基于稀疏Transformer的长短时序关联动作识别算法

针对主流的视频动作识别算法对时序信息的挖掘不充分,而Transformer能够更好地处理长序列和全局依赖性问题,本文将3DCNN和Transformer结合起来,提出了基于稀疏Transformer的长短时序关联动作识别算法,从而实现对视频的全局时序信息进行建模。该算法提取预训练视频模型各个片段特征,嵌入视频特征聚类模块降低输入特征的潜在噪声,并利用基于稀疏自注意力的Transformer长短时序关联模块,引入稀疏掩码矩阵,对相似度矩阵进行掩码操作,抑制较小的注意力权重,选择性地保留重要的长短时序信息,提高模型对全局上下文信息的注意力集中程度。本文在UCF101和HMDB51数据集上进行了大量的实验,验证了本文算法的有效性,在参数量和计算复杂度较小的情况下准确率高于同类权威算法。

AMPK对Rab-GAP的调节作用研究

目的:检测激活型AMPK对Rab-GAP的调节作用,明确它们之间的上下游关系。方法:激活型AMPK腺病毒(AdAMPK-CA)感染C2C12小鼠骨骼肌细胞,通过细胞成像系统测定细胞中的荧光强度,明确AMPK-CA在C2C12细胞中表达。MTS试验确定没有细胞毒性的腺病毒浓度,Western blot检测AMPK底物ACC和两个Rab-GAP(TCB1D1和TCB1D4)的磷酸化。结果:AMPK-CA显著升高ACC的磷酸化,并磷酸化TBC1D1 Thr590和TBC1D4 Ser318。结论:AMPK直接磷酸化TCB1D1和TCB1D4。