基于高分辨率表征的多人姿态估计算法

针对人体姿态估计任务特征提取精度低的问题,设计了一种特征高分辨率表征的姿态估计方法。该方法基于Mask RCNN模型,在RCNN获得目标实例后,将实例的检测结果映射到特征金字塔的高分辨率特征层,然后通过关键点预测模块上采样提高特征分辨率,最后将预测特征进行空间位置编码成分类任务,来获取每个实例的关键点二维空间位置并实现多人姿态估计。提出的多人姿态估计算法其检测任务性能精度提高1.0%,姿态估计任务精度提高0.5%,该算法减少了姿态估计的预测误差,进一步提升了姿态估计性能,提高了多人姿态估计的精度,实现了高分辨率表征。

基于级联高分辨率网络的活性污泥显微图像分割方法

由于活性污泥显微图像固有的光晕、阴影等伪影以及絮状物和丝状菌多样性和结构性的不均匀性,传统图像分割方法存在絮体和丝状菌欠分割和过分割的问题.笔者基于高分辨率网络(high resolution network, HRNet)提出一种级联高分辨率网络(cascaded high resolution network, CHRNet)的活性污泥显微图像分割方法.该方法基于HRNet网络框架,通过特征金字塔构建级联的解码器结构,利用低分辨率提取语义信息,并中高分辨率恢复与细化边缘信息.引入多标签监督使反向传播更加平滑,从而实现更准确的预测.通过引入加权交叉熵损失函数,改善活性污泥显微图像分割中絮体和丝状菌样本类别不均衡的问题.真实污水处理厂活性污泥显微图像数据集图像分割实验结果表明:CHRNet方法在鲁棒性和泛化能力方面好于HRNet、U-Net和DeepLabV3+方法.

引入注意力机制的多分辨率人体姿态估计研究

针对人体姿态估计任务中多分辨率特征表征直接融合时存在无法有效利用特征图空间特征信息的问题,基于High-Resolution Net(HRNet)进行结构设计,构建出结合了通道域注意力和空间域注意力机制的多分辨率人体姿态估计网络GCT-Nonlocal Net(GNNet),提出了一种基于注意力机制的多分辨率表征融合方法,在不同分辨率表征融合前由空间注意力提取出各分辨率表征更有用的空间特征信息来改进融合单元,使得各分辨率表征间的信息融合效果更佳,最终输出的高分辨率表征含有更丰富的特征信息,同时构造了Gateneck模块和Gateblock模块,其通过引入通道注意力更明确地对通道关系建模从而高效地提取通道信息。在MS COCOVAL 2017进行验证,结果显示提出的GNNet相较于SOTA级表现的HRNet在相当参数量与运算量的情况下获得了更高的准确度,mAP提高了1.4个百分点。实验结果表明,所提方法有效地提高了多分辨率特征表征融合效果。

基于改进高分辨表征的人体姿态估计算法

为精确检测不同人体尺度的关键点,提出一种基于高分辨率表征的关键点尺度变换网络(high-resolution for scale transformation structure,HR-STS)。由高低分辨率并行子网络提取所有初步关键点特征,通过尺度变换结构把关键点特征标准化,经过逆空间变换得到关键点坐标。实验对比结果表明,改进后的算法在MPⅡ数据集和COCO数据集上的平均检测精度提升明显,网络参数量与浮点运算量也小于其它算法。

涡旋电磁波雷达成像分辨力研究

相位波前受轨道角动量调制的涡旋电磁波,在雷达前视成像领域得到广泛关注和研究。基于涡旋电磁波雷达成像原理和方法,该文重点对方位分辨力展开研究。首先,分析了贝塞尔幅度项对方位分辨性能的影响,结果表明,在贝塞尔幅度窗影响下,涡旋电磁波雷达方位分辨性能由有效OAM模态范围决定。其次,提出了一种有效OAM模态范围计算方法,并分别对方位角分辨率、空间分辨率以及超实孔径雷达分辨率进行了表征。最后,仿真分析了方位基本分辨性能随不同影响因素的变化规律,改变波长孔径比、成像俯仰角,能增大有效OAM模态范围,提升方位分辨性能。拟合得到了有效OAM模态范围、超实孔径雷达分辨率关于波长孔径比和成像俯仰角的近似表达式,为涡旋电磁波雷达参数设计与优化提供参考。

基于Transformer的野生动物关键点检测

濒危野生动物需要得到保护,对野生动物进行姿态追踪是保护野生动物的一种可行性方法。关键点检测是对野生动物进行姿态追踪的重要步骤。基于深度卷积网络(Deep Convolutional Neural Network,DCNN),首次使用Transformer模型实现野生动物的关键点检测任务,Transformer可以捕捉野生动物关键点的长距离依赖关系。在网络的基本模块(BasicBlock)中引入SGE(Spatial Group-wise Enhance)注意力机制,改善所提取特征的分布。提出了一种基于空间注意力的多分辨率表征融合方法,在特征融合时关注更有用的特征信息。在野生动物关键点检测的公共数据集上进行实验,实验结果显示,所提方法获得了良好的效果。

单分子病毒三维可控操作方法

单个病毒的三维操作对自下而上开展单分子尺度的细胞免疫学研究具有重要的意义,然而受操作工具及操作方法的限制,该问题一直未能得到很好的解决.以基于原子力显微镜的纳米操作机器人为基础,开展了针对单个病毒分子的三维操作研究,具体包括:高均匀分散性病毒样品制备方法,基于局部扫描的病毒三维操作结果实时检测策略,以及微观尺度下病毒三维空间的定点放置实现.实验结果表明,本文提出的操作方法与技巧,不仅能够实现单个病毒分子在三维空间内的可控定点拾取与释放,还可与二维操作方法相结合,构建出全病毒分子的三维纳米结构,实验结果验证了所提方法的正确性和有效性,从而为自下而上的细胞免疫学开展提供了可行的技术途径.