基于可变形卷积网络的恒星大气物理参数自动测量

为解决海量恒星光谱数据自动处理问题,更准确地对恒星光谱物理与化学性质的研究,同时更加直观地反映恒星性质参数,通过利用可变形卷积网络(deformable convolutional network,DCN)方法对恒星大气物理参数进行分析,系统地研究了恒星表面有效温度(Teff)、表面重力(logg)、金属丰度([Fe/H])3个物理参数,实验结果对比梯度下降法神经网络(back propa-gation neural network,BPNN)、人工神经网络(artificial neural network,ANN)、径向基神经网络(radial basis function neural network,RBFNN),评价标准为平均绝对误差(mean absolute error,MAE)、均值误差(mean error,ME).基于SDSS-DR9、LAMOST-DR3恒星光谱数据得到Teff、logg、[Fe/H]的DCN-MAE分别为97.2136 K、0.281 2dex、0.125 2 dex,DCN-ME 分别为106.596 3 K、0.385 6 dex、0.175 3 dex.实验结果显示DCN效果优于BPCNN、ANN、RBFNN,为进一步分析与反映恒星真实情况提供参考.     

基于改进BiSeNet的室内障碍物图像语义分割方法

针对室内机器人行驶场景中存在大量不规则形状障碍物及细小类障碍物的问题,提出一种基于改进双边分割网络(BiSeNet)的图像语义分割方法．即以BiSeNet为基础网络构建图像分割模型,一方面在其空间路径中融合可变形卷积,使其更加适应对可通行区域和水渍这类不规则形状目标的定位分割;另一方面在其语义路径中结合特征金字塔结构,提高对细小类障碍物的分割精度;最后在室内多类障碍物图像数据集上,将改进的BiSeNet算法与U-Net,PSPNet等算法进行对比实验,结果显示改进的BiSeNet算法对水渍类障碍物的分割像素准确率达到89.95%,比原BiSeNet算法分割精度提高约3.50%,与UNet,PSPNet等算法相比,改进的BiSeNet算法同样具有更高的分割精度．     

基于改进Faster R-CNN的花色布瑕疵检测算法

针对布匹瑕疵自动化检测,基于传统的机器视觉方法依赖于人工设计特征,对具有复杂背景图案的花色布瑕疵特征提取难度非常大,因此提出一种基于改进Faster R-CNN(faster region with convolutional neural network)的花色布瑕疵检测算法。在Faster R-CNN的基础上使用Resnet-50作为主干网络,嵌入可变形卷积来提高瑕疵特征的学习能力。通过设计多尺度模型来提高小瑕疵的检测,引入级联网络来提高瑕疵检测精度和定位准确度,构造优化的损失函数来降低样本不平衡影响。通过试验验证了该算法的有效性。结果表明,瑕疵检测效果准确率达94.97%,并能精准定位瑕疵位置,可满足工厂的实际需求。     

油藏热流固耦合模型及应用

针对变温变形油藏的耦合渗流规律这一亟待研究的课题,综合分析油藏中流体力场、固体力场、温度场之间的耦合关系和三场耦合的力学机理与结合点,认为油藏中热效应与流体孔隙压力导致岩石变形;岩石变形与流体渗流导致温度场变化;岩石变形与热效应导致储渗特性和孔隙流体压力的改变从而影响流体渗流,以上三种效应是同时发生的.建立了一个反映变温变形油藏实际的热-流-固耦合模型,利用此模型进行了几项对热采油藏地层损害和石油生产有着重要影响的参数、指标的计算与分析.     

基于可变形部件模型的驾驶员人脸检测

交通监控中车辆驾驶室内环境较为复杂,如光线暗、遮挡、分辨率低等,现有的人脸检测方法效果不佳.提出了一种基于可变形部件模型的驾驶员人脸检测方法.通过提取聚合通道特征（局部二值模式和梯度方向直方图）,得到候选人脸目标.基于监控图像中车牌与驾驶员人脸的相对位置存在比较固定的模式,将车牌与驾驶员人脸看作是可变形部件模型中的两个部件,用于验证车牌和候选目标相对位置关系的合理性,从而确定驾驶员人脸的位置.实验结果表明提出的方法提高了检测准确率和综合性能指标,有效地滤除了人脸虚警,且召回率影响较小.      

基于主动轮廓技术的植物叶图像提取方法

叶是植物的重要特征信息,叶片图像提取是植物器官建模和生鲜植物识别的关键步骤。在植物自动识别和叶建模领域具有重要价值。笔者提出了一种基于主动轮廓技术和细胞神经网络的叶图像提取方法,实践表明基于细胞神经网络的可变模板技术实现了对植物叶片轮廓的灵活控制,同时结合了隐含模型和参数模型的特征,提高了提取的精度和鲁棒性。提取结果表明,采用该算法可以有效提取叶脉络。     

利用可变形统计模型进行膝关节建模与运动测量

该文以人体膝关节个性化三维建模为目的,并论证该模型应用于在体运动测量的可行性。基于可变形统计模型理论,寻找模型表面的特征配对点,建立膝关节统计模型训练集;通过主分量分析的方法确定特征点在三维空间的分布规律;在重建新模型时,通过统计模型变形,以X线图像中膝关节的二维透视信息为形变基准,从而实现膝关节个性化三维建模。研究结果表明:相比MRI(magnetic reso-nance imaging)模型,本文重建的完整膝关节三维骨骼模型精度为0.5mm,该模型用于运动测量的精度为0.59mm和1.25°。可变形统计模型技术可以用于建立受试者膝关节个性化三维模型,并测量膝关节的在体三维运动。     

分层图结构表示的可变形模板人脸检测

采用分层图结构来表示人脸,显式地表达其语义分解(脸、左眼、右眼、鼻和嘴)和分解所得部件之间的关系,进而设计检测算法.对图结构中的每个节点,采用一种出主动基构成的可变形模板进行描述,不同节点可以并行计算,产生各自的提议图,进一步对部件之间的图结构关系进行测试,完成对人脸的检测.整个推理计算过程在贝叶斯框架下进行建模.通过在MIT CMU人脸测试集上的实验表明,算法能有效地处理遮挡以及一定范围内的姿态与光照变化的人脸检测.     

虚拟手术模拟系统中包围盒碰撞检测技术及应用研究

碰撞检测模块是虚拟内窥镜系统的重要组成部分.根据变形物体的碰撞检测要求及连续切割过程对网格结构的影响,提出了碰撞检测的层次包围盒结构修正方法.该方法针对网格中的单元剖分和网格优化的过程中网格单元变化采用子树替换、位置提升方法进行修正,可满足连续切割中正确碰撞检测和精确碰撞的要求     

基于可变形卷积的小肠间质瘤多模型联合检测

小肠间质瘤(GIST)是一种常见的胃肠道肿瘤,目前对GIST的诊断主要依靠CT影像检查。近年来,随着计算机视觉技术在医学影像领域中的广泛应用,极大地提高了诊断效率。针对小肠间质瘤形状大小差异大,病灶区与正常组织器官相似度高的特点,该文提出了一种基于可变形卷积的小肠间质瘤多模型联合检测方案,该方法使用DeepLesion数据集作预训练,在单个检测模型中引入可变形卷积,使网络能够更好地适应小肠间质瘤形态大小差异大的特点,提高特征提取能力。同时对多模型输出的多组检测结果采取非极大值抑制和最高置信度选择的方法选取最高置信度的结果作为模型的输出。在小肠间质瘤数据集上的实验结果表明,该文提出的方法相较于单模型检测在间质瘤检测任务上性能有所提升。