基于可变形掩膜对齐卷积模型的行人再识别

行人再识别是计算机视觉领域的一个重要研究方向,在视频监控等非常广阔的领域有极其重要的应用前景。行人再识别研究中遇到的一个重要挑战就是行人图像对齐问题。利用全卷积模型和全局平均池化操作,提出了一种新的可变形掩膜对齐的深度卷积神经网络模型,它不仅可以解决行人图像对齐问题,而且实现了行人图像的多信息融合。该方法在Market-1501和DukeMTMC-reID两大数据集上进行了验证,整体准确率得到了很大提高。

ZL101A铝合金瞄准镜壳体断裂失效分析

某型枪用ZL101A铝合金瞄准镜壳体上的镜枪连接处在冲击过程中出现断裂,通过断口形貌观察、金相分析、化学分析、硬度测试等方法对断裂个体零件的原因进行多方面的分析。结果表明:瞄准镜壳体断裂处为脆性开裂,起裂位置位于凸起与管身倒角外壁处,断裂位置处于壁厚最薄处且存在较大的应力集中,原因是铸件变质处理不充分、存在枝晶间缩孔,使材料塑性和抗疲劳性能有所下降。

改进ShuffleNet V2的轻量级农作物病害识别方法

针对目前有关深度学习的农作物病害识别方法中存在模型较为复杂,部署在计算资源有限的边缘设备和移动终端上适应性不强,实时准确识别作物病害较差的问题,提出一种改进ShuffleNet V2的轻量级农作物病害识别方法。以ShuffleNet V2单元为基础,引入ECA(efficient channel attention)注意力模块,使用H-Swish激活函数以便减少网络结构每个Stage模块中ShuffleNet V2单元使用个数,使用轻量化网络设计组件深度可分离卷积。在PlantVillage病害数据集上进行实验。结果表明,模型的参数量约为2.95×10^(5),计算量为3.388×10^(7)(FLOPs)和6.674×10^(7)( MAdd),病害识别平均准确率达到了99.24%,为农作物病害识别方法在移动终端等资源受限设备上部署应用提供参考。

基于改进inception的脱机手写汉字识别

研究基于inceptions结构神经网络的脱机手写汉字识别,提出了一种inception结构的改进方法,它具有结构更加简单、网络深度扩展更加容易、需要的训练参数量更少的优点。该方法在数据集CISIA-HWDB1.1上进行了实验验证,采用随机梯度下降优化算法,模型达到了96.95%的平均准确率。实验结果表明,使用改进的inception结构在图像分类上具有更好的鲁棒性,更容易扩展到其他应用领域。

融合文本图卷积和集成学习的文本分类方法

为了提高文本分类的准确率并解决文本图卷积神经网络对节点特征利用不足的问题,提出了一种新的文本分类模型,其内在融合了文本图卷积和Stacking集成学习方法的优点。该模型首先通过文本图卷积神经网络学习文档和词的全局表达以及文档的语法结构信息,再通过集成学习对文本图卷积提取的特征进行二次学习,以弥补文本图卷积节点特征利用不足的问题,提升单标签文本分类的准确率以及整个模型泛化能力。为了降低集成学习的时间消耗,移除了集成学习中的k折交叉验证机制,融合算法实现了文本图卷积和Stacking集成学习方法的关联。在R8、R52、MR、Ohsumed、20NG等数据集上的分类效果相对于传统的分类模型分别提升了1.5%、2.5%、11%、12%、7%以上,该方法在同领域的分类算法比较中表现优异。

基于多尺度UNet的肾脏CT图像分割

肾脏图像分割对于肾脏疾病的评估以及临床诊断具有重要意义。但传统的肾脏图像分割方法难以对肾脏组织进行精准分割。为了解决上述问题,提出一种结合多尺度UNet模型和分水岭后处理的方法,用于肾脏CT图像的自动分割。多尺度UNet模型的下采样层融合了Inception模块,同时对采样层加入残差块,以有效提取和融合CT图像中多尺度特征,提高了分割准确度。同时,通过一系列分水岭后处理步骤,对模型分割结果进行优化。实验采用grand-challenge中的KITS19数据集。算法实验结果在MIoU(Mean Intersection over Union)和MDSC(Mean Dice Similarity Coefficient)评估指标上得到一定的提高,分别达到了93.37%和99.88%。该算法在与主流的6个方法对比中有一定的优势,能够为肾脏疾病的临床诊断提供更准确的肾脏结构组织信息。

组件树理论和方法研究综述

组件树方法是数学形态学理论及方法的进一步发展,它利用一系列阈值截集产生连通分量,构造其上的层次关系。利用组件树方法发展出的一系列高效的图像处理算法,非常适合图像底层特征的快速提取,在广大的领域,尤其是医学图像处理领域,得到了广泛的应用。对组件树方法的发展和现状进行了系统的回顾,概述了现存的组件树建树算法以及基于组件树的图像处理算法。对组件树在多值(彩色)图像相关领域、树的快速构建、并行化处理算法方面的研究进行了展望。

基于YOLOv4-GS检测算法的服装识别方法

针对服装检测中检测模型体积大、运算量高,难以适应后续嵌入式平台环境的需要,本文提出了一种高效的YOLOv4-GS算法,极大降低了检测模型的规模。首先对数据集使用K-means聚类方法获得初始候选框,再融合Ghost模块和SimAM注意力机制组成GS模块,然后利用GS模块重构YOLOv4网络得到更轻量、更高效的YOLOv4-GS模型。实验结果表明:对比原生YOLOv4网络,在DeepFashion2数据集和相同环境下,YOLOv4-GS模型骨干网络浮点运算量减少48.33%,参数量减少49.63%,模型大小降低了33.12%,mAP达到67.8%,提升了2.1%。

An Impulse Weakly Observability of Generalized Linear Systems

This paper mainly discusses the singular linear systems of distributional version. By using its matrices coefficients and some invariant subspaces, the distributionally weakly obseervability and the impulse observability are analyzed.