FPN算法在视觉感知机器人抓取控制的应用研究

针对视觉感知机器人对物体抓取的准确性控制,在抓取姿势估计基础上使用密集连接的特征金字塔网络(FPN)作为特征提取器,将语义更强的高级特征图与分辨率更高的低级特征图融合,将机器人物体抓取过程分为两个阶段,第一个阶段生成待抓取区域,第二阶段对抓取区域进行细化以预测抓取姿势。模型在Cornell抓取数据集和Jacquard数据集上训练,验证了所提算法在抓取姿势估计的有效性。设计了两种不同真实场景的物体抓取控制实验,结果表明所提模型能有效提高机器人抓取各种不同尺寸物体的能力。

基于多源遥感的FPN多尺度目标检测深度学习模型在河湖“四乱”识别中的应用

为满足水利部关于河湖“清四乱”常态化规范化的要求,研发一套基于卫星遥感影像粗提取与无人机影像精识别相结合的“四乱”识别技术体系,采用FPN多尺度目标检测的深度学习模型,解决了传统遥感影像处理及人工目视解译存在的时效低、成本高、误差大等难题,实现了对多尺度、多类型、小目标的“乱占”、“乱建”等嫌疑区的快速识别和精准定位。与未融合FPN的识别模型相比,“乱建”目标识别的精确率、召回率和平均精度指标(AP)分别提升2.7%、5.7%和4.0%,“乱占”目标识别的精确率、召回率和平均精度指标(AP)分别提升13.8%、0.5%和6.0%。在河湖管理、水政监察执法等方面具有较好的应用潜力和价值。

基于改进FPN的小目标检测算法

本文针对目前小目标检测中语义信息缺失且识别困难的问题,对目标检测算法中的特征金字塔网络(FPN)进行了改进。首先,将顶层特征图融合上、下文信息,并与混合注意力机制串联,增强顶层特征,从而在进行自上而下融合过程中获得更好的特征。其次,针对小目标在FPN设计新的特征层。此层由深层语义信息和浅层细节信息融合而成,使得到的小目标层不仅是高分辨率的浅层,同时还有更丰富的语义信息。最后,将改进目标检测器在MS COCO数据集的一类上进行试验。结果表明,改进的Cascade RCNN小目标检测精度为54.2%,比原模型提高了11%。

基于Faster-Rcnn-Fpn算法的口吃检测及其严重程度测评

目前国内对口吃的检测主要是通过语言专家的主观测评,缺少智能且客观的口吃严重程度检测的医疗辅助工具。针对这一现象,论文基于UClass口吃语料库测评儿童口吃的严重程度,使用Faster-Rcnn-Fpn深度学习算法对语谱图进行检测。实验结果表明,该模型能有效检测口吃的语音重复,延长和感叹词类型,并根据其持续时间以计算出语言效率评分(SES)来表示口吃的严重程度,有望成为计算和分析口吃严重程度的医疗辅助工具,便于尽早发现儿童口吃障碍,有助于儿童身心健康发展。

基于FPN Res-Unet的高分辨率遥感影像建筑物变化检测

针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题,本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法,将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络多尺度预测的特点,将残差结构和特征金字塔网络融合到Unet模型中,建立FPN Res-Unet模型。该模型以Unet为基础,引入ResNet18的残差结构作为编码路径特征提取层,在每次卷积后使用边界填充,使得输入图像和输出图像尺寸一致;在解码路径每级上采样过程中,拓展支路径将特征金字塔网络融合到模型的网络主干中,将残差结构、Unet及特征金字塔网络的优点相互融合,增强了Unet的特征提取,弥补了语义分割网络对小目标检测的欠缺;在获取深层语义信息的同时关注细节信息,提高建筑物变化检测精度。实验表明,该方法在所用数据集,准确率、召回率、F1 3种指标均达到90%以上。

基于DBSCAN-FPN的输电线路螺栓缺销检测方法

螺栓作为输电线路上数量最大的紧固件,其缺陷检测是输电线路巡检工作中的一项重要内容。针对螺栓缺销为小目标,其定位困难、特征难提取的问题,提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法。首先,利用FPN模型定位螺栓缺销目标区域,同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类;然后,改进FPN模型:基于螺栓先验知识,利用卷积网络实现自底向上的特征提取,采用双线性插值方法将特征的高层语义信息自顶向下地传递到各个层级,通过卷积滤波方法横向加强高层语义特征与高分辨率特征的融合信息,获得更优化的螺栓缺销特征表达;利用改进FPN模型实现螺栓缺销的初步检测;最后,采用DBSCAN聚类算法对初步检测结果进行误检甄别,实现了螺栓缺销的精确检测。实验结果表明,DBSCAN-FPN在自建数据集上的检测精度达到76.23%,检测效果优于FPN、RFCN和Faster R-CNN。所提方法可以有效提高螺栓缺销检测精度,对输电线路运维有实际意义。

