结合多尺度特征学习与特征对齐的行人重识别

利用卷积神经网络对行人图像提取一个简单的全局特征,在复杂的行人重识别任务中无法获得令人满意的结果。局部特征学习的方式有助于获取更丰富的人体特征,但往往需要图像中的人体具有良好的空间对齐,而且,将人体各部分特征输入到独立的分支学习局部信息,忽略了人体各部分特征间的相关性,限制模型的性能提升。在此背景下,提出了一种新的多尺度特征学习算法,结合全局与局部特征学习得到更好的行人表示,提升复杂场景下模型的识别能力。对骨干网络不同深度输出的行人特征图,通过特征对齐模块对其执行空间变换,实现行人特征在空间上的矫正和对齐,进一步增强模型的泛化性能。在公开的大型行人重识别数据集上,与当前一些流行的方法进行了比较,验证了所提方法的有效性。

新型青成色剂的研究

原来普遍使用的苯酚和萘酚型青成色剂,由于所形成的染料经常伴有不合需要的色彩和热稳定性差的缺点,虽然在苯环上引入各种各样取代基,彩色相纸的热稳定性改善了,但色彩问题仍没有解决。因此研究开发5.5-和5.6-稠杂环化合物等用作彩色相纸育成色剂。第一类化合物产生的青染料色彩合意,而且热稳定性好。第二类作为彩色负片的青成色剂,有不含萘环的,也有含萘环的,热稳定性也大大改善。