无人机场景下基于Transformer的轻量化行人重识别

针对无人机场景下行人重识别所呈现的多视角多尺度特点,以及传统的基于卷积神经网络的行人重识别算法受限于局部感受野结构和下采样操作,很难对行人图像的全局特征进行提取且图像空间特征分辨率不高。提出一种无人机场景下基于Transformer的轻量化行人重识别(Lightweight Transformer-based Person Re-Identification,LTReID)算法,利用多头多注意力机制从全局角度提取人体不同部分特征,使用Circle损失和边界样本挖掘损失,以提高图像特征提取和细粒度图像检索性能,并利用快速掩码搜索剪枝算法对Transformer模型进行训练后轻量化,以提高模型的无人机平台部署能力。更进一步,提出一种可学习的面向无人机场景的空间信息嵌入,在训练过程中通过学习获得优化的非视觉信息,以提取无人机多视角下行人的不变特征,提升行人特征识别的鲁棒性。最后,在实际的无人机行人重识别数据库中,讨论了在不同量级主干网和不同剪枝率情况下所提LTReID算法的行人重识别性能,并与多种行人重识别算法进行了性能对比,结果表明了所提算法的有效性和优越性。

基于动态辅助对比学习的跨域行人重识别

具有混合记忆的自步对比学习(Self-paced Contrastive Learning,SpCL)通过集群聚类生成不同级别的伪标签来训练网络,取得了较好的识别效果,然而该方法从源域和目标域中捕获的行人数据之间存在典型的分布差异,使得训练出的网络不能准确区别目标域和源域数据域特征。针对此问题,提出了双分支动态辅助对比学习(Dynamic Auxiliary Contrastive Learning,DACL)框架。该方法首先通过动态减小源域和目标域之间的局部最大平均差异(Local Maximum Mean Discrepancy,LMMD),以有效地学习目标域的域不变特征;其次,引入广义均值(Generalized Mean,GeM)池化策略,在特征提取后再进行特征聚合,使提出的网络能够自适应地聚合图像的重要特征;最后,在3个经典行人重识别数据集上进行了仿真实验,提出的DACL与性能次之的无监督域自适应行人重识别方法相比,mAP和rank-1在Market1501数据集上分别增加了6.0个百分点和2.2个百分点,在MSMT17数据集上分别增加了2.8个百分点和3.6个百分点,在Duke数据集上分别增加了1.7个百分点和2.1个百分点。

Reid阴道镜评分、HPV E6/E7 mRNA表达量在宫颈癌中的临床应用价值研究

目的研究Reid阴道镜评分(以下简称Reid评分)、高危型人乳头瘤病毒(HR-HPV)mRNA表达量与宫颈癌国际妇产科联盟(FIGO)分期、血清常规肿瘤标志物水平的相关性及对宫颈癌术后淋巴结转移的预测价值。方法选取2021年3月至2022年5月在菏泽市立医院就诊的100例宫颈癌患者作为宫颈癌组,另选同期诊治的50例低级别鳞状上皮内病变(LSIL)患者作为LSIL组,50例高级别鳞状上皮内病变(HSIL)患者作为HSIL组。比较3组Reid评分、HPV E6/E7 mRNA表达量及血清常规肿瘤标志物[糖类抗原125(CA125)、癌胚抗原(CEA)]水平;分析宫颈癌组Reid评分、HPV E6/E7 mRNA表达量与血清常规肿瘤标志物水平及宫颈癌FIGO分期的相关性;根据宫颈癌组患者术后随访结果分为术后有淋巴结转移和无淋巴结转移,比较有无淋巴结转移患者Reid评分、HPV E6/E7 mRNA表达量及血清CA125、CEA水平,分析Reid评分、HPV E6/E7 mRNA表达量对宫颈癌术后淋巴结转移的预测价值。结果宫颈癌组Reid评分、HPV E6/E7 mRNA表达量及血清CA125、CEA水平均高于HSIL组、LSIL组(P<0.05);HSIL组Reid评分、HPV E6/E7 mRNA表达量及血清CA125、CEA水平均高于LSIL组(P<0.05)。宫颈癌患者Reid评分、HPV E6/E7 mRNA表达量与血清CA125、CEA水平均呈正相关(r=0.405~0.705,P<0.05)。Reid评分、HPV E6/E7 mRNA表达量与宫颈癌FIGO分期呈正相关(r=0.415、0.501,P<0.05)。宫颈癌组术后淋巴结转移患者的Reid评分、HPV E6/E7 mRNA表达量及血清CA125、CEA水平均高于无淋巴结转移的患者(P<0.001)。Reid评分、HPV E6/E7 mRNA表达量、CA125、CEA预测宫颈癌术后淋巴结转移的曲线下面积(AUC)分别为0.756(95%CI:0.657~0.838)、0.760(95%CI:0.662~0.841)、0.803(95%CI:0.710~0.877)、0.768(95%CI:0.670~0.848)。将CA125、CEA联合检测作为常规预测方案,Reid评分、HPV E6/E7 mRNA表达量、CA125、CEA联合检测作为新预测方案,常规预测方案预测宫颈癌术后淋巴结转移的曲线下面积(AUC)为0.826(95%CI:0.724~0.889),新预测方案预测宫颈癌术后淋巴结转移的AUC为0.955(95%CI:0.892~0.987),新预测方案预测的AUC明显大于常规预测方案(Z=1.981,P=0.045)。与常规预测方案比较,新预测方案的净重新分类指数为0.021(95%CI:0.015~0.039)、综合判别改善指数为0.046(95%CI:0.033~0.069),均P<0.05。结论Reid评分、HPV E6/E7 mRNA表达量与宫颈癌FIGO分期及血清CEA、CA125水平相关,且在预测宫颈癌术后淋巴结转移方面具有一定价值。

