基于多尺度Scale-Unet的单样本图像翻译

随着生成对抗网络(GAN)的发展,基于单样本的无监督图像到图像翻译(UI2I)取得了重大进展。然而,以前方法无法捕获图像中的复杂纹理并保留原始内容信息。为解决这个问题,提出了一种基于尺度可变U-Net结构(Scale—Unet)的新型单样本图像翻译结构SUGAN。所提出的SUGAN使用Scale—Unet作为生成器,利用多尺度结构和渐进方法不断改进网络结构,以从粗到细地学习图像特征。同时,提出了尺度像素损失scale-pixel来更好地约束保留原始内容信息,防止信息丢失。实验表明,与SinGAN、TuiGAN、TSIT、StyTR2等公共数据集Summer■Winter、Horse■Zebra上的方法相比,该方法生成图像的SIFID值平均降低了30%。所提方法可更好地保留图像内容信息,同时生成详细逼真的高质量图像。

Using Tallquist Haemoglobin Scale for Estimating Intraoperative Blood Loss in Liposuction

Introduction: Intraoperative blood loss remains as a concern for all surgeons. Proper estimation of intraoperative blood loss is critical and can be challenging, especially if the blood is mixed with other fluids such as tumescent fluid in liposuction cases. In such cases, proper estimation of intraoperative blood loss will lead to fewer mistakes in fluid resuscitation. In this article, Tallquist Haemoglobin Scale was tried to estimate intraoperative blood loss in liposuction. Objectives: Proper estimation of intraoperative blood loss in liposuction cases. Method: Tallquist Haemoglobin Scale will be tried to estimate the approximate intraoperative blood loss in liposuction cases using a mathematical formula that considers total fluid loss, patient’s preoperative haemoglobin and the reading from Tallquist kit. Results: Tallquist Haemoglobin Scale can be considered as a valid method for proper estimation of intraoperative blood loss in liposuction cases, the thing that will lead to correct fluid resuscitation and fewer complications. Conclusion: Proper estimation of intraoperative blood loss leads to fewer mistakes in fluid resuscitation and fewer related complications of under or overcorrection. Tallquist Haemoglobin scale is a trusted, cheap and fast method for proper estimation of intraoperative blood loss in liposuction cases.

基于缩尺模型的高铁桥梁预应力损失试验研究

【目的】为更好的评估在役预应力混凝土桥梁结构预应力损失状况。【方法】选用国内高铁中应用最广的32 m预应力混凝土箱梁作为研究对象,按照1:16的缩尺比例将箱梁转化为T形截面制作了26根C50混凝土试验模型梁。通过对试验梁预应力钢绞线应变、伸长量的瞬时和长期监测得到预应力损失的实际值,并将此实际值与目前国内外常用预应力损失规范计算所得值进行对比分析。【结果】预应力损失主要发生在前期即瞬时损失,约占总损失的70%;84.6%的试验梁锚固损失占瞬时损失总和的70%以上,最高达80.57%;试验梁的长期损失在锚固后的前10 d内变化较快,后期逐渐趋于稳定;将5种规范的计算结果与试验实测值进行对比,对于长期损失,数据显示实测数据与《铁路桥涵设计规范》(TB 10002—2017)计算结果最为吻合。【结论】研究结果可为实际工程中预应力梁的预应力损失计算提供参考。

窗口锚定的偏移受限动态蛇形卷积网络航拍小目标检测

为了从小目标有限特征中获取关键的有效信息,提升小目标的定位能力和检测精度,文中提出窗口锚定的偏移受限动态蛇形卷积网络航拍小目标检测方法.首先,构造偏移受限动态蛇形卷积,在不同方位动态偏移,受限蛇形卷积核自适应地关注不同大小和形状的特征区域,使特征提取聚焦于微小局部结构,促进小目标特征的捕获.然后,采用双阶段多尺度特征融合方法,对不同层阶特征图进行特征对齐、融合和注入,增强底层细节信息与高层语义信息的融合,并强化不同尺寸目标信息传输,提高小目标的检测能力.与此同时,设计窗口锚定的边界框回归损失函数,基于辅助边界框和最小点距离进行边界回归,获得准确的回归结果,提高小目标的定位能力.最后,在3个航拍数据集上的实验表明,文中方法对小目标的检测性能有不同程度的改善和提高.

