基于灾难性遗忘及组合叠加擦除的跨模态行人重识别预训练方法

面向构建24小时全时段视频监控系统的需要,基于可见光与近红外的跨模态行人重识别受到工业界与学术界的广泛关注.然而,目前大部分跨模态行人重识别任务都试图利用在ImageNet上预训练的模型来提前学习模态内共性特征,但ImageNet与跨模态行人数据模态差异较大,且预训练过程中将颜色信息作为判别特征之一,导致预训练中学习到的共性特征并不适用于无色彩红外图像的信息表示.本文提出了一种基于灾难性遗忘及组合叠加擦除的自监督跨模态行人重识别预训练方法,首先利用提出的灾难性遗忘评分来对预训练数据进行筛选,旨在减小预训练数据与后续任务数据存在的域间差距,进一步减少模型训练时间.其次,针对传统跨模态识别中的关键区分性特征提取,本文设计了一种强通道数据增强策略,通过对R、G、B三通道的通道级擦除与组合,生成了颜色迥异的多类型样本,有利于促使模型关注于纹理信息而非颜色信息.最后基于本文提出的跨模态数据筛选指标以及通道增强策略,构建了跨模态任务的自监督学习框架.实验结果表明,本文提出的预训练方法所训练的ResNet50网络在迁移到众多跨模态行人重识别方法时优于目前主流自监督预训练方法,其中在经典方法AGW的基础上Rank1与mAP分别提高了8.02%与5.81%.

干制辣椒产量及色价杂种优势评估

本试验以52份F_(1)代辣椒作为试验材料,测定其理论总产量、优果产量、果实失水率、色价等主要目标性状,依据试验总平均和方差划分出高产和低产判别区间,并对其进行综合评估,筛选优势杂交组合。结果表明,52份F_(1)在总产量、优果产量、失水率和色价上存在极显著差异。以大于试验总平均值为筛选指标,选出12个优势杂交组合,其中簇×羊类型组合在一级果产量、总产量、失水率和色价方面,筛选出的优势组合率最高;羊×甜和簇×甜的杂交组合也有较高的优势率。

玉米强杂种优势组合的基因型分析与分子预测

基于40个SSR位点的分析,87份自交系划分4大群。其中,第Ⅰ群包括4小类,第1小类为Reid种群;第2小类包括郑58;第Ⅱ群分为2类,类2分为2组,其中一组属于Lancaster种群;第Ⅲ群是塘四平头群;第Ⅳ群可能是新的优势类群。以Reid×Lancaster杂优模式为例子,对强优势组合的亲本位点进行了比较,筛选出了有效母本自交系Z42和Z44,有效父本自交系Z13,Z14,Z15,Z16,Z17,Z18,Z19,Z30;对所有组合与对照品种的杂合位点数进行比较后,推荐了20个强优势组合供田间试验。

不同条件下冬小麦F_1杂种优势效应

在灌溉和雨养条件下，研究了冬小麦Ｆ１组合的平均杂种优势和平均超标优势。结果表明，小麦杂种生态型在水地是以穗粒数为主，兼顾成穗数；在旱地是以千粒重为主，兼顾成粒数。灌溉条件下小麦强优势组合最佳配置模式为均衡型×多穗型；雨养条件下以多穗×多穗或均衡型×多穗型为主。小麦杂种优势正反交差异在水地不明显，在旱地则具有较强的正反交效应。旱地小麦强优势组合亲本不仅要具有高的一般配合力，而且要具有较强优势的特异性状。

杂种小麦强优势组合选配规律的研究 Ⅱ.配合力分析

利用16×16完全双列杂交的120个杂种 F_1及相应的亲本进行了配合力分析。结果表明:同一性状不同亲本间或同一亲本不同性状间一般配合力有明显差异;同一性状不同组合或同一组合不同性状间特殊配合力也存在明显差异。所测120个组合各性状的杂种优势与特殊配合力均存在极显著正相关。有些组合特殊配合力较低,但仍可表现较强的杂种优势,经Gardner & Eberhart 配合力模型分析,证明这些组合的一般配合力效应中含有较高的杂种优势效应。若双亲一般配合力效应中杂种优势效应都较低,即使该组合特殊配合力较高,也难以表现明显杂种优势,强优势组合选配应在亲本高一般配合力的基础上选择高特殊配合力组合。

北方粳型两系杂交稻产量性状的配合力分析

以4个不同类型的北方粳型两用不育系、4个粳型优良恢复系及其组配的16个杂交组合为试材,对父本、母本和杂种F1代产量性状进行方差分析,进而计算出父本、母本的一般配合力相对效应值及杂交组合F1代的特殊配合力相对效应值。分析结果表明,在选配杂交组合时,不仅要注意一般配合力的选择,还应对其特殊配合力进行大量筛选,从而提高选择不育系和恢复系组配强优杂交组合的预见性。

冬小麦强优组合选配及其遗传力分析

以 6个冬小麦优良亲本测配的 15个组合的F1为试验材料 ,分析了子粒产量与其 4个主要数量性状的遗传力、遗传进度及表现型、遗传型和环境型的相关性。结果表明 ,冬小麦F1材料中具有很强的增产优势组合。产量的遗传力高、遗传进度大 ,与穗粒数、千粒重、株高和穗长的遗传型相关均呈正相关。因此 。