阴道镜阴性象限活检联合高危HPV E6/E7 mRNA对宫颈癌的诊断价值及其与病理检查诊断的一致性

目的探讨阴道镜阴性象限活检联合高危人乳头瘤病毒(HPV)E6/E7 mRNA检测对宫颈癌的诊断价值及其与病理检查诊断的一致性。方法选取2022年1月至2023年1月在该院进行子宫颈防癌筛查异常的115例女性患者作为研究对象,均进行阴道镜阴性象限活检及高危HPV E6/E7 mRNA检测,并且因病情需要进行宫颈锥切术。以宫颈锥切术病理检查作为“金标准”,分析两种诊断方式单独及联合检测对HSIL+[宫颈上皮内瘤变(CIN)Ⅱ级、CINⅢ级记为宫颈高级别病变(HSIL),HSIL及以上级别病变记为HSIL+]的诊断价值;比较不同宫颈病变级别患者阴道镜Reid评分、高危HPV E6/E7 mRNA表达水平;采用受试者工作特征(ROC)曲线分析二者对宫颈癌的诊断价值。结果115例女性患者组织病理检查结果显示,CINⅠ级患者26例,HSIL+患者89例。阴道镜阴性象限活检共检出CINⅠ级患者34例,HSIL+患者81例,与组织病理检查结果的Kappa值为0.644(P<0.05),诊断准确度为73.04%;高危HPV E6/E7 mRNA检测共检出CINⅠ级患者26例,HSIL+患者89例,与组织病理检查结果的Kappa值为0.453(P<0.05),诊断准确度为80.87%;阴道镜阴性象限活检、高危HPV E6/E7 mRNA联合检测共检出CINⅠ级患者40例,HSIL+患者75例,与组织病理检查结果的Kappa值为0.708(P<0.05),诊断准确度为87.83%。宫颈癌患者阴道镜Reid评分、高危HPV E6/E7 mRNA表达水平均高于HSIL患者和CINⅠ级患者,HSIL患者又高于CINⅠ级患者,差异均有统计学意义(P<0.05)。ROC曲线分析结果显示,阴道镜Reid评分、高危HPV E6/E7 mRNA表达水平联合检测诊断宫颈癌的曲线下面积为0.887,相对于二者单独诊断的效果更明显,重新分类指数为0.885(95%CI:0.351~1.205),改善指数为0.182(95%CI:0.024~0.317)。结论宫颈癌诊断中阴道镜阴性象限活检、高危HPV mRNA联合检测与组织病理检查结果有较高的一致性,对宫颈癌有一定的诊断价值。

