面向复杂光照的舞台演员检测

复杂舞台场景存在多个光源产生的偏色和光照不均匀问题,严重影响了演员检测的精度.针对上述问题,提出一种基于伪多模态融合的演员检测方法.首先随机选取一种光照处理方法构建增强图像,与原图像构成伪多模态图像对;然后在增强图像中以演员关键点建立候选集合,从集合中随机选取部分关键点所在的区域构建增强补丁集合,并将补丁替换到原始图像中进行训练;最后在传统特征金字塔网络的基础上借鉴Transformer编码器的构建形式,利用视觉注意力模块构建视觉注意力编码器,强化多尺度特征的交互逻辑.在自建4543幅包含舞台演员的图像数据集上与3个模型进行组合,舞台演员检测的均值平均精度分别提升0.4%~2.9%,表明所提方法能够较好地降低偏色和不均匀光照的影响.

基于生成对抗网络的抗阴影树木检测方法

森林遥感影像数据在采集过程中会因为光照的影响产生阴影区域,为了解决这些阴影区域对单棵树木检测的干扰问题,该研究在快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster RCNN)目标检测框架基础上,提出基于生成对抗网络的抗阴影树木检测方法(Generative Adversarial Based Faster Region Convolutional Neural Networks,GA-Faster RCNN),通过采用基于对抗生成策略的树木生成器,提高分类网络对树木信息的敏感度,降低阴影的干扰。该研究对3块树木阴影与郁闭度各不相同的测试样地高分遥感影像进行了树木检测试验,并与现存的3种算法进行了对比。结果显示,基于生成对抗网络的抗阴影干扰树木检测方法在3块样地的综合性能指标F1值分别达到了78.4%、91.6%和81.7%,均高于另外3种算法,并且树木识别准确率比现有方法有了明显的提高,漏检数和误检数也均明显减少。此外,在采用不同特征提取网络时该算法依然能保持其检测的稳定性。研究结果表明通过对抗生成训练策略学习表征树木的最少特征信息可有效降低阴影对树木检测的干扰。

这么近·那么远

一座座高楼拔地而起．我们离天空的距离越来越近了．可是．我们离自然越来越远了。

如何提高乳品检验精准度

目前,在食品检验方面的研究非常广泛,特别是乳制品在人们的日常生活中起到了重要作用。乳制品在我国的人民生活中应用的非常广泛,对于乳制品的开发,生产,以及乳制品的成分人们还不是非常了解。对于乳制品的安全性还心存疑虑。那么乳制品的检验及其有些成分对身体健康的影响,是人们普遍所关心的问题,对于乳制品的所添加一些成分对其贮存质量的好与坏,也是人们对于乳制品认同的基础。那么本文将探讨一下如何提高乳制品检验精准度中的相关问题,可以使大家对这一问题引起一定的关注。并引导大家积极参与对如何提高乳制品检验精准度相关问题的研究,通过加强和改善乳制品对于身体健康方面的重要作用,为食品科学的进一步发展起到积极有效的作用。