大多数行人重识别(Person re-identification,ReID)方法仅将注意力机制作为提取显著特征的辅助手段,缺少网络对行人图像关注程度的量化研究.基于此,提出一种可解释注意力部件模型(Interpretable attention part model,IAPM).该模型有3...大多数行人重识别(Person re-identification,ReID)方法仅将注意力机制作为提取显著特征的辅助手段,缺少网络对行人图像关注程度的量化研究.基于此,提出一种可解释注意力部件模型(Interpretable attention part model,IAPM).该模型有3个优点:1)利用注意力掩码提取部件特征,解决部件不对齐问题;2)为了根据部件的显著性程度生成可解释权重,设计可解释权重生成模块(Interpretable weight generation module,IWM);3)提出显著部件三元损失(Salient part triplet loss,SPTL)用于IWM的训练,提高识别精度和可解释性.在3个主流数据集上进行实验,验证所提出的方法优于现有行人重识别方法.最后通过一项人群主观测评比较IWM生成可解释权重的相对大小与人类直观判断得分,证明本方法具有良好的可解释性.展开更多
MoS_(2)的理论比容量高(670 mAh g^(-1)),层间距大,有利于钠离子的嵌入脱出,但由于充放电过程中会不可避免地产生体积膨胀进而造成堆叠,导致容量衰减。合成超小MoS_(2)片与碳材料复合可以有效解决MoS_(2)充放电过程中产生的堆叠问题。...MoS_(2)的理论比容量高(670 mAh g^(-1)),层间距大,有利于钠离子的嵌入脱出,但由于充放电过程中会不可避免地产生体积膨胀进而造成堆叠,导致容量衰减。合成超小MoS_(2)片与碳材料复合可以有效解决MoS_(2)充放电过程中产生的堆叠问题。本工作利用粗酞菁作为前驱体,成功地合成出锚定在3D纳米碳上的超薄MoS_(2).少层的MoS_(2)提供了更多的空间,缓解了钠离子嵌入脱出引起的体积膨胀,并且当固定在碳材料上时,MoS_(2)的(002)层间距提高到了0.67 nm.此外,所得的材料在0.1 C循环200圈后仍能保持356 mAh g^(-1)的比容量,库伦效率保持在99.8%.展开更多
文摘MoS_(2)的理论比容量高(670 mAh g^(-1)),层间距大,有利于钠离子的嵌入脱出,但由于充放电过程中会不可避免地产生体积膨胀进而造成堆叠,导致容量衰减。合成超小MoS_(2)片与碳材料复合可以有效解决MoS_(2)充放电过程中产生的堆叠问题。本工作利用粗酞菁作为前驱体,成功地合成出锚定在3D纳米碳上的超薄MoS_(2).少层的MoS_(2)提供了更多的空间,缓解了钠离子嵌入脱出引起的体积膨胀,并且当固定在碳材料上时,MoS_(2)的(002)层间距提高到了0.67 nm.此外,所得的材料在0.1 C循环200圈后仍能保持356 mAh g^(-1)的比容量,库伦效率保持在99.8%.