基于图像的端到端行人搜索算法综述

行人搜索是计算机视觉领域中重要的研究方向之一,旨在从未剪裁的图像库中检测和识别人物。为深入了解行人搜索算法,总结与分析大量相关文献。首先根据网络结构的不同,将行人搜索算法分为两类:一类是传统的两步法,一类是基于端到端的一步法,并重点分析和介绍一步法的关键技术——特征学习和度量学习。然后,介绍了行人搜索领域的数据集和评价指标,比较与分析主流算法性能。实验结果表明,两步法虽然实现了很好的性能,但大多数的方法计算成本较高,且耗时较长;而一步法可以在更高效的学习框架中共同解决行人检测和行人重识别2个子任务,效果更好。最后,总结行人搜索算法,并展望了未来的发展方向。

高低显著性互补特征引导的跨模态行人重识别

在跨模态行人重识别(VI-ReID)任务中,有效挖掘行人图像中的显著信息并缓解模态间存在的差异是提升模型性能的关键。现有工作主要采用基于注意力的方法来增强模型对行人身体上的鉴别特征的学习。但这种方法仅关注行人最显著的区域,而忽略了行人图像中互补的次关键线索。提出了显著性互补特征指导网络(SCFG-Net)。设计了互补特征显著挖掘(CFSM)模块,用于推理出具有全局信息的行人图像的显著特征和被注意力忽略的次关键线索,并将这些特征进行融合,以提高行人图像特征的丰富性和鉴别性。还设计了跨模态判别特征融合(CDFF)模块,用于缓解模态间的颜色差异。实验结果表明,所提出的方法在两个公开数据集上取得了显著的性能提升。在SYSU-MM01数据集的全搜索单镜头模式下,Rank-1和mAP分别达到了74.4%和70.8%。

宫颈液基细胞学检查联合阴道镜Reid评分在宫颈癌前病变筛查中的应用价值

目的分析宫颈液基细胞学检查联合阴道镜Reid评分在宫颈癌前病变筛查中的应用价值。方法选取2023年1月至10月在兰州市妇幼保健院门诊筛查宫颈癌前病变的277例患者作为研究对象,进行宫颈液基细胞学检查及阴道镜检查,以宫颈组织病理学诊断为金标准,分析宫颈液基细胞学检查联合阴道镜Reid评分在宫颈癌前病变筛查中的应用价值。结果宫颈组织病理学诊断结果显示,277例筛查宫颈癌前病变患者中,阳性119例,阴性158例,联合筛查结果与宫颈组织病理学诊断结果的Kappa值为0.896,高于宫颈液基细胞学检查与宫颈组织病理学诊断结果的Kappa值(0.722),且高于阴道镜Reid评分与宫颈组织病理学诊断结果的Kappa值(0.755)。宫颈液基细胞学检查、阴道镜Reid评分联合筛查宫颈癌前病变的灵敏度、阳性预测值高于宫颈液基细胞学检查,准确度高于二者单独筛查,差异有统计学意义(P<0.017)。结论宫颈液基细胞学检查、阴道镜Reid评分在宫颈癌前病变筛查中均具有一定的应用价值,两者联合可提升筛查价值。

基于姿态估计和Transformer模型的遮挡行人重识别

行人重识别(re-identification,ReID)是利用人工智能解决边防检查、人员追踪等公共安全应用问题的技术,具有从跨设备采集的图像中识别某一特定行人的能力。但是在人员追踪等问题中,往往会出现行人刻意遮挡、复杂场景环境遮挡等因素,大大提高了行人重识别的难度。针对行人重识别遮挡问题,基于ResNet50网络,结合姿态估计和Transformer模型,提出了一种改进的行人重识别网络PT-Net,以提高遮挡条件下的行人重识别能力。该方法首先利用现有的姿态估计方法对输入图像进行关键点检测,并将关键点信息与行人特征图像结合起来生成一个基于姿态的行人特征表示;然后利用Transformer模型对基于姿态的行人特征表示编码,用来实现特征对齐和特征融合。基于国际公开的数据集Occluded-Duke开展实验验证。结果表明:PT-Net方法相对于基线模型,其均值平均精度(mAP)和相似度排序Rank-1指标分别提高了1.3、1.5个百分点,验证了该方法的有效性和优越性。

