结合密度图回归与检测的密集计数研究

针对基于检测以及基于密度图两种主流的密集计数方法中,基于检测的方法召回率较低、基于密度图的方法缺失目标物体位置信息的问题,将检测任务与回归任务相结合后提出一种基于密度图回归的检测计数方法,可以实现对密集场景中目标物体的计数以及定位,对两种方法进行优势互补,在提高召回率的同时,实现标定所有目标物体的位置信息。为提取出更加丰富的特征信息以面对复杂的数据场景,网络提出特征金字塔优化模块,该模块纵向融合底层高分辨特征与顶层抽象语义特征,横向融合同尺寸的特征,丰富目标物体的语义表达;考虑到密集计数场景中目标物体所占像素比例较低的问题,提出一种针对小目标的注意力机制,通过对输入图像构建掩膜以增强网络对目标物体的注意力,从而提高网络的检测敏感性。实验结果表明,所提出方法在保持准确率基本不变的情况下,大幅度提高了召回率,同时可准确标定目标物体位置,有效提供输入目标图像的计数以及定位信息,在工业以及生态等各种领域具有广泛的应用前景。

基于多尺度自回归图模型的SAR图像稳健滤波

基于多尺度自回归(MAR)图模型的稳健递归M估计(RME)算法,给出一种新的合成孔径雷达(SAR)图像稳健滤波方法。首先根据SAR图像不同尺度下的统计相依性,构造SAR图像的多尺度图像序列;然后对多尺度SAR图像序列构造树上MAR图模型,利用其的RME算法得到SAR图像的滤波。研究表明,该算法不仅具有有效的可计算性,而且利用不同分辨率下SAR图像信息融合,在不同情况下都能得到较好的滤波结果。实验结果表明,本文提出的方法是稳健的。

应用谱回归和图正则最小二乘回归的数据降维

数据降维对于提高高维数据处理的效率具有重要意义,稀疏编码是目前受到广泛关注的主流降维方法。针对该方法在降维过程中不能保持样本空间几何结构信息的不足,提出一种基于谱回归和图正则最小二乘回归的改进方案,以2个图像数据集和2个基因表达数据集为样本的实验表明该方法优于未加改进的稀疏编码降维法。

统计过程控制中的回归控制图技术

针对微电路生产中工艺条件的变化情况 ,首先采用最小二乘法建立回归方程 ,构成表征工艺参数变化规律的工艺模型 ,然后在此基础上建立了回归控制图 。

回归控制图

本文首先试论一般回归控制图的概念及多元回归控制图的作图方法，其次着重分析常用回归控制图的理论缺陷及应用条件，最后对回归控制图同累积和控制结合使用的问题作了探讨．

回归控制图在钢铁生产过程中应用的探讨

本文通过对武钢烧结厂生产工序中,熔剂质量指标和成品质量指标的工序关联作用,进行了工序控制探讨分析。通过 X—R_s 控制图。X_(cs)选控图和回归控制图的应用比较,说明在钢铁生产过程中,对有相关关系的质量指标采用回归控制图的控制方法的有效性。同时结合应用累积和控制图,得到更灵敏的控制效果,为在钢铁生产过程中推行”一条龙”工序控制,提供丁一条有效的途径。

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。

面向自相关过程的改进ARMAST控制图与Grubbs调和规则的集成

为解决多品种小批量生产方式存在过程输出自相关和机器设置的频繁调整通常导致过程均值偏离目标值两个问题。提出以改进的稳态自回归滑动平均控制图为监控技术、以基于稳态卡尔曼滤波器的Grubbs调和规则为调整技术的集成理论。其中,针对稳态自回归滑动平均控制图在高阶自回归滑动平均过程下难以求解稳态方差的问题,建立了通用的任意阶平稳自回归过程下稳态方差的求解方法,使其适用范围更广;针对稳态自回归滑动平均控制图的参数设计方法效率较低,提出了基于条件概率的参数设计方法,使其监控效率更好。当控制图预警后,采用Grubbs调和规则对生产过程进行调整。通过仿真实验和实例研究验证了改进的参数设计方法和集成方法的有效性。

基于回归模型的全卷积网络人群计数算法

针对当前采用密度图回归方法估计人群数量时人数被高估的问题,提出一种基于计数回归和密度图估计的全卷积网络框架,采用计数回归与密度图回归相结合的方式对人群密度图进行估计。为训练模型参数和有效避免过拟合现象的出现,设计一种更深更轻且参数数量很少的完全卷积网络(full convolutional network,FCN)作为人群密度图估计器。实验结果表明,提出算法对密度分布不均和尺度不一的人群图像都有很好的适用性和准确性,算法性能优于现有的人群计数算法。

受扰动长记忆随机场的BNLP回归估计

当存在噪声扰动时,针对二维的平稳各向异性长记忆随机场参数的估计问题,提出了基于偏的缩减的半参数非线性对数周期图回归(BNLP)估计量,来对该随机场的两个长记忆参数d=(d_(1),d_(2))T进行估计.在数值模拟中考虑了受到非高斯噪声扰动的、完全可分且平稳的长记忆随机场,检验了BNLP估计量在有限样本下的性能.经与已有的GPH估计量进行对比,发现BNLP估计量达到了缩减偏差的目的,且稳定性较好.