淫羊藿、黄芪、葛根有效组分复方对AD模型小鼠大脑皮质FPN1表达的影响

目的观察淫羊藿、黄芪、葛根有效组分复方对阿尔茨海默病(Alzheimer's disease,AD)APPswe/PS1dE9双转基因小鼠模型大脑皮质FPN1表达的影响。方法 6月龄雄性APPswe/PS1dE9双转基因小鼠60只,随机分为6组,模型组、淫羊藿组、黄芪组、葛根组、复方组、去铁胺(DFO)组,6月龄雄性C57BL/6J小鼠10只作为正常对照组。用药结束后,分别采用免疫组化、Real time PCR和Western blot方法检测各组小鼠大脑皮质FPN1的表达情况。结果阴性对照组均未见FPN1阳性细胞。与正常对照组比较,模型组FPN1的mRNA和蛋白表达降低(P<0.05);与模型组比较,复方组和DFO组FPN1的mRNA和蛋白表达增高(P<0.05);与DFO组比较,复方组FPN1的mRNA和蛋白表达无统计学差异(P>0.05),淫羊藿组、黄芪组、葛根组FPN1的mRNA和蛋白表达降低(P<0.05)。结论应用淫羊藿、黄芪、葛根有效组分复方可以上调AD模型小鼠大脑皮质FPN1的表达,从而抑制AD模型小鼠脑铁超载,缓解铁超载带来的中枢神经系统功能衰退。

一种CMOS图像传感器列FPN抑制技术

介绍CMOS图像传感器列并行读出电路中 ,采用CDS电路以抑制像素FPN、复位噪声等 ,但导致列FPN的工作原理。为了消除列FPN ,提出了一种仪器放大器配置的精确平衡差分输出的读出电路结构 ,再结合CDS技术 ,可有效地抑制像素和列FPN ,改善图像质量。

基于SSD-MobileNetv2和FPN的人脸检测

随着人工智能技术的不断发展,人脸检测与识别技术以其广泛的应用性成为学术研究的重点。提出了SSD-MobileNetv2-FPN人脸检测模型,首先用轻量级的MobileNetv2代替SSD中的VGG-16主干网络,减少模型训练参数以提高模型的检测速度,然后引入FPN网络提取多尺度特征信息使得模型更利于小目标人脸的检测,增加检测精度。最后引入Focal loss损失函数解决模型在训练过程中出现前景和背景类分布不平衡问题,提高模型性能。实验表明上述模型在Pascal Voc 2012人脸部分数据集中准确率为92.5%,且处理速度快,满足实时需求。

基于大动态范围CMOS图像传感器对数有源像素一种新的FPN抑制技术(英文)

对数模式的CMOS图像传感器提供了大动态范围(大约120dB)。在对数图像传感器设计中缺少简单的消除FPN的方法。采用对数模式的CMOS图像传感器获得了比线性APS大的动态范围。在对数模式传感器中采用了一种新的FPN抑制技术。即在对数像素中增加一个开关晶体管并结合双采样电路,该技术的实施使得对数像素的读出显著的降低了FPN水平。

铁超载对非酒精性脂肪肝病HepG2细胞模型中Hepcidin和Fpn-1的影响

目的:探讨铁超载对非酒精性脂肪肝病(NAFLD)HepG2细胞模型中铁代谢指标Hepcidin和Fpn-1的影响。方法:采用四甲基噻唑蓝(MTT)法分别检测浓度均为0.062 5、0.125、0.25、0.5、1.0、2.0 mmol/L的油酸(OA)和硫酸亚铁铵[Fe(NH4)2·(SO 4)2·6H 2O,下称Fe]对HepG2细胞活力的影响,确定OA和Fe联合给药浓度。采用0.5 mmol/L OA联合不同浓度(0、0.125、0.25、0.5 mmol/L)的Fe诱导HepG2细胞建立NAFLD细胞模型,并设阴性对照组(未经药物处理的细胞)和0.5 mmol/L Fe单独处理组为对照,测定细胞内甘油三酯(TG)和铁蛋白(Fn)含量。采用实时荧光定量PCR(qPCR)法和Western blot法测定细胞中铁调素(Hepcidin)、膜铁转运蛋白(Fpn-1)m RNA和蛋白的表达。结果:与阴性对照组相比,0.5 mmol/L的OA,0.125、0.25、0.5 mmol/L的Fe对细胞存活率无明显影响(P>0.05)。与对照组和0.5 mmol/L OA组相比,0.5 mmol/L OA与各浓度Fe联合作用时,随着铁浓度增大,细胞内的TG和铁蛋白(Fn)含量逐渐增加,差异具有统计学意义(P<0.05)。与对照组和0.5 mmol/L OA组相比,0.5 mmol/L OA联合不同浓度Fe处理后Hepcidin的m RNA和蛋白表达均明显下降(P<0.05);0.5 mmol/L OA联合不同浓度Fe处理后Fpn-1 m RNA的表达均明显上调(P<0.05);与对照组相比,0.5 mmol/L Fe组、0.5 mmol/L OA联合0.25、0.5 mmol/L Fe组Fpn-1蛋白水平明显降低(P<0.05)。结论:0.5 mmol/L OA联合不同浓度Fe处理时可引起细胞发生脂质沉积,使体内正常铁代谢发生紊乱,Hepcidin的m RNA和蛋白表达均明显下降,Fpn-1 m RNA表达上调而蛋白表达下降,进一步加重NAFLD的进展。