CMV联合HPV与Reid阴道镜评分指数对高级别宫颈鳞状上皮内病变进展为宫颈癌联合诊断预评估价值分析

目的:探讨巨细胞病毒(CMV)联合人乳头瘤病毒(HPV)与Reid阴道镜评分指数对预测高级别宫颈鳞状上皮内病变(HSIL)进展为宫颈癌的诊断价值。方法:回顾性分析2021年1月至2022年1月沂源县人民医院妇产科收治的83例HSIL者的临床资料,进行CMV测定、HPV测定、Reid阴道镜评分以及病理检测,以病理结果作为预测HSIL进展成宫颈癌的金标准,评价单一的测定项目与联合测定的应用价值。结果:进行1年随访,随访结果同病理预测的结果一致,主要是证实31例(37.35%)HSIL进展为宫颈癌,采取CMV联合HPV与Reid阴道镜评分指数对于预测HSIL进展宫颈癌,在同金标准方式一致率均是高于单项的判定方式,此外联合方式的敏感度、准确度及阴性预测值分别为96.77%、98.80%、98.11%,均是高于单项检测方式(P<0.05)。结论:应用CMV联合HPV与Reid阴道镜评分指数用于预测HSIL进展为宫颈癌的价值突出,对预防宫颈癌及早期干预有重要帮助。

基于特征融合的可视-红外行人重识别算法

由于智能监控设备的快速发展和部署,产生的海量监控数据难以通过传统人力处理.加之近年来RGB-IR双模相机的广泛应用,红外监控视频数据得以利用来辅助相关视觉任务.为了更准确地在可视-红外两种模态监控视频中检索相同行人,提出了基于特征融合的可视-红外行人重识别算法.该算法首先设计了基于Transformer方法的特征提取器,从两种模态数据中生成具有判别力的特征.然后考虑对两种模态互补信息的使用,提出双向多模态注意力方法对齐不同模态的特征,并同时融合互补的语义信息,最终通过分类器进行分类识别.在公开数据集进行实验表明,所提算法相对于目前大多数已有算法具有更好的泛化能力和鲁棒性,在SYSU-MM01数据集上的预测精度达到99.86%,在LLCM数据集上的预测准确率达到94.13%.

关键细粒度信息指导的多尺度遮挡行人重识别

为了减轻背景和遮挡等干扰信息对行人身份重识别(ReID)准确率的影响以及充分利用细粒度和粗粒度信息之间的互补性,该文提出关键细粒度信息指导的多尺度遮挡行人重识别网络。首先,将图像划分为两种不同尺寸的重叠图像块,构建同时包含细粒度和粗粒度信息提取分支的多尺度识别网络,以更好模拟人类观察图像时的多尺度特性以及观察相邻区域时的连续性特性。然后,考虑到细粒度分支能够提取更多的图像细节信息且细粒度和粗粒度信息之间存在一定的共性与差异,进一步通过细粒度注意力模块实现细粒度信息对粗粒度信息学习分支的指导。其中,参与指导的细粒度信息是通过干扰信息剔除(IIE)模块滤除干扰信息后保留的关键信息。最后,通过双次差分获取与行人身份识别相关的关键信息,并通过标签和特征等多维度的联合监督,实现行人身份的预测。在多个公开的行人重识别数据库进行的大量实验证明了该算法的性能优越性以及其中各个模块的有效性和必要性。

基于多模态融合的复杂场景人员重识别

人员重识别(re-identification,ReID)是计算机视觉中的关键任务,具有众多实际应用,如视频监控和人员跟踪。通过对各类应用场景的研究,提出了一种新方法,以解决复杂场景下ReID的挑战,包括遮挡、视角变化和光照条件变化等问题。利用多模态融合技术增强了ReID模型的判别能力,使其在具有挑战性的现实场景中更加稳健,并在基准数据集上进行了广泛的试验。结果表明了所提方法的有效性,实现了更为先进的性能。

基于可解释注意力部件模型的行人重识别方法

大多数行人重识别(Person re-identification,ReID)方法仅将注意力机制作为提取显著特征的辅助手段,缺少网络对行人图像关注程度的量化研究.基于此,提出一种可解释注意力部件模型(Interpretable attention part model,IAPM).该模型有3个优点:1)利用注意力掩码提取部件特征,解决部件不对齐问题;2)为了根据部件的显著性程度生成可解释权重,设计可解释权重生成模块(Interpretable weight generation module,IWM);3)提出显著部件三元损失(Salient part triplet loss,SPTL)用于IWM的训练,提高识别精度和可解释性.在3个主流数据集上进行实验,验证所提出的方法优于现有行人重识别方法.最后通过一项人群主观测评比较IWM生成可解释权重的相对大小与人类直观判断得分,证明本方法具有良好的可解释性.

