基于锐度感知最小化与多色域双级融合的视网膜图片质量分级

针对视网膜图片质量差异性大,质量分级模型泛化性能不足的问题,本文提出一种基于锐度感知最小化(Sharpness Aware Minimization,SAM)的多色域双级融合分级方法,用于视网膜图片质量评估。该方法首先采用RGB、HSV和LAB三种色域空间作为模型的特征提取空间,并利用ResNeSt作为特征提取网络,提取不同色域的空间特征。然后利用模型的特征级与预测级进行双级融合,再利用SAM优化方法提高视网膜图片质量分级模型的泛化性能。最后在EyeQ数据集上进行实验仿真,其准确率为87.35%、精确度为85.87%、敏感度为85.07%、F值为85.44%,所提方法的整体分级性能优于其他方法。     

非机动车干扰下信号交叉口的通行能力计算

为了探究城市信号交叉口非机动车干扰机动车行驶的问题,通过调查分析各进口道机动车运行特性,对直行和直左的进口道机动车饱和车头时距及通行能力计算方法进行研究。首先,从进口道停车线出现4种不同跟驰模型的概率出发,构建车辆起始阶段混合车头时距模型,结合实际数据得到车头时距的修正系数;然后,分析采集数据得到非机动车数量对驶入信号交叉口的机动车混合车头时距的影响,采用回归分析法构建对应的特征模型;最后结合交叉口实际信号灯时间计算通行能力。研究结果表明：所采用的通行能力计算方法与实测值的误差更小,较《城市道路设计规范》法及HCM(highway capacity manual)通行能力计算法的误差更低,提高了信号交叉口通行能力计算结果的精准度。