神经网络优化FPN的矿用齿轮减速器故障诊断

为了提高齿轮减速器故障诊断结果的正确率,研究了一种基于神经网络优化FPN的齿轮减速器障诊断新算法.利用BP算法具有自适应学习的特点,在确定FPN相关网络参数原始数值的情况下,对FPN网络参数进行优化.利用BP算法在FPN网络基础上,对齿轮减速器故障样本进行学习训练,使FPN参数数值逐渐向真值靠近.实例结果表明:新算法对齿轮减速器中的单一或多种故障诊断非常有效,故障诊断结果准确率明显提高,说明优化算法的有效性与正确性.

基于NRF2/FPN1通路探究黄芪甲苷减轻糖尿病心肌梗死大鼠心肌损伤的作用机制

目的探讨基于核因子E2相关因子2(NRF2)/膜铁转运蛋白1(FPN1)通路对黄芪甲苷(AS)减轻糖尿病(DM)心肌梗死大鼠心肌损伤的作用机制。方法通过高糖饲料及链脲佐菌素(STZ)建立DM大鼠模型,将DM造模成功的50只大鼠通过结扎左冠状动脉前降支构建DM心肌梗死大鼠模型,将造模成功的50只大鼠随机分为梗死组、AS低剂量(AS-L,20 mg/kg AS)组、AS中剂量(AS-M,40 mg/kg AS)组、AS高剂量(AS-H,80 mg/kg AS)组、AS-H+NRF2抑制剂(ML385,80 mg/kg AS+30 mg/kg ML385)组,同时以10只开胸大鼠设为假手术组。干预结束后,检测心功能[左心室射血分数(LVEF)、肌酸激酶同工酶-MB(CK-MB)、肌酸激酶(CK)]指标;2,3,5-氯化三苯基四唑(TTC)检测心肌梗死体积比;试剂盒检测铁含量水平;HE染色检测大鼠心肌组织病理变化;qRT-PCR及Western blot分析心肌组织中NRF2、谷胱甘肽过氧化酶4(GPX4)、FPN1mRNA及蛋白表达。结果与假手术组相比,梗死组大鼠病理损伤严重,LVEF、NRF2、GPX4、FPN1mRNA及蛋白表达显著降低,梗死体积比、铁离子含量、CK-MB、CK显著增加(均P<0.05);与梗死组相比,AS-L组、AS-M组、AS-H组大鼠病理损伤得到改善,LVEF、NRF2、GPX4、FPN1mRNA及蛋白表达显著增加,梗死体积比、铁离子含量、CK-MB、CK显著降低,呈现剂量依赖性(均P<0.05);与AS-H组相比,AS-H+ML385组病理损伤相对严重,LVEF、NRF2、GPX4、FPN1mRNA及蛋白表达显著降低,梗死体积比、铁离子含量、CK-MB、CK显著增加(均P<0.05)。结论AS可减轻DM心肌梗死大鼠心肌损伤,可能通过激活NRF2/FPN1通路抑制铁死亡实现。

优化FPN的高分辨率遥感影像多类别地物语义分割

针对高分辨遥感影像多类别地物存在类间不平衡、类别区分度低造成的语义分割方法鲁棒性弱和分割精度不高问题,基于UNet、特征金字塔网络(feature pyramid networks,FPN)、DeepLabV3+、HRNet 4种2D多尺度特征融合的卷积神经网络模型架构,对多尺度特征融合技术进行了探讨,通过数据预处理、损失函数、模型预训练等因素对精细土地覆盖的语义分割(多达16个语义类别)进行了模型能力的测试和实验,其中FPN语义分割精细化程度最高。在此基础上,基于EfficientNetB1的FPN模型进行预训练,利用focal loss损失函数选择最优多尺度特征融合,通过超参数搜索损失函数参数最优值进行优化集成,最终训练出性能优异的FPN模型,准确率提高了1.5%,Kappa提高了1.9%,进一步提高了模型对多类别地物的识别能力和泛化能力。

