摘要：提出一种基于多通道时空融合网络的双人交互行为识别方法,对双人骨架序列行为进行识别。首先,采用视角不变性特征提取方法提取双人骨架特征,然后,设计两层级联的时空融合网络模型,第一层基于一维卷积神经网络(1DCNN)和双向长短时记忆网络(BiLSTM)学习空间特征,第二层基于长短时记忆网络(LSTM)学习时间特征,得到双人骨架的时空融合特征。最后,采用多通道时空融合网络分别学习多组双人骨架特征得到多通道融合特征,利用融合特征识别交互行为,各通道之间权值共享。将文中算法应用于NTU-RGBD人体交互行为骨架库,双人交叉对象实验准确率可达96.42%,交叉视角实验准确率可达97.46%。文中方法与该领域的典型方法相比,在双人交互行为识别中表现出更好的性能。

摘要：当前算法主要使用互相关操作和Transformer中的一种方法来设计特征融合网络,这种策略忽视了二者之间的优势互补,容易丢失语义信息,陷入局部最优。针对上述问题,设计了一种基于互相关-Transformer双层特征融合的目标跟踪算法,使用改进的互相关操作和Transformer方法分别对模板和搜索区域特征进行融合,实现两种融合方式的优势互补,使模板和搜索区域特征充分交互,实现特征的有效增强和充分融合,并在互相关操作中引入相似矩阵来增强模板和搜索区域中与当前帧中的目标有关联的特征,使互相关操作的匹配过程更加准确。该目标跟踪算法包括一个基于Swin-Transformer的主干网络,一个互相关和Transformer双层融合模块,一个预测分支。提出的算法在TrackingNet、LaSOT、NFS、UAV123和OTB2015五个数据集上取得了鲁棒的效果,分别达到81.8%、65.7%、66.2%、69.4%和69.8%的成功率,平均跟踪速度达到40帧/秒。

摘要：由于水体对光的吸收和散射作用,水下图像普遍存在颜色失真和细节模糊这两种退化问题。为了得到色彩鲜明、细节清晰的水下图像,提出了一个基于多尺度注意力和对比学习的水下图像增强算法模型。该模型采用编码-解码结构作为基础框架,为了提取到更细粒度的特征,在编码部分设计了一个多尺度通道像素注意力模块,利用3个并行支路提取图像中不同层次的特征,然后将3条支路提取的特征进行融合输入到下一层编码器以及对应的解码层,提高网络特征提取以及细节增强的能力。最后,为了进一步提高增强图像的质量,引入对比学习训练网络。大量实验证明,本文算法增强后的图像色彩鲜明且细节信息保留较好。峰值信噪比和结构相似性指标的平均值最高可达到25.46和0.8946,与其他方法相比至少提高了4.4%和2.8%;水下彩色图像质量指标和信息熵的平均值最高为0.5802和7.6668,与其他方法相比均至少提高了2%;特征点匹配平均比原始图像多24个。

摘要：提出了一种基于稀疏表达的自动胃病检测算法,通过训练少量样本就可以进行精确、稳定的病灶检测.根据实际工作中样本数量(特别是疾病样本)采集有限这一特点,建立了一个基于小样本的、具有稀疏和低秩特性的大尺度字典选择模型,实现了用最少的原子来构建超完备字典.在疾病检测阶段,设计了一种新的加权稀疏集中度指标(WSCI,weighted sparsity concentration index)判别输入样本是否有效,然后采用两级判别机制对有效的输入样本进行检测:首先将输入样本划分为健康或者疾病类别;然后将病灶看作健康图像中的异常现象,对判别为健康类别的图像进行再次检测,以防止漏报现象的出现.我们将本文算法与现有的胃病检测算法进行比较,对比结果表明本文算法在检测的精度和算法适用性方面都有较大提高.

摘要：彩色图像中,相邻像素间颜色是否相同包含景物的轮廓、纹理等信息。当相邻像素间颜色不相同但颜色差异小时,人眼会错误地感知像素间颜色相同,从而感知不到这对相邻像素颜色不相同所包含的景物信息。以图像中所有颜色不相同的相邻像素被人眼清晰感知到颜色不相同为目标,提出了一种彩色图像对比度增强方法。本方法在保真图像信息的前提下,尽量使所有颜色不相同的相邻像素间颜色差异拉大到人眼能清晰感知颜色不相同。区别于已有方法,本方法根据色调差与饱和度差确定像素间亮度需要拉伸的幅度。实验结果表明本方法能使图像中更多景物信息清晰地被人眼感知。

摘要：为了降低网络受到数据集标注的限制,提出了一种基于多任务学习的弱监督医学图像语义分割模型,仅使用图像级真实标签实现了优异的医学图像分割性能.该模型利用图像分类任务和显著性检测任务辅助语义分割任务使之达到更好的分割效果,图像分类分支使用重建类激活图的方法降低类激活图过激活和欠激活的概率,同时设计了跨任务语义挖掘模块学习显著性检测任务和语义分割任务间的相似性用于优化特征图.融合类激活图和显著图生成像素级伪标签,并在训练过程中迭代优化伪标签,提升网络的分割性能.实验证明提出的方法在ISBI2016和ISIC2017皮肤图像数据集的平均交并比指标分别为68.24%和60.92%,远高于其他先进的弱监督语义分割算法.