基于CNN和TransFormer多尺度学习行人重识别方法

行人重识别(ReID)旨在跨监控摄像头下检索出特定的行人目标。为聚合行人图像的多粒度特征并进一步解决深层特征映射相关性的问题,该文提出基于CNN和TransFormer多尺度学习行人重识别方法(CTM)进行端对端的学习。CTM网络由全局分支、深度聚合分支和特征金字塔分支组成,其中全局分支提取行人图像全局特征,提取具有不同尺度的层次特征;深度聚合分支循环聚合CNN的层次特征,提取多尺度特征;特征金字塔分支是一个双向的金字塔结构,在注意力模块和正交正则化操作下,能够显著提高网络的性能。大量实验结果表明了该文方法的有效性,在Market1501,DukeMTMC-reID和MSMT17数据集上,mAP/Rank-1分别达到了90.2%/96.0%,82.3%/91.6%和63.2%/83.7%,优于其他现有方法。

基于“龙芯”1B的智能小型室内零食储存柜的研究与设计

本文介绍了一种基于“龙芯”1号MCU主控板和传感器技术的小型室内零食储存柜设计方案。该设计方案具有多种功能,包括语音交互、屏幕显示、多通道物品分类等。为了提高稳定性和安全性,我们采用了半导体Pe测技术,并在控制系统中使用了多种保护机制。电路部件均在PCB板上布置,外置传感器,电机,风扇,制冷芯片等通过走线的方式与主控板连接,使得整个制造过程更加规范和高效。且使用自制的PCB板和代码,使得整个硬件成本相对较低,并且方便后期的维护和升级。

基于深度学习的前方车辆距离与速度测量方法研究

针对复杂场景中的驾驶安全问题,文章为了能解决这一问题提出一种方法研究,运用深度学习的相关理论知识为研究背景,对驾驶车辆前方的车辆通过测量其速度和距离的方法进行智能危险监控。在研究过程中,首先,结合YOLOv5和DeepSort算法在Pytorch框架上进行训练,其中,本文针对DeepSort算法进行改进,改进主要针对ReID模块的结构网络层进行加深,训练效果的过拟合度有明显改善,并且也有效解决了遮挡问题,使得对前方车辆的检测和跟踪效果更佳,获得了较为准确的空间位置信息,此外,文章还运用单目视觉这一测量方法,对车辆的距离和速度进行实时的检测,从而有效解决驾驶安全问题。

基于支持对挖掘的主动学习行人再识别

基于监督学习的行人再识别方法需要大量人工标注的数据,对于实际应用并不适用。为了降低大规模行人再识别的标注成本,提出了一种基于支持对挖掘主动学习(support pair active learning, SPAL)的行人再识别方法。具体地,建立了一种无监督主动学习框架,在该框架中设计了一种双重不确定性选择策略迭代地挖掘支持样本对并提供给标注者标注;其次引入了一种约束聚类算法,将有标签的支持样本对的关系传播到其他无标签的样本中;最后提出了一种由无监督对比损失和监督支持样本对损失组成的混合学习策略来学习具有判别性的特征表示。在大规模行人再识别数据集MSMT17上,该方法相比于当前最先进的方法,标注成本降低了64.0%,同时mAP和rank1分别提升了11.0%和14.9%。大量实验结果表明,该方法有效地降低了标注成本并且优于目前最先进的无监督主动学习行人再识别方法。

