基于改进高分辨率网络的人脸性别和年龄识别

针对目前利用人脸特征进行性别和年龄识别率较低的问题, 提出一种基于改进高分辨率网络(improved high-resoultion net, IHRNet)的新方法. 首先, 在IHRNet中融合具有少量参数和较高识别率的MobileNetV3结构, 结合高分辨率网络自身具有的多尺度特征提取优势, 有效提升了人脸特征识别的准确率; 其次, 为降低过拟合风险, 网络先采用IMDB-WIKI人脸数据集进行预训练, 然后加载预训练模型在Adience人脸数据集中进行训练和测试; 最后, 与ResNet50,HRNet,MobileNetV3三种同类算法进行对比. 实验结果表明, IHRNet在年龄及性别识别上的准确率分别高达82%,95%, 比同类算法分别平均提升9%和3%, 且参数量较未改进时下降36%, 验证了改进算法的有效性.     

应用 COMT 基因 SNP 位点鉴别拉布拉多和金毛猎犬胆量行为的研究

摘要:目的 检测拉布拉多和金毛猎犬儿茶酚-O-甲基转移酶( Catechol-O-methyltransferase,COMT)基因 SNP 位点的多态性,并统计分析 SNP 位点的基因型及单倍型与犬胆量行为间的关联性,以期为工作犬培训的前期筛选提供有效的遗传学分子标记。 方法 选取 91 只拉布拉多和 27 只金毛猎犬,共计 118 只,采用犬胆量评估( dog courage assessment,DCA)测试方法对犬的胆量行为进行评估,用高分辨率熔解曲线法( high resolution melting,HRM) 对该118 只犬的 COMT 基因的 4 个 SNP 位点:-1 666 bp C>G、c. 39 A>G、c. 216 G>A 和 c. 482 G>A 进行基因型鉴定,应用SPSS 19. 0 和 PHASE 2. 1 软件统计分析 4 个 SNP 位点的基因型和单倍型与犬胆量行为之间的相关性。 结果 拉布拉多和金毛猎犬的品种、性别和年龄与犬的胆量行为之间没有显著关联性( P>0. 05) 。 COMT 基因的 4 个 SNP 位点的基因型与拉布拉多和金毛猎犬的胆量行为之间存在显著相关性( P< 0. 01) 。 COMT 基因 4 个 SNP 位点的单倍型与拉布拉多和金毛猎犬的胆小性情显著相关( P<0. 01) ,并且 c. 216 G>A 和 c. 482 G>A 位点的 A 等位基因在犬的胆小行为上起主导作用。 结论 COMT 基因的 4 个 SNP 位点的基因型和单倍型与拉布拉多和金毛猎犬的胆量行为之间存在显著相关性,提示 COMT 基因对犬的胆量行为具有显著的影响,可作为胆小犬早期鉴定的有效遗传学分子标记。     

惯性步进扫描器控制接口的设计

本文介绍了一种采用惯性步进型扫描器的新型扫描隧道显微镜(STM)的设计，研制出了一种用于该扫描器的接口电路。文章重点对该扫描器的位置粗调驱动电路和隧道电流前置放大电路等接口进行了设计，并完成了该接口的制作和调试，最后在使用该接口电路的新型STM上扫描出具有较高分辨率的镀金铜的表面形貌。测试表明，该接口工作稳定，使用方便，并能发挥该惯性步进型扫描器高稳定性的优点。     

高分辨电子显微图象的晶体学处理方法

本文提出图象的晶体学处理方法，指出了对不同的高分象可采用的不同方法。     

舰船目标回波高分辨数据仿真

高分辨技术能够有效地从电磁波参数中抽取有关目标的信息。为了充分利用这些信息，就必须详细了解电磁波与目标之间的相互作用机理。本文采用点散射模型对舰船这类分布式目标的雷达回波进行了仿真。组成目标的各散射体具有不同的散射强度和高度，各散射体之间产生的电磁耦合采用能量守恒原理来处理；并依此给出了几类典型舰船目标雷达回波的高保真数据仿真结果。     

高分辨率SS型摄像管伪信号的成因及防止

该文研究了高分辨率SS型摄像管伪信号产生的原因。认为由靶返回的电子束轰击栅极G_2产生反射电子束再轰击靶面而形成伪信号。消除伪信号可在栅极G_2上设计偏转反射束R_2的电极板,也可在栅极G_2前增加反射R_2的电极板。     

求解双曲守恒律的均匀二阶差分格式

针对一维单个守恒律的初值问题研究了NND格式，在已有的数值方法的基础上，通过限制器函数的修正，提出了一类均匀二阶的高分辨率格式。数值实验结果显示，新格式具有较高的分辨率，且是无波动的。     

基于中心点和双重注意力机制的无人机高分辨率图像小目标检测算法

无人机拍摄的图像具有分辨率高、视野大以及目标小的特点,而现有的目标检测方法对小目标特征的提取能力不足。为此,首先采用以中心点表示目标的检测网络CenterNet,引入可变形双重注意力机制,以提高对小目标的特征表达能力;然后针对原始非极大值抑制难以处理嵌套型冗余框的问题,在冗余检测剔除过程中提出了广义非极大值抑制方法;最后引入LegoNet卷积单元,减少了卷积参数,实现了精度与速度的平衡。实验主要采用的验证数据集为VisDrone2019和UAV_OUC,UAV_OUC数据集相比于VisDrone2019,其图片具有更高的分辨率。相比于CenterNet,所提出的方法在数据集UAV_OUC和VisDrone2019上的检测精度大约分别提高了10%和2%。     

大区域场景下基于无人机视角的目标计数方法

近年来,无人机因其灵活度高、机动性强在人群计数领域得到广泛应用。然而,现有的人群计数方法大多基于单视点,对于大范围、多摄像机场景下的多视点计数研究较少。为了解决这个问题,提出了一种基于无人机视角的目标计数方法以准确统计场景中的目标数量。选择临海区域进行数据采集,利用深度学习技术对采集的图像进行目标检测和图像拼接融合,在拼接后的图像中映射检测信息,并采用计数算法完成区域场景的计数任务。在公开数据集和该文制作的数据集上进行的实验验证了基于目标检测的计数算法的有效性。     

不同视角下海量高分辨率视频图像数据挖掘方法研究

当前高分辨率视频图像数据挖掘方法容易受到外界环境的干扰,提取的视频图像特征不可靠,且不同视角下提取的特征值有很大差异,导致视频图像数据挖掘精度大大降低。为此,提出一种新的不同视角下海量高分辨率视频图像数据挖掘方法,通过Harris角点检测方法对待挖掘高分辨率视频图像数据时空特征进行提取,依据高分辨率视频图像数据时空特征,通过自相关矩阵建立相同事物不同视角下的递归图,将递归图看作一幅图像,通过计算像素点的梯度向量构建递归特征描述符,对相同事物不同视角下的关联性进行挖掘,将具有相同递归图梯度特征的高分辨率视频图像数据汇聚在一起,实现数据挖掘。实验结果表明,所提方法挖掘精度高。