基于NCM-FPN的古建筑修缮阶段施工安全综合评价

为有效预防古建筑修缮阶段施工安全事故,提出了基于正态云模型(Normal Cloud Model, NCM)与模糊Petri网(Fuzzy Petri Net, FPN)的施工安全综合评价方法。首先,分析古建筑修缮阶段施工特点及风险特性,建立多因素耦合作用下的三脚架事故致因模型(Tripod-Delta),构建指标体系。然后,将指标体系转换为施工安全多因素耦合FPN网络结构,采用NCM确定FPN指标初始状态,通过逆向搜索策略约简FPN冗余指标节点,并运用模糊推理算法与障碍因子诊断模型得出评价结果。结果表明,实例评价结果与现场情况基本一致,协同管理与材料设备是影响古建筑修缮阶段施工安全的关键因素。所提方法能充分表达古建筑修缮阶段施工安全风险的耦合特性,并确定安全管理的关键因素,评价结果客观准确。

胃癌组织中HJV、TFR2和FPN表达与血清表达水平的相关性及其与贫血关系研究

目的研究胃癌患者血清及胃癌组织中HJV、TFR2和FPN 的表达特点及其相关性,以及与贫血的关系.方法：应用ELISA 方法测定44例胃癌患者血清中HJV、TFR2和FPN 的表达水平,应用免疫组化方法检测该44例胃癌患者组织中的HJV、TFR2和FPN 表达情况,并进行相关研究.同时分析它们与贫血的关系.结果：①胃癌贫血患者的血清Hepcidin为4.27±2.21ug/L,明显高于无贫血的4.06±1.86ug/L（t=1.9970,P〈0.05）.②胃癌贫血患者的HJV 为0.67±0.39ug/L,明显低于无贫血的0.80±0.55ug/L（t=2.1970,P〈0.05）.③TFR2和FPN 在贫血和无贫血两组中的表达均无显著差异.④胃癌组织中HJV 阳性率为88.6%,TFR2阳性率为77.3%和FPN 阳性率为65.9%.但它们均与贫血无相关关系.⑤血清TFR2水平与胃癌组织中表达呈正相关（r= -0.4469,P〈0.01）,但HJV 和FPN 两者血清表达水平与在胃癌组织中的表达均无相关关系.结论：胃癌贫血患者高表达HEP、低表达HJV,HEP和HJV 对胃癌患者中贫血的发生有重要意义.胃癌组织中HJV、TFR2和FPN 的表达与贫血的发生无明确关系.

UNET与FPN相结合的遥感图像语义分割

针对传统的遥感图像分割方法效率低下,复杂场景下分割精细度不够,以及UNET模型对于图像中包含的较小目标以及较大目标的边缘分割效果不佳等问题,本文提出了一种UNET结构与FPN结构相结合的方法,提升UNET模型整合多尺度信息的能力,同时辅以能更好地捕捉目标边缘的BLR损失函数,提升UNET模型对目标边界的分割效果。实验结果表明,本文所使用的方法有效提升了语义分割的精度,较好地缓解了对小尺度目标和大尺度目标边缘分割不佳的问题。该方法对目标边缘分割更精准,达到更好的分割效果。

基于改进FPN的输送带异物识别方法

针对大块矸石或铁器等进入运煤输送带系统易造成输送带损伤、撕裂等问题,提出了一种Faster-RCNN+双向特征金字塔网络(Double-sided Feature Pyramid Networks,DSFPN)的运煤输送带异物识别模型,模型以深度学习目标检测框架Faster-RCNN为基础,对FPN结构改进提出了DSFPN,DSFPN通过自底向上和自顶向下2个多尺度特征融合过程来解决输送带异物的多尺度问题。测试结果表明,DSFPN可以有效的提升小块矸石等小尺寸异物的检测能力,并且提升了类似锚杆、大矸石等大尺寸异物的识别精度。

Gorenstein FPn平坦模和强Gorenstein FPn平坦模

设整数n>1,引入了Gorenstein FPn平坦模和强Gorenstein FPn平坦模的概念,并给出了这两类模的一些等价刻画,讨论了Gorenstein FPn平坦模类和强Gorenstein FPn平坦模之间的关系.

微扫描多帧平滑FPN提高CMOS图像传感器信噪比

在压电陶瓷驱动下,CMOS图像传感器在焦平面内每帧位移一个象素以获取一个帧与帧之间存在位移的周期性图像序列,通过电子反向位移对准,将一个周期内的图像帧叠加以消除固定图案噪声(fixedpatternnoise,FPN).选用SVGA的数字式CMOS图像传感器进行多帧微扫描成像试验.试验结果证明,多帧微扫描所得图像与无微扫描的单帧图像相比FPN已经完全消除.