基于注意力机制的双分支肺炎图像分类网络

目前许多肺炎图像分类网络大多采用单分支网络对输入图像进行特征提取,这在一定程度上忽略了图像不同维度的特征信息。为了优化这种问题,提出一种融入注意力机制的双分支肺炎图像分类网络,利用VGG16网络和加入可分离卷积以及融入卷积注意力模块(convolution block attention module, CBAM)的CNN卷积神经网络进行双分支特征提取,能够关注到肺炎图像不同层次的特征信息,将2种网络分支的特征进行不同维度的融合,最后输入全连接层进行分类判决。结果表明,该网络在正常肺部、病毒性肺炎、新型冠状病毒肺炎(COVID-19)X-ray图像组成的测试集上取得了95%的平均准确率。经过消融试验证明,该网络加入的可分离卷积模块、注意力模块和特征融合对减少网络参数、提高网络分类的准确率起到明显作用。与其他网络的性能对比也表明该网络在肺炎图像分类上表现出较高的准确率和较强的鲁棒性。     

用于腹部CT肝脏分割的边界监督模型

针对肝脏分割影像中模糊的肝脏边界,提出了一种新颖的用于腹部CT肝脏分割的边界监督模型.该模型包括肝脏区域分割模块和边界分割模块,其中边界分割模块使用肝脏边界进行监督训练,输出精准的肝脏边界.模型将肝脏区域分割输出与边界分割输出融合在一起,得到最终的肝脏分割预测.肝脏区域分割模块与边界分割模块分别设置了相应的损失函数进行监督训练.模型使用腹部器官分割挑战提供的数据集进行了消融实验并与先进模型进行了评估.结果证明该方法的有效性和优异性,提出的边界分割模块有助于保留肝脏的边缘信息,提高了肝脏分割的性能.     

基于多特征融合的自适应权重目标分类方法

提出一种自适应权重的融合卷积特征和方向梯度直方图(HOG)特征的目标分类方法,实现快速精准分类目的.首先,利用ResNet网络框架提取图像卷积特征,增加OpenCV接口以提取图像HOG特征,对HOG特征图扩维处理至与卷积特征同维;然后,在ResNet网络框架中嵌入SENet模块,计算卷积特征和HOG特征的权重向量,将卷积特征、HOG特征及相应的权重向量加以变权值叠加,实现多特征的自适应同步融合,以此构建二分类网络模块;其次,将二分类网络模块嵌入Faster Rcnn网络,构成Faster Rcnn-HOG新型网络,通过基于变阈值的粗检测策略和先验知识的区域关注策略得到图像中目标预处理检测框,利用二分类网络模块精确判定,实现目标分类.将Faster Rcnn-HOG与传统Faster Rcnn网络及另一特征融合网络Net-BB-HOG进行对比试验,三种方法在目标大类识别方面性能基本相当,但是FasterRcnn-HOG在目标小类识别方面效果更佳,证明了提出的多特征融合自适应目标分类方法的有效性和正确性.     

2D-3D异质结结构中的紧凑集成电路

通过时域有限差分方法,详细地分析了2D-3D异质结结构中密度集成光学器件的传输特性。在三层2D结构中,分别引入了不同设计结构的波分复用器,通过调整结构参数实现了集成光路中每个器件、每个端口的波长选择特性,如B₁端口的输出频率为0.404[c/a],B₂端口为0.408[c/a],B₃端口为0.386[c/a],B₄端口为0.388[c/a],B₅端口为0.390[c/a],B₆端口为0.394[c/a],B₈端口为0.392[c/a],B₉端口为0.409[c/a]。更重要的是,此结构实现了多个器件沿堆叠方向的密度集成,集成器件的总尺寸为0.3 mm×0.3 mm×0.14 mm。这些研究结果可为紧凑集成电路的设计提供重要的理论指导。     

非均匀光照条件下的水下图像增强算法

自然水域非均匀光照环境中,针对图像存在模糊、对比度低、颜色失真等退化现象,提出一种视觉显著性分割和Retinex算法相结合的水下图像增强方法。首先,依据图像的亮度、色度和方向特征得到图像显著图,进而分割出前景区域和背景区域;然后,基于Retinex算法分别对两区域增强处理,并对背景区域进行二次增强;最后,采用泊松融合算法得到两区域增强后的合成图像。实验结果表明,提出的算法提高了水下非均匀光照条件下的图像清晰度,与其他算法相比,具有更好的性能。     

非圆信号的DOA与阵列误差参数的联合估计性能界

为了确定非圆信号波达方向(direction-of-arrival,DOA)估计中参数化校正的方差下限,基于阵列误差影响下的随机性非圆信号模型与联合信源时域自相关特性的非圆信号模型,分别推导了DOA参数与阵列误差参数的联合估计克拉美罗界(Cramer-Rao bound, CRB)。通过将推导的非圆性能界与未利用非圆特性的性能界进行对比分析,理论证明了非圆性能界比未利用非圆特性的性能界更低,且两者的差异在低信噪比和大非圆率信号入射的情况下较大。实验结果不仅验证了理论分析的正确性,同时表明信源时域自相关信息有助于进一步提升阵列误差的校正精度。     

选择性搜索和多深度学习模型融合的目标跟踪

提出一种基于深度学习的多模型(卷积神经网络和卷积深信度网络)融合目标跟踪算法.该算法在提取候选粒子方面,使用选择性搜索和粒子滤波的方法.CVPR2013跟踪评价指标(50个视频序列、30个跟踪算法)验证了:该算法在跟踪中能有效地缓解目标物体由于遮挡、光照变化和尺度变化等因素造成的跟踪丢失情况的发生.     

基于扎根理论的青海省少数民族传统体育与旅游产业融合动力机制研究

融合发展是推动少数民族传统体育活态传承、旅游产业转型升级、提质增效的有效途径,但有关少数民族传统体育与旅游产业的融合动力研究相对较少,制约着二者融合效应发挥。以青海省循化县、尖扎县2个案例为研究对象,以访谈资料、文本资料等为资料来源,运用扎根理论方法探讨青海省少数民族传统体育与旅游产业的融合动力机制。研究表明,少数民族传统体育旅游价值、旅游需求、软件支持、技术创新和设施保障5个主范畴是民族传统体育与旅游产业的融合动力。其中,民族传统体育旅游价值和设施保障是基础动力,旅游需求是拉动力,技术创新是推动力,软件支持是支撑动力。研究进一步构建出少数民族传统体育与旅游产业融合动力机制,以期丰富少数民族传统体育与旅游产业融合的基础内涵与逻辑框架,为二者融合高质量发展提供借鉴。