基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

复杂背景下一种有效的Mean Shift目标跟踪算法

提出了一种改进的Mean shift目标跟踪算法,该方法能够有效的排除非目标点对跟踪结果的影响,并且得到新的权值,增强了该像素属于目标的可能性,削弱了背景信息对目标模型的影响,提高了在复杂背景下对运动目标跟踪的鲁棒性.实验表明该方法能够有效实现复杂场景下的目标跟踪.     

肝硬化患者头发锗的变化

测定了287名健康人和38例肝硬化病人发样中微量元素锗的含量,并对微量元素锗与肝硬化的关系进行了初步研究,结果揭示:肝硬化患者头发锗含量显著低于健康人群(P<0.01).     

催化褪色光度法测定痕量锗的研究

研究了痕量锗(Ⅳ)在稀硫酸介质中催化加速碘酸钾、过氧化氢与中性红之间的反应及其动力学条件。该反应为一级反应,表观速率常数为1.69×10~(-3)/s;半衰期T_(1/2)为6.82min。建立了催化光度法测定痕量锗(Ⅳ)的新方法。