摘要：为保证提取特征的信息量丰富,当前基于深度学习的图像配准算法通常采用深层卷积神经网络,模型的计算复杂度高,而且还存在相似特征点区分度低的问题。针对上述问题,提出一种基于多特征融合的自监督图像配准算法(SIRA-MFF)。首先,使用浅层卷积神经网络提取图像特征,降低计算复杂度,并且通过在特征提取层添加特征点方向描述符,弥补浅层网络特征信息量单一的问题;其次,在特征提取层后添加用于扩大特征点感受野的嵌入与交互层,融合特征点局部和全局信息以提升相似特征点区分度;最终,最佳匹配方案由改进的特征匹配层计算得到,并同步设计了一种基于交叉熵的损失函数用于模型训练。在ILSVRC2012数据集生成的2个测试集中,SIRA-MFF的平均匹配准确率(AMA)分别为95.18%和93.26%,优于对比算法;在IMC-PT-SparseGM-50测试集中,SIRA-MFF的AMA为89.69%,也优于对比算法,且与ResMtch算法相比,单张图像运算时间降低了49.45%。实验结果表明,SIRAMFF具有较高精度和较强的鲁棒性。

摘要：本研究通过酵母Pichiapastoris表达鼠卵透明带 3(mZP3)蛋白 ,获得控制害鼠生育研究的抗原物质。根据国际基因库已发表的mZP3基因序列设计引物 ,并分别在 5’引物和 3’引物中引入EcoRI和XbaI酶切位点。经PCR扩增 ,将mZP3克隆至穿梭质粒pGAPZαA上 ,获得的重组穿梭质粒pGAPZαA mZP3经线性化后 ,采用LiCl法转入毕赤酵母SMD1 1 68菌株中 ,Zeocin+ 筛选阳性克隆 ,酵母发酵上清液进行SDS PAGE和Western blot检测 ,结果表明mZP3在酵母中得到了特异性表达 ,表达产物的分子量约为 60kDa ,说明mZP3能够在酵母真核系统中成功表达 ,并可以用作mZP3免疫不育控制鼠害的检测抗原。

摘要：每年的毕业季总是免不了遗憾,但疫情之下的毕业季,遗憾则显得格外多。对于各个高校服装设计专业的毕业生最大的遗憾莫过于心心念念多年的毕业设计得不到充分的展示。目前针对疫情的影响,国家也陆续为大学毕业生完成最后的毕业和就业清扫障碍,同时也相应推出了一系列的政策号召。为了响应国家号召尽最大努力弥补毕业生的遗憾,本刊推出纸上毕业季——集优秀毕业论文以及毕业设计效果图特刊,使各位优秀的毕业生们可以在专业学术期刊上充分展示自己的才华,让疫情笼罩下的毕业季变得更有意义,同时也能让设计行业的专家们看到大家的潜力,为毕业生们搭建一个特殊时期与众不同的“纸上”T台!人生虽短,岁月留痕,珍惜当下,不留遗憾,我们一起努力为毕业生们难忘的校园生活画上圆满的句点,也为挖掘时尚界优秀的设计新星保驾护航,不负初心,不负韶华!