基于YOLO5Face重分布的小尺度人脸检测方法

针对复杂场景下小尺度人脸检测精度较低的问题,提出了一种基于YOLO5Face重分布的小尺度人脸检测方法。方法以YOLO5Face为基础,在网络浅层引入改进的CBAM注意力并对模型计算重分布,提升复杂场景下小尺度人脸检测精度的同时降低模型参数量;采用融合mixup的数据增强方法,充分训练模型小尺度人脸检测分支;依据人脸检测特性,将softmax损失作为分类损失以最大化类间特征的差异。在WiderFace各个子集上的实验结果表明,与主流人脸检测方法相比,改进后的模型满足实时性的同时,小尺度人脸检测精度较高,其中Hard子集检测精度比YOLO5Face提升2个百分点。

认知行为干预对伴焦虑状态突发性聋治疗的疗效分析

目的分析认知行为干预对治疗伴焦虑状态突发性聋的疗效。方法选取2020年6月—2022年6月郑州大学第一附属医院收治的突发性聋患者353例,其中低频型108例,高频型72例,平坦型81例,全聋型92例。入院24 h内独立完成焦虑自评量表(SAS)评分,标准分>50分,汉密尔顿焦虑量表(HAMA)评分,标准分>17分接受认知行为干预为A组192例,未接受认知行为干预为B组161例,依据突发性聋诊断和治疗指南(2015)进行治疗。A组患者额外接受认知行为干预治疗。结果A、B两组中,低频型患者治疗有效率分别为90.38%(47/52)、75.00%(42/56),高频型患者治疗有效率分别为64.81%(35/54)、61.11%(11/18),平坦型患者治疗有效率分别为77.27%(34/44)、48.65%(18/37),全聋型患者治疗有效疗有效率分别为76.19%(32/42)、52.00%(26/50),A组中低频型、平坦型、全聋型治疗有效率高于B组;A组治疗总有效率高于B组,差异有统计学意义(P<0.05)。结论认知行为干预可提高伴焦虑状态的低频下降型、平坦型、全聋型治疗有效率及治疗总有效率。

基于特征增强和分组模块的车型精细识别

针对车型种类多、差异小,模型复杂,识别精度低的问题,提出一种基于特征增强和分组模块的车型精细识别方法,在ResNet网络基础上改进,在卷积块中加入多尺度通道域和空间域的注意力机制,增强对重要的特征提取,并将多通道特征图进行分组,根据分组损失函数不断优化分组,通过加权方式结合KL(Kullback-Leibler)散度损失函数和交叉熵损失函数,有助于网络学习类内差异小、类间差异大的特征。该方法在Stanford cars-196数据集和自制数据集上进行测试,验证了所提模型的有效性。

多尺度和卷积注意力相结合的红外与可见光图像融合

针对红外与可见光图像融合时,单一尺度特征提取不足、红外目标与可见光纹理细节丢失等问题,提出一种多尺度和卷积注意力相结合的红外与可见光图像融合算法。首先,设计多尺度特征提取模块和可变形卷积注意力模块相结合的编码器网络,多感受野提取红外与可见光图像的重要特征信息。然后,采用基于空间和通道双注意力机制的融合策略,进一步融合红外和可见光图像的典型特征。最后,由3层卷积层构成解码器网络,用于重构融合图像。此外,设计基于均方误差、多尺度结构相似度和色彩的混合损失函数约束网络训练,进一步提高融合图像与源图像的相似性。本算法在公开数据集上与7种图像融合算法进行比较,在主观评价和客观评价方面,所提算法相较其它对比算法具有较好的边缘保持性、源图像信息保留度,较高的融合图像质量。

基于多尺度和加权坐标注意力的轻量化红外道路场景检测模型

针对道路场景下红外目标遮挡、缺乏纹理细节而导致目标误检、漏检的问题,提出一种基于多尺度和加权坐标注意力的轻量化红外道路场景检测模型(MSC-YOLO)。以YOLOv7-tiny作为基线模型,首先,在MobileNetV3的不同中间特征层引入多尺度金字塔模块PSA(Pyramid Split Attention),设计一种多尺度特征提取的轻量化主干提取网络MSM-Net(Multi-Scale Mobile Network),解决固定大小卷积核造成的特征污染问题,提高对于不同尺度目标的细粒度提取能力;其次,在特征融合网络融入加权坐标注意力(WCA)机制,叠加从中间特征图垂直和水平空间方向上获取的目标位置信息,增强目标特征在不同维度上的融合能力;最后,替换定位损失函数为高效交并比(EIoU),分别计算预测框和真实框的长、宽影响因子,提高收敛速度。在Flir数据集上进行验证实验,与YOLOv7-tiny模型相比,在mAP(IoU=0.5)仅降低0.7个百分点的前提下,MSC-YOLO的参数量减少67.3%,浮点运算次数减少54.6%,模型大小减小60.5%,帧率在RTA 2080Ti上达到101,在检测性能和轻量化上达到平衡,满足红外道路场景的实时检测需求。

