基于结构重参数化的权重嵌套式教师-学生网络

教师-学生网络在知识蒸馏、知识扩展、域自适应以及多任务学习等领域的应用中均已取得显著成果且成为重要的框架或范式。在不同的应用场景中,教师-学生网络拥有不同的优化方向。本文针对半监督应用场景下的知识扩展任务提出了一种权重嵌套式教师-学生网络模型。该模型借鉴结构重参数化方法,将学生网络设计为结构重参数化网络,并进一步以其主干分支作为教师网络,实现教师网络和学生网络的嵌套。由于教师网络和学生网络的主干分支共享权重,因此本文所提出的框架可以大幅地缩减传统教师-学生网络模型的参数量以及对显存的要求。为了验证本文提出的框架在半监督设定下的有效性,我们在Food-101数据集上进行了对比实验。实验结果表明嵌套式的教师-学生网络在模型参数量和显存占用量减少超过40%的条件下,实现了在多种标注比例下均取得略高于传统教师-学生网络模型的性能。

一种基于时变自回归模型的抗运动干扰心率提取算法

目的解决利用光电容积脉搏波提取心率时,传统心率提取算法在波形突变时效果不理想的问题。方法提出一种基于时变自回归(time-varying autoregressive,TVAR)模型的抗运动干扰心率提取算法。使用带通滤波器和滑动平均滤波器对光电容积脉搏波(photoplethysmographic,PPG)信号作预处理。利用基于多小波基函数展开的时变自回归模型法对受到干扰的PPG信号分段,对每段信号作快速傅里叶变换(fast Fourier transform,FFT)频谱分析,进行谱峰搜索,确定所有可能的心率值,利用加速度信号从所有可能的心率值中作最优化选择,最终确定心率。结果对10名健康受试者进行测试。测试状态分2种:静止和运动,运动状态包括跳跃、挥臂、跑步3种情况。同传统快速傅里叶方法和基于最小均方自适应(least mean square,LMS)算法的心率提取方法比较,本文提出的算法具有更高的准确性,平均绝对错误率可控制在2.6%以内。结论本方法能有效应对运动干扰产生的PPG波形突变问题,具有准确度高、抗干扰性强的特点。

基于特征位置优选整合的快速城区检测算法

遥感图像中城市区域的自动分析解译是遥感对地观测领域重要的应用方向,针对自动高效城区检测的迫切需求,提出了一种基于遥感图像的城区区域快速检测算法.首先通过智能去雾处理降低薄雾气象条件对检测的干扰,然后通过快速的关键点搜寻进行城区特征位置初选,并以全局与局部约束相结合的策略筛选出高置信度的城区特征位置,最后通过高斯渲染加权的方法整合城区特征位置,并在获得的城区高斯加权图上自适应分割出最终的城区.本算法使用Google提供的卫星图像进行算法验证测试,可得到准确的检测结果.本检测算法可满足遥感图像城区检测自动化、实时化的需求,大大减小了人工判图的工作量,能够广泛应用于机载或星载平台.

基于自适应视距投影和类词典的三维模型检索

基于视图的三维模型检索中,为使投影后图像更多地保留模型的空间几何特征,充分利用模型库中的类标签信息,提出一种结合自适应视距投影和类词典的三维模型检索方法。从多个角度对三维模型进行自适应视距正交投影,得到多幅包含深度信息的二维灰度图像;将监督引入到针对三维模型检索的视觉词袋框架中,构建出类词典;通过特征编码、计算模型之间的相似度实现检索。实验结果表明,该算法能够更好地描述三维模型的形状,提高了检索的准确率。

基于局部时序特征的细胞视频动态形变度量和分类

使用植皮手术后小鼠的淋巴细胞作为研究目标,针对其动态形变提出一种局部形变特征,用于提取细胞形变过程中的时序信息和空间信息.该特征提取算法被应用在淋巴细胞形变数据集上,并与多个基于图像特征的形变度量算法进行了比较.实验结果表明,局部形变特征能根据形变特性准确分类细胞,在度量和分类细胞动态形变方面比基于图像特征的算法更加有效.