【摘 要】
：
行人重识别是通过不同的摄像机识别同一个人。由于人的姿势多变，背景杂乱以及拍摄角度不同等，提取强大的行人特征成为一个有挑战性的任务。为了提取良好的行人特征表示，本文提出了一种结合MASP与语义分割的双链路行人重识别模型。本文方法对网络不同深度的特征进行采样，不同深度的特征图具有不同的表达能力，使网络可以学习到行人身上更加细粒度的特征。上层链路针对网络过深导致行人信息丢失的问题，提出了MASP模块，对
论文部分内容阅读
行人重识别是通过不同的摄像机识别同一个人。由于人的姿势多变，背景杂乱以及拍摄角度不同等，提取强大的行人特征成为一个有挑战性的任务。为了提取良好的行人特征表示，本文提出了一种结合MASP与语义分割的双链路行人重识别模型。本文方法对网络不同深度的特征进行采样，不同深度的特征图具有不同的表达能力，使网络可以学习到行人身上更加细粒度的特征。上层链路针对网络过深导致行人信息丢失的问题，提出了MASP模块，对浅层特征进行采样，然后与高级特征连接，对深浅层级特征交融，增加特征的多样性。下层链路基于语义分割结果，对
其他文献
针对传统的Single Shot Multibox Detector（SSD)目标检测算法在进行多尺度目标检测时，存在特征图有效信息弱和困难目标漏检率大等问题，提出一种改进的SSD目标检测算法。首先，在网络特征图输出处引入即插即用的轻量级注意力机制，通过不降维、局部跨通道交互以及核大小自适应选择等操作在有效突出特征图中关键信息的同时保持网络原始计算量。该模块有利于增强背景信息和目标信息差，可以在有
2020年2月18日山东济南长清发生M4.1（M_(S)4.1）地震，基于中国地震台网中心的观测报告，使用双差定位法对济南长清地震序列进行重定位，利用重定位后的地震参数拟合了断层面的走向及倾角。利用P波初动方法求取了5个震源机制解，并反演了震源区的局部应力场，根据局部应力场和断层面参数计算了滑动角。得到以下初步结论：长清地震序列从SE向NW延伸、倾向NE；断层面拟合得到断层面走向NW（320.5°
眼底毛细血管的自动监测对眼科疾病、糖尿病、心脏病等疾病的早期筛查具有重要意义。为了解决对毛细血管特征表达不精细带来的血管分割缺失问题，本文提出多模块融合的残差神经网络模型(MbResU-Net)。该模型利用了编码-解码网络结构。为了减少网络编码器与解码器之间的语义差距而带来的信息丢失，用非线性网络结构代替快捷连接嵌入到网络中。为了获得更多血管的细节特征，MbResU-Net提出将三块U型网络以残差
针对传统目标检测模型参数量巨大，制约算法部署与模型推理实时性的问题，本文提出一种基于改进RetinaNet检测模型的轻量化实时目标检测网络。使用MobileNet-V2代替RetinaNet模型中的ResNet骨干网络，降低整体模型的参数量；设计锚框引导采样机制，基于特征金字塔输出特征层生成感兴趣区域掩码，减少背景区域冗余锚框，降低后处理过程中计算复杂度；同时，引入GFocalLossV2损失函数
地震活动性是区域地壳及其深部的应力及运动状态的地震学表现。本项研究基于2016-2017年发生在龙门山地区及其附近的地震目录，采用模糊C平均聚类分析方法，分时段进行模糊聚类分析，每两个月得到三个分区的隶属度分布及聚类中心，以隶属度的分布以及聚类中心的迁移特征来探讨该区域地壳应力及运动状态的时空演化，并籍此探讨与九寨沟地震的孕育和发生之间的关系。结果表明，沿龙门山断裂分布的三个微震活动区（北段、中段
目前我国可回收垃圾的回收利用主要依靠人工分拣的方式，造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用，提出了一个基于改进Single Shot MultiBox Detector（SSD）算法的可回收垃圾检测器。针对模型参数量大，难以部署应用的问题，选用新的主干特征提取网络，引入轻量化的网络RepVGG替换SSD中的VGG16网络，同时采用结构重参数化的方式大幅减少参数量和计算量。修改
自动量化评估小鼠脊背皮窗血管损伤对于血管靶向光动力疗法（Vasculartargeted photodynamic therapy,V-PDT）的个性化精准治疗研究具有重要意义。V-PDT治疗过程中，受到小鼠呼吸、心跳和不自主运动等因素影响，小鼠脊背皮窗窄带光血管图像将发生不同程度的非刚性形变，从而引起血管损伤量化误差。本文结合基于特征和灰度配准方法的优点，提出一种判断式图像混合配准方法。该方法首
随着急剧增加的高速铁路隧道检测需求，基于计算机视觉的高速铁路隧道病害识别和健康检测是国内外的新趋势。然而，高速铁路隧道结构表面图像大多数是无病害图像（占比90%以上），剔除大量无病害图像而只保存有病害图像可以大幅减少图像存贮量和降低高速海量存贮对硬件要求。为此，提出一种基于深度卷积神经网络的隧道表面病害筛选算法，以推理速度和预测精度均衡的残差神经网络ResNet-18作为主干结构，将深度可分离卷积
针对视频监测得到铁路接触网图像背景复杂、目标细弱而使电力线提取困难、效率降低的问题，提出了一种结合背景特征和改进Ratio算子的区域链码(ratio-based background features and chain code tracking，RBCT)电力线提取方法。首先分析输电线图像背景特征，对不同类别背景图像进行灰度值分析、预处理加强来消除背景噪声并增强电力线目标。然后利用分析得到的线
载波芯片（Chip On Carrier，COC）是光发射次模块(Transmitter Optical Subassembly，TOSA)的重要组成部分，被广泛应用于光通信领域，实现光电转换。针对载波芯片崩口、定位柱破损以及波导污渍三种不同类别缺陷的实时检测问题，本文提出了一种基于轻量级卷积神经网络的载波芯片缺陷检测算法YOLO-Efficientnet。首先，为了减少网络参数，缩短检测时间，采