融合渐进式策略的轻量化特征点提取与匹配方法

针对基于SuperPoint网络的特征匹配方法在光照、姿态、角度等挑战下,特征点提取准确率低、计算参数量大的问题,提出了一种融合渐进式策略的轻量化特征点提取与匹配方法。首先,利用深度可分离卷积对SuperPoint网络进行结构调整,以降低模型参数计算量;其次,在特征提取部分搭建注意力模块增强网络在空间上的特征提取能力,并设计渐进式多尺度特征融合模块捕获目标细节,增强特征的表达能力;最后,利用SuperGlue算法对所得到的特征点进行匹配。在Hpatches数据集上进行实验分析,实验结果表明,所提算法在光照变换场景下匹配平均准确率(mAP)和特征点重复度(Rep)达到了86%和70%,在视角变换场景下mAP和Rep达到了78%和68%。所提算法不仅在特征匹配中表现出一定的优势,同时将其应用于视频拼接中也获得了较好的效果。

践行社会主义核心价值观融合渐进式加强高校学风建设

学风是一所高校精神文化的主要体现,良好学风的养成能让学生内化于心,外化于行,形成积极向上的治学、处事、做人的态度。本文论述在推进学风建设的进程中从公民层面践行社会主义核心价值观,运用学习动机理论,探讨如何从培养良好学习习惯、增强学习外部驱动力,增强学习内部驱动力等三方面融合渐进式地加强学风建设。

基于多尺度渐进式特征融合的伪装目标检测

伪装目标检测任务中目标和所处环境具有极大的相似性,只通过简单的特征提取容易使得重要信息丢失,此外,直接聚合不同层特征会引入噪声,导致预测不准确。针对这些问题,本文提出一种基于多尺度渐进式特征融合的伪装目标检测网络。该网络采用金字塔视觉Transformer作为骨干网络提取多尺度特征,利用可变形注意力对提取的多尺度特征增强,以突出伪装目标的边界;然后通过渐进式特征融合模块递增式融合相邻层特征,积累难以分辨但有效的信息,避免非相邻层之间较大语义差距;在融合过程中引入自适应空间融合操作,以减少在同一空间位置发生信息冲突问题;最终输出预测结果,实现伪装目标检测。模型在COD10K和CAMO组成的训练集上进行训练,实验结果表明本文方法与其他方法相比具有较明显优势。

渐进式逐层密集连接网络图像超分辨率重建

针对现有基于深度神经网络的图像超分辨率重建,存在未完全考虑层次特征信息的提取和利用问题,本文提出了一种渐进式逐层密集连接网络。通过设计一种逐层密集连接特征融合块,以挖掘和利用图像中不同层次的特征信息,并且利用一种渐进式特征融合机制,在全局层次上融合从逐层密集连接特征融合块中提取到的特征信息,促进图像纹理细节的重建。实验结果表明,所提方法与其他方法相比,在客观评价指标与主观视觉效果上有着更加显著的表现。

孤独症儿童“渐进式”融合教育模式的探究

"渐进式"融合教育模式是将难以适应普通班级的孤独症儿童逐步融入普通班级的动态过程。北京市海淀区特殊教育研究与指导中心对"渐进式"融合教育模式的特点、实施过程与实施策略进行了总结、分析和反思,认为该模式能促进孤独症儿童的完全融合,是当前特殊教育对融合理念的"折中"与"妥协"。

基于跨模态渐进式融合的无人机目标检测方法

近年来,无人机在军民两用的工作中面临着日益增长的技术需求,这给地面目标检测的精度带来了重大挑战。针对复杂背景下无人机目标检测算法精度低的问题,提出了一种改进YOLOv8的双光图像融合网络。首先,该网络采用特征级融合策略,充分利用可见光和红外数据,显著提升了在复杂场景下的目标检测性能。其次,为了减少多模态融合可能引入的冗余信息,设计了轻量化特征提取分支。最后,提出了渐进式跨模态融合模块,增强了多模态信息的特征交互,有效解决了不同模态融合时的信息差带来的检测性能受限问题。实验结果表明,与原始算法相比,所提方法拥有更高的精确率和召回率,同时在行人检测数据集LLVIP上AP50和mAP0.5-0.95分别达到了91.2%、55.5%,FPS值达到了95。综上,与现有算法相比,所提方法在性能上表现更优,未来将继续探索其在不同环境中的应用潜力。

融合教育巡回指导模式探索——基于北京市海淀区的实践

为满足学生的特殊教育教学需求,给融合教育教师提供咨询与教学指导,近四年来海淀区特教中心探索出一套融合教育巡回指导模式,从行政管理入手健全内部组织结构,并从工作职责、工作流程、工作评价等方面规范巡回指导工作机制,采用渐进式融合的教育安置形式,有效帮助学生更好地融入普通学校的环境。

文本风格转换模型的平衡性改进方法研究

针对现有的文本风格转换模型语句内容保留度较低、内容与风格间平衡性较差,提出了基于文本属性可控转换模型(CTAT)的平衡性改进模型Balance-CTAT。在提出的模型中,改进的优化算法和结构加强了内容保留程度,即在对抗性风格干扰算法上添加显著性操作将干扰影响局部化;在自编码器结构上构造递进式解码器,逐层增加注意力头数对信息进行渐进式融合。提出的模型与现有的文本风格转换模型(如Cross、CTAT、FGST)进行了对比分析,并从风格转换精度、内容保留度和几何平均值进行评价。实验结果表明:提出的模型明显优于现有的文本风格转换模型,具有很好的内容保留度,综合性能显著提升。

基于实时语义分割的红外小目标检测算法

语义分割网络对图像进行像素级分类,相较于目标检测其对于目标的精准定位更有优势,因此在红外小目标检测中发挥着重要作用。针对红外小目标的特点,提出一种基于实时语义分割的红外小目标检测网络。该网络基于双分支特征提取结构,采用渐进式特征融合模块和改进的Dice损失函数,使红外小目标分割的速度与效果达到良好的平衡。实验结果表明,该算法在较小参数量和计算量的情况下相较于FCN、ICNet、BiSeNet V2、STDCNet、TopFormer等5种算法达到较高的精度,在实际采集的红外小目标数据集上,其推理帧率相较于传统的FCN提升44%,达到117 frame/s,且红外小目标的交并比相较于与其推理帧率相近的TopFormer提升49%,有利于语义分割在红外小目标检测的实际应用。