基于隧道视频分析的车辆轨迹跟踪系统

隧道内车辆实时跟踪检测一直是高速公路管理者的痛点和难点。本文基于车辆目标检测、车辆车型颜色分类、车辆跟踪、车辆匹配、车牌识别等深度学习技术,通过对每辆车跨镜头检测跟踪之后的结果进行ReID(Re-identification)能够匹配不同时间不同监控摄像头下的同一车辆,辅以车辆车型颜色分类和车牌识别的结果,能更加精确地定位车辆行驶路线,从而完整还原每辆车的车辆行驶轨迹。本文提出的车辆轨迹跟踪系统目前已在湖北高速路现场进行测试,测试结果表明有很高的准确率,能够满足高速路管理者对隧道内车辆的实时跟踪检测的需求。同时,本系统对于高速路事故、拥堵情况、高速路养护规划等实际场景均能提供必要的支持。

Reid阴道镜评分系统对宫颈不典型鳞状细胞患者分流的意义

目的 探讨Reid阴道镜评分系统对宫颈不典型鳞状细胞(ASCUS)患者分流的意义。方法 选取2020年1月-2022年1月于赣州市南康区第一人民医院就诊的宫颈细胞学检查结果显示为ASCUS的1 246例患者作为研究对象,均行宫颈组织病理活检、高危型人乳头瘤病毒(HPV)检测和Reid阴道镜评分,以病理结果作为“金标准”,判断高危型HPV检测结果、Reid阴道镜评分结果对于ASCUS患者分流的准确性。结果 1 246例ASCUS患者中经病理检查诊断为慢性宫颈炎573例(45.99%),湿疣179例(14.34%),CINⅠ级298例(23.92%),CINⅡ级126例(10.11%),CINⅢ级57例(4.57%),原位癌6例(0.48%),浸润癌7例(0.56%)。1 246例ASCUS患者中高危型HPV阳性1 007例,慢性宫颈炎、湿疣、CINⅠ级、CINⅡ级、CINⅢ级、原位癌和浸润癌的检出数分别为522例、139例、244例、61例、38例、1例和2例。高危型HPV阴性检出239例,慢性宫颈炎、湿疣、CINⅠ级、CINⅡ级、CINⅢ级、原位癌和浸润癌的检出数分别为51例、40例、54例、65例、19例、5例和5例。组织病理学结果中慢性宫颈炎、湿疣、CINIⅠ级患者中共有44例Redi阴道镜阳性,CINⅡ级、CINⅢ级中共有142例Redi阴道镜阳性,原位癌、浸润癌中共有12例Redi阴道镜阳性。高危型HPV检测与病理结果相符合的患者有102例,准确率52.04%;Reid阴道镜评分检测与病理结果相符合的患者有154例,准确率78.57%。结论 Reid阴道镜评分系统对于宫颈ASCUS患者分流意义重大,可提高阴道镜检测结果的准确性,有利于分流出高危型ASCUS患者,进行对症诊治。

保妇康栓联合阿奇霉素治疗支原体宫颈炎的临床观察

目的 观察保妇康栓联合阿奇霉素治疗支原体宫颈炎的疗效及其对Reid阴道镜(RCI)评分的影响,为临床提供参考。方法 选取2021年1月至2023年1月黑龙江省第二医院收治的60例支原体宫颈炎患者为研究对象,按照随机数字表法分为对照组和观察组,各30例。对照组患者给予阿奇霉素治疗,观察组患者在对照组基础上联合保妇康栓治疗。比较两组患者临床疗效、临床症状消失时间、创面愈合时间、RCI评分、阴道分泌物相关评分及不良反应发生情况。结果 观察组患者治疗总有效率高于对照组(P<0.05)。观察组患者阴道流血消失时间、阴道排液消失时间及创面愈合时间均短于对照组(P<0.05)。治疗后1个月、2个月,两组患者RCI评分较治疗前降低,治疗后2个月低于治疗后1个月,且观察组低于对照组(P<0.05)。治疗后,两组患者阴道分泌物量、阴道分泌物味及阴道分泌物色评分均较治疗前降低,且观察组阴道分泌物量评分低于对照组(P<0.05),但两组间阴道分泌物味和阴道分泌物色评分比较,差异无统计学意义(P>0.05)。两组患者不良反应发生率比较,差异无统计学意义(P>0.05)。结论 保妇康栓联合阿奇霉素治疗支原体宫颈炎效果较好,有利于提高临床疗效,促进创面愈合,降低RCI评分和阴道分泌物相关评分,安全性良好,临床应用价值高。