基于改进型Softmax Loss损失函数的面部表情识别

针对面部表情识别中Softmax Loss损失函数类内特征分散、类间特征未分离的问题,提出一种改进型Softmax Loss损失函数ACAM Loss。上述损失函数将优化集中在余弦角度上,在特征与目标权重的余弦夹角加上间隔m,在特征与非目标权重的余弦夹角减去间隔m,有效引导网络学习具备类内距离较小、类间距离较大的强区分度特征,同时加大网络训练力度优化输出,以提升分类效果。实验表明,在CK+和JAFFE数据集上,ACAM Loss函数训练模型表情识别准确率分别达到98.87%和98.92%,相比Softmax Loss函数平均增幅分别为1.35%和1.3%,识别准确率处于主流领先水平,验证了改进损失函数的有效性。

基于VGG-NET的特征融合面部表情识别

为了解决在面部表情特征提取过程中卷积神经网络CNN和局部二值模式LBP只能提取面部表情图像的单一特征,难以提取与面部变化高度相关的精确特征的问题,提出了一种基于深度学习的特征融合的表情识别方法。该方法将LBP特征和CNN卷积层提取的特征通过加权的方式结合在改进的VGG-16网络连接层中,最后将融合特征送入Softmax分类器获取各类特征的概率,完成基本的6种表情分类。实验结果表明,所提方法在CK+和JAFFE数据集上的平均识别准确率分别达到了97.5%和97.62%,利用融合特征得到的识别结果明显优于利用单一特征识别的效果。与其他方法相比较,该方法能有效提高表情识别准确率,对光照变化更加鲁棒。

某院呼吸内科中成药用药情况分析与管理对策

目的:探讨某医院呼吸内科的中成药用药情况,并提出一定的管理对策。方法:选择2021年某医院呼吸内科接诊的使用中成药治疗的患者1 438例的数据资料进行回顾性分析。描述全部纳入研究的患者的一般资料。描述用药频度(DDDs)排名前10位的中成药分布情况。描述全部发生不良反应的类型及患者的年龄分布情况。描述不良反应的原因分布情况。结果:共有1 438例患者的数据资料纳入到研究之中,其中男811例(56.40%),女627例(43.60%)。全部患者的年龄分布在11~81岁。患者所罹患疾病中,以慢性阻塞性肺疾病的人数最多,共403例,占28.03%。在全部患者所开具的中成药之中,以川贝枇杷膏的DDDs数值排名第1,在DDDs排名前10的中成药中,全部药物的利用指数(DUI)均低于1,其中以连花清胶囊的DUI最高,为0.87,玉屏风颗粒的DUI最低,为0.59。全部患者之中共有55人出现不良反应,其中以过敏样反应的例数最多,发生率为2.57%,占全部不良反应的67.27%。在全部发生不良反应的年龄分布方面,以>60岁的个体数量最多,共36人,发生率为2.50%,占65.45%。在发生不良反应的原因分布中,以患者个体差异占比最高,共16例,发生率为1.11%,构成比为29.09%。结论:该医院呼吸内科的中成药使用较为合理,由于中成药导致的不良反应风险整体较低,不过仍然存在部分不合理用药的情况,需要在工作中进一步改进。

商丘市中小型河流治理及对策

商丘市是一个农业大市,河南省的粮食主产区,但由于水资源总量不足,且旱涝灾害频发,已严重影响了商丘市社会经济的健康发展。通过对中小型河流进行治理,提高地区防洪排涝能力,对减轻洪涝灾害损失,促进区域经济协调发展和社会主义新农村建设,改善区域生态环境具有积极的作用。