面向自然场景分类的贝叶斯网络局部语义建模方法

本文提出了一种基于贝叶斯网络的局部语义建模方法。网络结构涵盖了区域邻域的方向特性和区域语义之间的邻接关系。基于这种局部语义模型,建立了场景图像的语义表述,实现自然场景分类。通过对已标注集的图像样本集的学习训练,获得贝叶斯网络的参数。对于待分类的图像,利用该模型融合区域的特征及其邻接区域的信息,推理得到区域的语义概率;并通过网络迭代收敛得到整幅图像的区域语义标记和语义概率;最后在此基础上形成图像的全局描述,实现场景分类。该方法利用了场景内部对象之间的上下文关系,弥补了仅利用底层特征进行局部语义建模的不足。通过在六类自然场景图像数据集上的实验表明,本文所提的局部语义建模和图像描述方法是有效的。

融合空间上下文的自然场景语义建模

针对自然场景图像,本文提出一种融合空间上下文的场景语义建模和分类方法。针对场景中的局部语义对象,建立了基于贝叶斯网络的语义上下文模型。通过对已标注训练样本集的学习训练,获得局部语义对象在各类场景下的上下文模型。对于待分类的图像,首先利用支持向量机实现分割区域的分类,根据学习得到的语义上下文模型,提取图像中各语义对象的空间上下文信息,形成图像的语义上下文描述,实现场景分类。针对不同场景下的局部语义对象,利用贝叶斯网络自动学习得到不同的空间关系集合用于上下文信息提取,使得场景描述和分类过程更智能和有效。通过在六类自然场景图像数据集上的实验表明,本文所提算法能够很好的利用上下文信息,并取得满意的分类结果。

基于多观察层次动态贝叶斯网络的视频行为分析

为了分析视频监控中行人和车辆的行为,本文提出了一种多观察层次动态贝叶斯网络模型。首先,行人和车辆的行为用静态、动态及相互关系特征来表示。然后将其作为模型的输入,通过网络提取和分析目标的行为及其相互关系。同时,本文设计了一个简单的模型选择准则,从候选模型池中选择适合当前场景的模型来减小计算复杂度。实验结果表明本文提出的方法能有效的分析视频监控场景中行人和车辆的行为。

对接受肝动脉灌注化疗栓塞术的肝癌患者进行预见性护理在预防其术后并发症中的效果

目的:分析对接受肝动脉灌注化疗栓塞术的肝癌患者进行预见性护理在预防其发生术后并发症中的效果。方法:选取2018年1月至2020年10月期间在安徽中医药大学第一附属医院接受肝动脉灌注化疗栓塞术的40例肝癌患者为研究对象。根据双盲分组法将其均分为对照组和研究组。对对照组20例患者进行常规护理,对研究组20例患者进行预见性护理。治护结束后,对比两组患者术后并发症的发生情况、生活质量及对护理服务的满意度。结果:术后,与对照组患者相比,研究组患者发热、血栓栓塞及腹痛等并发症的总发生率较低,治护后其生理职能、躯体疼痛、精神健康、社会功能的评分均较高,其对护理服务的总满意率也较高,P<0.05。结论:对接受肝动脉灌注化疗栓塞术的肝癌患者进行预见性护理可降低其术后并发症的发生率,改善其术后的生活质量,提高其对护理服务的满意度。

利用贝叶斯网络融合空间上下文的高分辨遥感图像分类

针对高分辨遥感图像,本文提出了一种基于贝叶斯网络的上下文模型,以及基于该模型的面向对象的遥感图像分类方法。首先,利用支持向量机(SVM)实现分割区域的初始分类,获得各个类别的候选区域。然后,利用提出的上下文模型融合候选区域及其周围区域的上下文信息,通过贝叶斯网络推理,将候选区域分类到各类地物类型中。基于贝叶斯网络的上下文模型由候选区域节点、相关区域节点和上下文节点三部分组成。对于不同类型的地物,通过贝叶斯网络的结构学习算法学习得到不同的空间关系作为上下文节点。因此,该模型能够针对不同的地物类别利用不同的空间上下文信息,使得分类过程更智能和有效。实验结果表明,本文提出的算法能够很好地利用上下文信息,对高分辨遥感图像中的各种地物进行有效的分类和检测。

基于空洞卷积和特征融合的单阶段目标检测算法

针对SSD多尺度目标检测过程中存在的目标漏检和错检问题,提出了一种融入多维空洞卷积和多尺度特征融合的目标检测算法。在卷积神经网络输出的多尺度特征中,浅层具有更多的细节信息,深层具有更多的语义信息,根据这一特点,对浅层网络采用了3种多维空洞卷积的浅层特征增强模块,获得具有语义信息的特征图,将增强后的特征图进行下采样,融合不同层的特征;同时在深层网络引入通道注意力模块,对通道进行权重分配,抑制无用信息,提高目标的检测性能。研究结果表明:该算法在PASCAL VOC数据集上检测精度为79.7%,比SSD算法提高了2.4%;在KITTI数据集上检测精度为68.5%,比SSD算法提高了5.1%,检测速度达到了实时性的要求,有效地改善了目标的漏检和错检。