基于YOLOv3-HM的手部姿态估计方法研究

二维手部姿态估计是人机交互领域的一项关键技术。为增强复杂环境下系统鲁棒性,提高手势姿态估计精度,提出一种基于目标检测和热图回归的YOLOv3-HM算法。首先,利用YOLOv3算法从RGB图像中识别框选手部区域,采用CIoU作为边界框损失函数;然后,结合热图回归算法对手部的21个关键点进行标注;最终,通过回归手部热图实现二维手部姿态估计。分别在FreiHAND数据集与真实场景下进行测试,结果表明,该算法相较于传统手势检测算法在姿态估计精度和检测速度上均有所提高,对手部关键点的识别准确率达到99.28%,实时检测速度达到59 f/s,在复杂场景下均能精准实现手部姿态估计。

基于热图回归的停车位检测算法研究

实际停车场景存在环视视野受限或车位标记被遮挡等问题,现有方法难以有效地检测停车位。为提高自动驾驶车辆在复杂场景中停车位检测的可靠性,提出一种基于热图回归的停车位检测方法,将停车位简化为关键点、入口线和分隔线3个部分,首先将输入图像通过ResNet50和上采样模块提取关键点特征图;然后利用关键点估计模块生成关键点热图以及关键点坐标偏移、方向和长度属性,通过MaxPool提取热图中的峰值,输出置信度大于阈值的关键点;最后整合关键点的属性得到停车位,实现了端到端的停车位检测。实验表明:该方法在视野受限或被遮挡场景下具有良好的检测效果,在ps2.0测试集中实现99.01%的精度和98.27%的召回率,单帧检测速度为19.0 ms。

多尺度特征融合的头影标志点检测

头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利用改进的倒残差模块减少下采样过程中的特征损失。在解码器模块中引入从粗到细的中间监督,将得到的多个尺度热图与特征图进行融合,并在跳跃连接中使用注意力门,有效抑制特征图中的背景区域响应。在ISBI 2015 Grand Challenge提供的基准数据集Test 1上进行实验,结果表明,该模型的平均径向误差为1.14 mm,在临床可接受的误差范围2 mm与2.5 mm内的成功检测率分别为86.38%与92.10%,性能优于W-Net、IW-Net等模型。

遮挡自适应权重的人脸特征点定位算法

针对遮挡造成人脸定位失败和人脸特征点的遮挡标签匮乏等问题,提出了一种遮挡自适应权重的人脸特征点定位算法.基于HRNet,设计了一个遮挡自适权重损失函数,使遮挡点获得一个较小的权重用来减轻遮挡对特征提取的影响.在网络输出阶段,添加遮挡预测模块以获取特征点的遮挡度,对遮挡度进行线性变换作为热图回归任务的自适应权重.同时,通过在原图上生成随机大小、形状、颜色、纹理、透明度的遮挡及对应标签,进行数据集扩增.此外,根据预测坐标生成人脸的点特征图、边特征图、区域特征图以及切割图,将其与原图像融合后再输入主干网络,获得更好的人脸特征.本算法在COFW和300W等相关数据集上进行评估,取得了较好的准确性.

采用轻量级姿态估计网络的脊柱侧弯筛查方法

脊柱侧弯是一种复杂的脊柱三维畸形,如不及时矫正将对身体健康产生严重影响。通过拍摄X光片或测量人体表面形貌的方法可以对脊柱侧弯进行筛查,但现有方法存在成本高、效率低且不适用于所有人群等缺点。本文提出了一种采用轻量级姿态估计网络的脊柱侧弯筛查方法,首先,将MobileNetV3的前13层作为轻量级人体姿态估计网络的编码器,经过坐标解码得到关键点的二维坐标。其次,利用各关节点的坐标计算人体姿态的空间特征;最后,用3个SVM(support vector machine)二分类器对脊柱侧弯进行详细分级,并将训练好的姿态估计和脊柱侧弯筛查模型移植到嵌入式平台。实验结果显示,该系统可以对4种不同程度的侧弯进行筛查,准确率分别为93.0%、81.7%、81.3%、86.6%。该方法的提出为脊柱侧弯筛查工作提供了一种便捷解决方案,易于在全民健康普测工作中进行推广。

受限反应变量模型及其参数估计的软件实现

目的介绍三种受限反应变量。方法阐述断尾回归模型、截取回归模型和样本选择模型的基本原理及参数估计方法,给出了三种模型参数估计的STATA软件实现。结果对于反应变量受限的数据,受限反应变量模型可以得到较为一致的参数估计量。结论受限反应变量模型在医学研究领域有广泛的应用前景。

狼牙高风传千古

1.当年的抗日游击队员,给驻军某部指战员讲述狼牙山五壮士的英雄事迹。 2.狼牙山五壮士幸存者:葛振林(右)、宋学义 3.

共享概念下共赢理念的实现——以石家庄市ofo共享单车为例

共享单车作为共享经济浪潮下的新兴产物,凭着"解决市民最后一公里出行问题"的理念,环保便捷的特点,深受消费者的青睐,并得到了快速发展。与此同时,共享单车使用过程中出现的问题也越来越多,因此本研究分析了共享单车的用户特点及其用车行为,并基于logistic回归分析了影响用户选择单车的因素,基于关联规则挖掘共享单车潜在客户,最后提供对策建议以便减少共享单车使用过程中的问题,最终实现用户、企业和政府的三方共赢。

深度学习的单人姿态估计方法综述

随着深度学习的发展,相关的模型与方法被应用到单人姿态估计研究领域中并取得了较大提升,一举超越了传统基于手工设计特征的单人姿态估计方法.基于深度学习方法的单人姿态估计从各个方面取得了突破.本文总结了基于深度学习方法的单人姿态估计这一领域一系列研究成果,将这些方法分为三类:基于坐标回归的方法、基于热力图回归的方法以及使用热力图表示的基于坐标回归的方法.着重介绍了基于热力图回归这一主流的方法,分析并对比了各类方法的优势与不足.给出了单人姿态估计常用数据集的对比,并对基于深度学习方法的单人姿态估计研究进行展望,指出了未来研究的趋势与热点.