基于多支路特征融合的行人重识别研究

针对目前行人重识别不能充分利用有效特征信息进行识别的问题,提出了一种基于多支路特征融合的行人重识别模型。首先将3个不同的卷积块分别接出1条支路;然后对每条支路上的特征采用注意力机制、批特征擦除等方法处理;最后将各支路特征进行融合,获得了高细粒度表征能力的特征。训练时,各支路相互监督。在Market1501、DukeMTMC-reID、CUHK03和MSMT17数据集上进行了单域和跨域验证实验,结果表明本文模型具有良好的性能,Rank-1和mAP指标高于大多数主流模型,其中在CUHK03数据集上,Rank-1和mAP分别达到了76.6%和72.8%。

微格教学法在高职高专口腔颌面外科实训教学中的应用

目的研究微格教学法在高职高专口腔颌面外科实训教学中的应用。方法在高职高专二年级口腔医学专业学生中通过自愿及摸底考试选取1、2班各50人。对照组采用传统教学法;实验组采用微格教学法。课程结束后对两组进行理论测试、操作测试及课程满意度调查。结果实验组理论测试成绩虽高于对照组但差异无显著性(P>0.05),操作测试及课程满意度高于对照组且差异有显著性(P<0.05)。结论在高职高专口腔颌面外科实训教学中应用微格教学法可以提高教学效果。

基于深度学习的场景文本检测算法研究

针对自然场景中任意形状文本图像因文本行难以区分导致的信息丢失问题,提出了一种基于深度学习的场景文本检测算法。首先构建特征提取模块,使用Resnet50作为骨干网络,在增加跨层连接的金字塔网络结构中引入并联的空洞卷积模块,以提取更多语义信息;其次,对得到的特征图进行多尺度特征融合,学习不同尺度的特征;最后预测出不同内核大小的文本实例,并通过尺度扩展逐渐扩大文本行区域,直到得到最终的检测结果。实验结果表明,该方法在SCUT-CTW1500弯曲文本数据集上的准确率、召回率及F1值分别达到88.5%、77.0%和81.3%,相比其他基于分割的算法,该算法对弯曲文本的检测效果良好,具有一定的应用价值。