改进YOLOv5s-Seg的高效实时实例分割模型

实例分割是图像分割的重要组成部分,同时也是计算机视觉领域的一个重要课题。然而现有实例分割模型不能在保证实时性的同时保证模型分割精度,因此在实时实例分割任务中一直存在精度过低、定位不精确的问题。针对此问题,提出了一种基于YOLOv5s-Seg改进的实时实例分割模型。以YOLOv5s-Seg作为网络的基础模型,主干网络选用Repvit m3网络,然后改进FPN结构,在FPN结构中将原始得到的C3卷积模块升级为RsRepVitBlock模块,并在其内部使用ECA注意力机制,最后采用SIoU作为模型的边界框损失函数。该算法在公开数据集PASCAL VOC 2012上的实验结果显示,改进后的模型分割精度mAP达到了65.7%,较原模型YOLOv5s-Seg提高了10.6个百分点。该模型大幅提升了分割精度,并且有效地改善了分割任务中定位不准确的问题。相较于其他模型,具有显著的精度优势和更好的模型稳定性。

一种基于注意力机制的轻量级语义分割

语义分割是一种计算机视觉技术,它需要从大量的图像中提取出重点信息,然后通过掩膜的方式,将这些信息转化成更加清晰、易于理解的表达形式。研究人员正在努力寻求一种平衡,在保证模型精度的同时,尽可能减小模型的体积,这也是当前设计轻量级网络模型的热门话题。当前,图像语义分割技术存在许多挑战,如分割不连续、错误分割和模型复杂度过高。为了解决这些问题,提出了一种基于注意力机制的轻量级语义分割模型。该模型采用冻结解冻训练,特征提取网络是MobileNetV2,为了恢复较清晰的目标边界,在空洞金字塔池化(ASPP)输出部分引入轻量级的卷积注意力(CBAM)模块或在解码部分引入通道注意力(ECA-Net);为了解决样本不均衡的问题,引入了focal_loss损失函数;使用了混合精度和替换了输出端的标准卷积——DO-Conv卷积,在PASCAL VOC 2012和Cityscapes数据集上进行实验和验证,模型的大小为23.6 MB,平均交并比分别为73.91%和74.89%,类别平均像素准确率分别82.88%和84.87%,成功地在精确分割和计算效率之间取得了平衡。

基于适配器签名和盲混技术的电子资源交易方案设计与实现

为解决第三方电子商务平台存在信用风险、交易不确定以及监管体系不完善的问题,出现许多利用区块链技术实现去中心化的方案,然而区块链交易透明且可追踪导致出现隐私泄露的新问题。针对该问题,采用适配器签名技术与盲混合技术,提出一种新颖的电子资源交易方案,解决了无可信第三方公平交易问题,保护了交易双方的隐私安全。经过安全性论证,该方案具有公平性、原子性和不可链接性。仿真实现表明,该方案具有良好的执行效率。

血清IgG N-聚糖在肿瘤辅助诊断中的研究现状

免疫球蛋白(Ig)在人体抵抗外部感染和对自身异常细胞的监控、清除中扮演重要角色,位于IgG Fc段的N-聚糖在调节IgG的炎症活性上起到了重要作用,并且IgG N-聚糖成分和分布的变化与疾病的发生发展密切相关。近年来,随着对IgG N-聚糖研究的深入,大量的研究发现IgG N-聚糖的变化与恶性肿瘤的发生发展和转归存在关联,其有望成为一种用于恶性肿瘤诊断、鉴别、疗效观察和预后判断的全新生物标志物。本文就IgG N-聚糖的生物学特性、检测方法和研究进展作一综述。