基于高分辨率网络的轻量型人体姿态估计方法

在高分辨率网络(HRNet)的基础上,提出一种融合Ghost卷积的轻量型高分辨率网络(GLHRNet)。首先使用Ghost卷积模块和极化自注意力(PSA)模块在HRNet中构建新的残差块结构,新的残差块结构可以在减少网络模型参数量和计算量的同时,建模高分辨率图像的长距离依赖关系。接着在新网络模型中引入IBN-Net的设计思想,在新网络模型的浅层同时使用批量归一化和实例归一化,为网络模型引入外观不变性,减小光照变化问题对模型的影响。算法在COCO人体姿态估计数据集上的实验结果表明,与HRNet相比新网络模型的参数量降低了36.1%,计算量降低了35.2%,人体姿态估计的平均准确率提高了1.4个百分点。

基于全局特征和多种局部特征的行人重识别

能否提取具有区别度的行人特征是行人重识别问题的关键所在.该文在ResNet-50的基础上,提出一种使用多种方法提取特征的多分支网络结构(MMNet).该网络将多种方法以一种巧妙的方式组合起来,从而解决行人姿态变化、部分遮挡等引起的行人判别特征信息缺失问题.在第一个分支中提取行人的全局特征,在第二个分支中使用通道注意力模块提取想要关注的局部特征,在第三个分支中将骨干网络提取的特征水平均匀的分割成不同的块,从而提取出不同粒度的局部特征,接着使用批量难样本三元组损失函数和softmax损失函数联合训练模型.最终使用不同分支提取的特征串联在一起作为最终特征.通过行人的全局特征和多种局部特征相互补充,从而提取出更有区别度的行人特征.算法在Market-1501和DukeMTMC-reID数据集上的平均精度均值和首位命中率分别达到87.7%和95.9%、79.9%和89.2%.试验结果表明,使用多分支网络提取的特征具有互补性,且平均精度均值和首位命中率比大多数行人重识别算法高.

联合粉磨系统调试过程中出现的问题及对策

陕西北元化工集团水泥有限公司3 000t/d生产线于2010年11月试生产,是目前国内100%利用电石渣单机生产能力最大的水泥企业之一。2011年3月该生产线水泥粉磨系统调试生产,采用的是辊压机联合粉磨系统,设计生产能力为140～160t/h。本文就该生产线的工艺配置以及达产达标过程做一简单介绍,同时也结合调试过程,提出一些看法,供参考。

增湿塔正压问题的解决

某厂2500t/d生产线从2009年3月份投产后,出现增湿塔正压的现象。后经过种种努力,解决了此问题。

辊压机加中卸磨调试经验

我国5 000t/d生产线生料配置一直选用大型进口立磨或双中卸磨（Φ4.6m×13.5m）,进口立磨无疑投资较高.经过技术人员多次论证,我公司5 000t/d生产线最终选用了辊压机加中卸磨的方案,该方案既节约了投资又节约了电耗.