融合交互性特征信息的余弦度量行人重识别

针对行人重识别中难以表达特征间相关性信息,以及欧氏距离度量的损失函数忽略了特征向量角度影响的问题,提出一种融合交互性特征的余弦距离度量行人重识别网络。通过聚合分组注意力模块提取的特征,实现不同子特征跨通道的整合交互。训练阶段采用余弦度量的三元组损失,结合特征空间的批量规一化操作,消除模长波动的影响,从角度维度判别行人差异。采用广义平均池化,保留更完整的特征信息。在Market-1501和DukeMTMC-reID两个数据集的实验结果表明,网络能有效提升行人重识别精度。

基于谱带融合的EEG自动睡眠分期算法

由于当前数据集类别不均衡造成基于深度学习的睡眠阶段分期模型性能较差。论文提出了一种基于谱带融合数据增强的自动睡眠分期算法(EEGFusionNet,EFNet),以解决上述问题提高模型性能。该算法首先对样本数据进行谱带融合的数据增强处理,通过由卷积神经网络与双向门控循环单元提取EEG中的时频特征与时序特征,将特征融合进行睡眠阶段分期。将Sleep EDF数据集中153名健康受试者的EEG信号作为本模型的样本数据进行训练,得到模型的准确率约为84.4%,kappa值为83.8%。与传统的基线模型相比,论文提出的基于谱带融合的睡眠分期模型在准确性和一致性方面具有显著提升。

特殊病人的钬激光碎石术中护理配合

目的探讨特殊病人的钬激光碎石术中的护理配合。方法 1240例输尿管、肾及膀胱结石患者采用经输尿管镜钬激光碎石治疗,其中特殊病人28例,主要为髋关节活动明显受限患者。术前给予心理护理,术中给予有效的对症护理。结果所有病例手术顺利,术中无意外事故,术后无并发症发生。结论通过积极的术前准备、术中配合,安全、有效地保证了特殊病人的钬激光碎石术的顺利进行。

融合头肩部位特征的行人重识别

行人重识别方法多数是根据行人衣着属性,例如颜色、纹理等提取特征。然而,行人穿着深色衣服或在弱光照明下被监控系统捕获时,衣着的各种属性就会严重缺失。针对这一问题,论文提出一种不依赖于衣着服装信息,融合头肩特征的行人重识别方法。设计一种头肩局部分支,结合全局分支提取行人特征。通过头肩定位以及头肩部位注意力模块构成局部分支,对弱衣着属性的行人提取辨别性头肩特征。全局分支学习行人整体特征。通过区分输入行人特征类型,自适应地分配全局和头肩局部分支权重。在Market1501数据集上Rank-1和mAP达到了95.6%和88.3%,在DukeMTMC-reID数据集上Rank-1和mAP达到了88.7%和79.1%。实验结果表明,该方法能有效地利用头肩部位特征,增强网络对行人关键部位信息的表征能力,提升行人重识别性能。

一种改进的生成对抗网络的图像去模糊方法

针对利用现有图像去模糊方法复原图像存在振铃效应、细节模糊等问题,笔者提出一种改进的生成对抗网络的图像去模糊方法。该方法利用改进的特征金字塔网络生成复原图像,并通过判别器进行对抗训练从而获得去模糊图像。实验结果表明,该方法能减轻复原图像中的振铃效应,达到恢复图像细节的目的。