基于对比学习的大型语言模型反向词典任务提示生成方法

反向词典任务是一种新兴的任务,目的是根据给定的定义来查找对应的单词。大规模语言模型为这一任务提供了新的可能性,但是提示语句的质量会影响大模型的性能。为此,提出了一种基于对比学习的提示生成方法。该方法在从多个语义层面上理解定义语义的同时,还利用对比学习的原理在训练过程中引入了负例,提升了模型的泛化能力。通过这种方法,可以将目标单词缩小到一个小范围内,然后用大模型从这个范围内选择最符合定义语义的单词。实验结果表明,该方法可以有效地提升大规模语言模型在反向词典任务上的表现。提示生成模型有94.7%的概率生成包含目标词的范围,大规模语言模型有58.03%的概率直接选出目标单词,有74.55%的概率在给出5个候选单词时包含目标单词。

基于YOLOv5的行人检测方法研究

针对YOLOv5在检测行人时容易出现漏检目标及检测精度低的问题,提出一种改进YOLOv5网络的行人检测模型。首先,主干网络使用SPD(Space-to-Depth)模块和Ghost卷积组合构造的SPD-GConv模块进行下采样,减少细粒度特征信息的损耗。其次,通过增加小尺寸检测层,增强模型的多尺度检测能力。然后,使用α-EIoU损失函数替换原始CIoU损失函数,提高行人目标定位准确度。使用Crowdhuman数据集进行训练和测试,实验结果表明,所提出算法比原始算法的召回率和平均精度值分别提高了4.7%和3.5%,能够有效提高远距离目标和密集场景下行人检测的准确率。

隧道分岔形式对分流局部通风阻力特性的影响

目的:随着城市建设水平和强度提高,带匝道的分岔隧道日趋增多。针对分岔隧道通风设计难题,亟待获取隧道分岔形式对分流局部通风阻力特性的影响规律。方法:通过搭建同步满足阻力和压力相似的1/13缩尺分岔隧道通风试验平台,构建分岔隧道三维CFD模型,探究了分岔隧道不同分岔形式气流的流动特征和局部阻力系数,并进一步分析了分流结构与减速车道等隧道分岔形式特征对局部阻力系数的影响。结果:表明主线与匝道局部阻力系数随分流比增大呈现先减小后增大的趋势,且在分流比为0.4时达到最小。平行分岔隧道相比定向分岔隧道,主线局部阻力系数差别不大,而匝道局部阻力系数存在较明显的差异,分流比较小时,平行分岔隧道匝道局部阻力更大,分流比较大时则相反。增设减速车道,分流比较小时会减小匝道局部阻力系数,但会增加主线局部阻力系数,分流比较大时则相反。结论:研究结果可为分岔隧道的通风设计提供参考。

黄土丘陵沟壑区坡面水沙尺度传递效应及其影响因素分析

[目的]探究坡面水沙运动过程中的尺度效应,阐明黄土高原丘陵沟壑区水沙运动尺度效应影响机制,进而为水沙传递机理研究及黄河流域水沙综合治理提供科学支撑。[方法]基于黄河子洲径流试验站4个径流场径流泥沙资料,通过对比分析次降雨事件下不同坡长产流产沙过程,揭示了坡面产流产沙的尺度传递效应。提出尺度传递效率概念,用来表征上下层级间水沙传递关系,进而探究了径流泥沙传递效率的影响因素。[结果](1)不同降雨类型特征因素对坡面产流产沙的影响不同,降雨历时主要影响坡面产流产沙能力,平均雨强主要影响坡面产流产沙起始时间;(2)次降雨事件下,不同坡长的径流传递是较为理想的平衡传递机制,且随坡长增加,径流的传递能力呈减小趋势。而在40~60 m坡长条件下,泥沙的传递表现为非平衡传递过程,随坡长增加,泥沙的传递能力呈先增大后减小的变化趋势;(3)不同尺度坡面水沙传递效率的影响因素不同,径流深、平均雨强及雨后表层土壤含水率是影响水沙尺度效率传递的主要因素。[结论]黄土丘陵沟壑区坡面产流产沙能力受降雨特性及坡长的影响,水沙沿程传递存在明显的折损或增益的尺度效应,水沙传递效率受雨强、径流及土壤湿度等多重因素的调控。

