-
题名广州市肥胖儿童膳食营养状况及饮食行为研究
被引量:10
- 1
-
-
作者
梁小红
王庆雄
李振波
谭湘粤
-
机构
广东药学院营养食品卫生教研室
广州市海珠区教育局
-
出处
《中国学校卫生》
CAS
北大核心
1999年第2期85-86,共2页
-
文摘
目的:为探索肥胖儿童膳食营养状况及与饮食行为的关系。方法:对广州市区3所小学93名单纯性肥胖儿童进行了膳食及饮食行为的配对调查研究。结果:总热能、VB1和尼克酸摄入高于对照组,并有显著性意义。肥胖儿的皮脂厚度大于对照组(P<0.01),在饭量、暴饮暴食等8个方面肥胖组与对照组有显著性差异。结论:肥胖儿童应减少热能摄入,增加体育煅炼。
-
关键词
营养
饮食行为
肥胖儿童
-
Keywords
Nutritional status Dietary behavior Obese child
-
分类号
R153.2
[医药卫生—营养与食品卫生学]
-
-
题名基于递进式特征增强聚合的伪装目标检测
被引量:6
- 2
-
-
作者
谭湘粤
胡晓
杨佳信
向俊将
-
机构
广州大学电子与通信工程学院
广州大学机械与电气工程学院
-
出处
《计算机应用》
CSCD
北大核心
2022年第7期2192-2200,共9页
-
基金
国家自然科学基金资助项目(62076075)。
-
文摘
伪装目标检测(COD)旨在检测隐藏在复杂环境中的目标。现有COD算法在结合多层次特征时,忽略了特征的表达和融合方式对检测性能的影响。为此,提出一种基于递进式特征增强聚合的COD算法。首先,通过主干网络提取多级特征;然后,为了提高特征的表达能力,使用由特征增强模块(FEM)构成的增强网络对多层次特征进行增强;最后,在聚合网络中设计邻近聚合模块(AAM)实现相邻特征之间的信息融合,以突显伪装目标区域的特征,并提出新的递进式聚合策略(PAS)通过渐进的方式聚合邻近特征,从而在实现多层特征有效融合的同时抑制噪声。在3个公开数据集上的实验表明,所提算法相较于12种最先进的算法在4个客观评价指标上均取得最优表现,尤其是在COD10K数据集上所提算法的加权的F测评法和平均绝对误差(MAE)分别达到了0.809和0.037。由此可见,所提算法在COD任务上拥有较优的性能。
-
关键词
卷积神经网络
伪装目标检测
特征增强
邻近聚合模块
递进式聚合策略
-
Keywords
Convolutional Neural Network(CNN)
Camouflaged Object Detection(COD)
feature enhancement
Adjacency Aggregation Module(AAM)
Progressive Aggregation Strategy(PAS)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-