杰尔推出“Vision”架构面向多媒体手机市场

杰尔系统(Agere Systerns)日前宣布推出新型移动手持终端架构，可支持实时音频流和视频流、数字照片成像和交互游戏等应用。杰尔表示，这一架构可以帮助制造商开发低风险、高性能的解决方案，以满足运营商和用户对先进网络技术的需求，包括2．5G／GPRS、EDGE、3G/WCDMA及更先进的系统。同时，Vision架构独特的模块化软硬件平台可以缩短手持终端的上市时间。

基于多级区域选择与跨层特征融合的野生菌分类

近年来误食有毒野生菌导致的中毒事件频发,严重危害人们的身体健康,这使得准确鉴别野生菌变得尤为重要。然而,现有的野生菌分类算法在处理背景噪声大、类间差异小和类内差异大的图片时容易出现识别错误的问题。为了解决这一问题,提出一种基于Vision Transformer(ViT)架构结合多级区域选择和跨层特征融合的野生菌分类算法。该算法旨在捕获具有强鉴别力的特征,以确保网络能够聚焦在主要信息上,并提高分类的准确性。首先采用ViT作为网络框架,以提取野生菌图像的特征和全局上下文信息。其次设计多头自注意力选择模块,用于提取具有鉴别力的token,并通过自适应分配算法为不同层级的编码层确定抽取token的数量。最后为进一步提升分类性能,引入跨层特征融合策略和标签平滑损失进行拟合训练,从而减少细节信息的丢失。为使网络对野生菌图像特征的学习更具针对性,自建野生菌数据集。实验结果表明,所提出的算法与基线算法相比,分类精度有了显著提高,准确率达到98.65%。

改进知识蒸馏Transformer的新冠肺炎医学影像分类

针对在筛查新型冠状病毒感染肺炎患者时核酸检测假阴性率较高的问题,提出了一种DRPL-ViT计算机辅助诊断网络。在Vision Transformer的基础上首先引入知识蒸馏机制,使Transformer结构在小数据集上训练取得更好的拟合效果;然后,在patches的位置信息编码上,通过更适合视觉任务的相对位置编码方式,使tokens之间的依赖关系能够被更好地捕捉;为了关注到更多的局部特征,在Transformer Encoder模块中引入了传统的卷积模块提取局部特征。实验在四分类测试集上平均分类准确率达到92.11%,对新冠肺炎分类准确率达到97.85%。实验结果表明,所提出的网络对新冠肺炎及其他肺部病变分类准确率较高,有一定的临床应用价值。