多尺度特征融合的铁轨异物入侵检测研究

针对铁路轨道异物检测中不同尺度异物目标的检测易受复杂环境的影响,导致出现检测精度低及检测速度慢等问题,提出一种多尺度特征融合的铁轨异物检测(RMF-YOLO)算法。首先,设计并引入改进的卷积注意力模块(ICBAM),结合YOLOv7特征提取网络,以增强复杂场景下的特征提取能力。其次,在所有高效层聚合网络模块中采用GhostConv替代普通卷积层,以降低计算复杂度,提高特征输出效率;设计一种改进的加权双向特征金字塔网络N-BiFPN结构,加强多尺度特征融合能力,平衡不同层级特征信息,提高多尺度检测能力。最后,为进一步提升检测精度,采用WIoU损失函数结合动态非单调聚集机制,有效应对低质量锚框产生的梯度,提高模型对不同尺度异物检测的整体性能。实验结果表明:在自制的铁轨异物数据集上,RMF-YOLO算法减少了原网络模型的参数量,有效提升了模型的检测精度与检测速度,改善了漏检与误检问题,平均精度提升了5.5%,检测速度提升了5.88%,计算量减少了12.25%,能满足铁轨入侵异物检测中对检测精度和实时性的需求。

比例融合与多层规模感知的人群计数方法

针对密集场景下人群图像拍摄视角或距离多变造成的多尺度特征获取不足、融合不佳和全局特征利用不充分等问题,提出一种比例融合与多层规模感知的人群计数网络。首先采用骨干网络VGG16提取人群密度初始特征;其次,设计多层规模感知模块,获得人群多尺度信息的丰富表达;再次,提出比例融合策略,根据卷积层捕获的特征权重重构多尺度信息,提取显著性人群特征;最后,采用卷积回归策略进行密度图的回归。同时,提出一种局部一致性损失函数,通过区域化密度图的方式增强生成密度图与真实密度图的相似度,提高计数性能。在多个人群数据集上的试验结果表明,所提模型优于近年人群计数的先进方法,且在车辆计数上有较好推广性。

晶圆级薄膜铌酸锂波导制备工艺与性能表征

随着光子集成和光通信技术的快速发展,低损耗波导是实现高效光子传输的关键元件,其性能直接影响整个集成芯片的性能。因此,低损耗波导的制备技术是当前铌酸锂集成光子技术研究的热点和难点。本研究针对晶圆级低损耗薄膜铌酸锂波导的制备工艺进行了深入研究,在4英寸的薄膜铌酸锂晶圆上,基于深紫外光刻和电感耦合等离子体刻蚀技术,成功制备出了传输损耗低于0.15 dB/cm的波导,同时刻蚀深度误差控制在10%以内,极大地提高了波导结构的精确度。此外,本研究还提出了一种基于微环谐振腔的晶圆上波导损耗的表征方案,能更精确地评估波导性能。通过测试,发现所制备的波导合格率超过85%,显示出良好的可重复性和可靠性。本文中发展的晶圆级薄膜铌酸锂加工工艺,对推进铌酸锂波导的大规模制备和应用具有重要意义。

1949—2021年我国成灾地震及其损失的时空特征

为了解地震致灾规律,有效制定防灾减灾规划,进一步减轻地震灾害损失,收集整理了1949—2021年我国及周边地区震级不小于5.0级的成灾地震及其灾害损失数据,从时间、空间两方面研究了他们的分布特征,研究结果表明:453次成灾地震共造成死亡约35万人,受伤约76万人,直接经济损失约11249亿元(折算值),其中重大地震灾害造成的灾害损失占比巨大。随着时间推移,年份上存在明显的地震多发年和少发年,年代上成灾地震次数有所增加,地震造成的经济损失加速增长,死亡人数、受伤人数有不同程度的减少。从地域上看,胡焕庸线西侧成灾地震发生频次高但平均损失小;经济分区中,西部地区成灾地震发生频次最高而平均损失最小,东部地区成灾地震次数次之但平均损失最高,中部和东北部地区成灾地震次数最少,灾害损失中等;云南省和四川省成灾地震次数最多,地震灾害损失最严重。同时期地震强度相近的成灾地震,发生在经济发达、人口密度高的区域的人员伤亡和经济损失更为严重。2000年以后小震大灾事件频次增加,多发生在胡焕庸线东侧及经济分区中的东部、中部地区,小震造成的大灾现象由原来的人员伤亡多转向经济损失大。