基于计算机视觉的火车钩挡识别

为了给运煤车喷洒抑尘剂,需要识别火车车厢之间的钩铛。基于计算机视觉的火车钩铛识别只需在站台一侧安装摄像头,对拍摄到的图像序列进行处理从而识别出钩铛。由于光照、天气等诸多因素的影响,首先采用直方图均衡算法对图像进行增强,然后提取图像的LBP纹理特征和直线特征,并进行特征融合,选用SVM (Support Vector Machine)分类器,针对不同的目标通过离线训练的方式获得SVM模型参数。针对四类目标训练了相应的SVM模型,分别为车头、车厢、钩挡和车站,对拍摄的运煤车视频图像可以实现在线识别。经过初步实验验证,提出的钩铛识别系统能够自动识别火车钩铛的开始和结束,从而控制喷洒系统,且安装简单,能够最大程度的减少抑尘剂浪费。

基于虚拟设备接口技术的视频综合监控系统

针对异构视频监控系统中的视频资源共享问题,本文提出了一种基于虚拟设备接口技术的视频综合监控系统的集成方案。该系统体系结构分为四层,分别为:核心服务层、虚拟设备驱动层、协议转换层和物理设备接口层。运用虚拟设备驱动一体化解决方案,通过虚拟设备驱动完成设备功能转换和通信协议转换,从而能够兼容多种视频设备,并且实现各种通信协议和视频解码算法的转换。经过初步试验验证,表明该系统能有效集成多种厂家的视频设备,实现视频资源的合理共享,具有一定的扩展性和兼容性。

基于双分支特征融合的无锚框目标检测算法

针对无锚框目标检测算法CenterNet中,目标特征利用程度不高、检测结果不够准确的问题,该文提出一种双分支特征融合的改进算法。在算法中,一个分支包含了特征金字塔增强模块和特征融合模块,以对主干网络输出的多层特征进行融合处理。同时,为利用更多的高级语义信息,在另一个分支中仅对主干网络的最后一层特征进行上采样。其次,对主干网络添加了基于频率的通道注意力机制,以增强特征提取能力。最后,采用拼接和卷积操作对两个分支的特征进行融合。实验结果表明,在公开数据集PASCAL VOC上的检测精度为82.3%,比CenterNet算法提高了3.6%,在KITTI数据集上精度领先其6%,检测速度均满足实时性要求。该文提出的双分支特征融合方法将不同层的特征进行处理,更好地利用浅层特征中的空间信息和深层特征中的语义信息,提升了算法的检测性能。

空洞可分离卷积和注意力机制的实时语义分割

目的为满足语义分割算法准确度和实时性的要求,提出了一种基于空洞可分离卷积模块和注意力机制的实时语义分割方法。方法将深度可分离卷积与不同空洞率的空洞卷积相结合,设计了一个空洞可分离卷积模块,在减少模型计算量的同时,能够更高效地提取特征;在网络输出端加入了通道注意力模块和空间注意力模块,增强对特征的通道信息和空间信息的表达并与原始特征融合,以进一步提高特征的表达能力;将融合的特征上采样到原图大小,预测像素类别,实现语义分割。结果在Cityscapes数据集和CamVid数据集上进行了实验验证,分别取得70.4%和67.8%的分割精度,速度达到71帧/s,而模型参数量仅为0.66 M。在不影响速度的情况下,分割精度比原始方法分别提高了1.2%和1.2%,验证了该方法的有效性。同时,与近年来的实时语义分割方法相比也表现出一定优势。结论本文方法采用空洞可分离卷积模块和注意力模块,在减少模型计算量的同时,能够更高效地提取特征,且在保证实时分割的情况下提升分割精度,在准确度和实时性之间达到了有效的平衡。

教学语言要口语化

语言是人类最重要的交际工具,是知识信息转播的载体。教学活动中,教师是维系教材和学生的中介,以文字形态贮存在教材中的知识不会自动流向学生,而学生在一定的学习阶段又不能有效、独立地去获取知识。因而,恰当地运用教学语言,为学生创造学习情境,激发学习兴趣,缩小二者之间的距离,有助于完成教学任务。所以,教学语言是课堂教学最重要的工具,是教师在"传道、授业、解惑"、开发学生智力,培养学生良好品质的过程中所使用的语言,是一种创造性的艺术。

脑梗塞肢体偏瘫患者应用康复护理干预的效果观察

研究分析对脑梗塞肢体偏瘫患者实施康复护理干预后,患者的护理效果。方法:将我院收治的脑梗塞肢体偏瘫患者68例进行研究(收治时间:2018年12月-2019年8月),按照科学分组方式分为两组,每组各34例,试验组给予康复护理干预,对照组给予常规护理。对比两组患者在不同护理方法护理后的肢体活动能力以及独立生活能力评分。结果:两组患者经过神经系统治疗以及护理干预后,上下肢体评分比较,试验组患者高于对照组患者,患者独立生活指数比较,试验组高于对照组(P<0.05)。结论:对于脑梗塞肢体偏瘫患者,应及时实施康复护理干预,帮助促进患者上下肢活动能力改善,减轻患者生活负担帮助患者提高独立生活能力,值得临床推广。