细胞(hiPSCs)和类器官在中药致心律失常风险评估中的应用前景。相较于传统动物模型,hiPSCs和类器官模型具有更好的参考性和预测性能,能更准确地模拟人体心脏反应。研究者已成功生成多种心脏组织模型,模拟心脏的结构和功能,评估中药对心脏的影响。hiPSCs模型通过将成人细胞重新编程为多能干细胞,再分化为心脏细胞,可以获得个体化的心脏组织,更准确反映个体差异和药物反应。这为中药心脏毒性风险评估提供了指导。综合心脏类器官模型和心脏安全药理学策略,如心电活动监测和离子通道功能评估,可全面评估中药对心脏的影响。此外,结合CiPA方法,即全面体外心律失常评估策略,可提高评估准确性。将CiPA方法应用于中药研究,揭示潜在风险,为中医药临床应用和产业发展提供科学依据。综上,心脏类器官模型和心脏安全药理学评价策略为中药心脏毒性风险评估提供了重要工具。结合hiPSCs模型、综合评估方法和CiPA策略,可准确评估中药对心律失常的风险,为中医药临床安全用药和产业发展提供科学依据。这有助于确保中医药的安全性和有效性,推动其临床应用和国际认可。