改进YOLOv8算法在风机叶片缺陷检测上的应用

风力发电机叶片,作为风力发电系统的核心组件,其健康状况直接关乎整个发电效率与运行安全。针对叶片缺陷检测的挑战,深入研究了YOLOv8n网络,并创新性地提出了高效多尺度卷积模块(EMSConv),该模块有效替代了传统残差块中的卷积层,通过分组卷积技术显著降低了冗余特征对检测结果的干扰,从而提升了检测的精确性。此外,在检测头部分,融入了Dynamic Head的多元化注意力机制,这些自注意力机制协同工作,跨越不同特征层,实现了对目标尺度、空间位置及检测任务的精准感知,极大地增强了目标检测模块的综合能力。还创新性地整合了Inner-IoU、Wise-IoU与MPDIoU,创造性地提出了Inner�Wise-MPDIoU,以替代传统的CIoU损失函数,这一举措不仅提高了网络的检测精度,还加速了收敛过程。在针对自制风机叶片缺陷数据集的测试中,YOLOv8-EDI展现出了卓越的性能,其mAP50值高达81.0%,相比原始YOLOv8n提升了2.3%;召回率也达到了76.8%,提升了3.7%。该模型在提升检测效果的同时,还实现了计算量的降低,降幅达5.5%,充分满足了工业环境下对风机叶片进行高效、准确、大批量检测的需求。

面向复杂场景密集行人检测的YOLOv8改进模型

针对当前行人检测面临的环境复杂、目标尺寸多变和严重遮挡等挑战,导致现有检测技术在识别密集行人时容易发生误判和遗漏的问题,本文提出一种高效的面向复杂场景密集行人检测的YOLOv8改进模型。在骨干网络引入DCNv2设计C2f_DCNetv2替换C2f模块,提升骨干网络的特征提取能力;通过在架构中加入小目标检测头,增强模型对小尺寸目标的检测能力,提高对小目标的检测识别精度;基于四检测头改进AFPN设计出AFPN-4H,优化特征层之间的信息融合,提高了模型对不同尺度目标的适应性和检测精度;最后,通过结合Wise-IoU、Focaler-IoU和MPDIoU得到WFM-IoU,进一步提高了目标定位的准确性。实验结果表明,与原始的YOLOv8n模型相比,在P、R、AP50以及AP50:95等关键指标上分别提升1.6%、4.0%、3.6%和3.8%,也优于其他算法。验证了本文改进算法在复杂场景密集行人检测任务中具有较好的性能。

糖尿病对初次全膝关节置换围术期失血量和疼痛的影响

背景:全膝关节置换是终末期骨关节炎的主要治疗措施,但糖尿病会影响治疗效果和预后等。目的:探讨糖尿病对初次全膝关节置换围术期失血量和置换后疼痛的影响。方法:回顾性分析2021年1-4月在西安交通大学附属红会医院骨坏死与关节重建病区行初次全膝关节置换且符合纳入标准的154例患者的临床资料,根据糖尿病诊断标准分为非糖尿病组与糖尿病组,其中糖尿病组32例,男性9例,女性23例,年龄55-80(66.58±7.16)岁;非糖尿病组122例,男性34例,女性88例,年龄44-83(66.69±6.63)岁。记录两组患者围术期失血量(全失血量、隐性失血量、血红蛋白下降值和红细胞压积下降值),记录置换前和置换后的目测类比评分、HSS评分、Caprini评分等。结果与结论:①非糖尿病组的全失血量(729.93±233.83)mL显著低于糖尿病组(853.69±184.91)mL,差异有显著性意义(P<0.05),非糖尿病组的隐性失血量(624.40±233.19)mL显著低于糖尿病组(749.08±179.49)mL,差异有显著性意义(P<0.05);②置换前和置换后1个月非糖尿病组目测类比评分显著低于糖尿病组,差异有显著性意义(P<0.05),置换后3 d和置换后3个月非糖尿病组与糖尿病组的目测类比评分差异无显著性意义(P>0.05);③置换后1个月非糖尿病组HSS评分明显高于糖尿病组,差异有显著性意义(P<0.05),而置换后3个月两组HSS评分差异无显著性意义(P>0.05);④置换前和置换后3 d两组间Caprini评分差异无显著性意义(P>0.05);⑤结果表明,患糖尿病会增加初次全膝关节置换的全失血量和隐性失血量,在全膝关节置换后短期内,糖尿病会增加患者疼痛并影响关节功能恢复,但随时间延长其影响会逐渐消失。