摘要：语义分割任务是对图像进行像素级别的分类预测,其难点在于对像素级别的准确预测和物体的边缘划分.现有方法大多采用基于编解码结构的网络模型,通过下采样快速扩充网络的感受野,但连续的下采样对特征图的空间信息造成了不可逆转的损失,为此,提出一种基于语义重定位的并行网络.设计了一条全局空间路径,在保持高分辨率的情况下提取丰富的空间信息并缓解多次下采样带来的信息丢失.在另一条上下文信息提取路径中,采用一个特征提取器,通过快速下采样扩充网络的感受野.此外,设计基于物体类别的语义重定位模块弥补多次下采样造成的上下文信息缺失,使用粗分割结果中该类目标区域的所有像素分别对目标区域中的每个像素进行引导.同时,采用Dice loss缓解数据中存在的正负样本不平衡问题,以获得更好的分割性能.最后,在Cityscapes和CamVid数据集上对所提网络进行了评价.实验结果表明,与已有分割网络相比,在CamVid数据集上,SRPNet在mIoU指标上能提升3.1%,在Cityscapes数据集上,SRPNet在mIoU指标上能提升1.8%.

摘要：使用深度学习方法进行单目深度估计时,由于使用多级下采样会出现重建结果细节信息缺失、边缘轮廓模糊等问题.为此,提出一种基于高分辨率网络的自监督单目深度估计方法.首先,通过并行连接使得特征图在编码过程中始终保持高分辨率表示,以充分地保留细节信息;其次,为了提高编码器的学习能力,在编码部分引入注意力模块,对图像特征进行筛选和提炼;最后,针对深度估计的多义性问题,利用非相邻帧图像之间的一致性,设计了一种有效的损失函数,并使用可靠性掩膜来消除动点和遮挡点的干扰.在TensorFlow框架下采用KITTI和Cityscapes数据集进行实验,实验结果表明,与已有深度估计方法相比,该方法不仅能够保留预测深度的边缘信息,而且能够提高预测深度的准确性,可达到0.119的平均相对误差.

摘要：为了指导新药探索,减少耗费过高的实验次数,需要有一个准确、快速的分子相似性判定方法来选择待比较的分子.为此提出一种蛋白质结构相似性比较方法,使用空间球极坐标3个分量划分蛋白质所在区域,得到蛋白质基本组成元素的空间密度特征,进而判定2个蛋白质结构的相似性.实验结果表明,该方法可作为各种结构蛋白质相似性比较的辅助手段,不仅能较好地反映蛋白质分子的空间结构特征,而且还有令人满意的时间复杂性,对大分子的相似性比较及进一步分类将有重要意义.

摘要：AAM(Active AppearanceM odel)是一种用来提取人脸特征点的有效方法,由人脸动态表观建模和拟合算法两部分组成.在多种AAM拟合算法中,反向组合法以快速高效著称.但在遇到外物遮挡时,AAM算法的拟合效果会变差.本文在反向组合法的基础上提出了一种基于分层细化掩模的改进算法.实验结果表明,该算法能较好地去除干扰并保留对拟合有用的信息,具有较强的抗干扰鲁棒性.

摘要：提出了一种基于RANSAC的柱面图像配准算法.首先采用NCC算法对检测出来的Harris角点进行粗匹配,然后采用两次改进的RANSAC算法删除误配,提高正确匹配角点的数量,最后对仿射变换模型参数进行Levenberg-Marquardt非线性优化以进一步降低图像的配准误差.实验结果表明:通过一次改进RANSAC去错配后角点有效匹配率达到约99.2%,通过二次改进RANSAC去错配后角点有效匹配率达到约99.6%,与现有算法相比,在同等条件下获得了更高的匹配有效率.

摘要：针对具有复杂遮挡关系的组合体三视图轮廓搜索不完备的问题,提出基于动态子视图划分的投影轮廓搜索算法.在应用传统角度判别法找出三视图中所有基环后,以基环为线索动态地划分单向子视图并搜索惯性环,对已找到的环进行二元组匹配,依据二元匹配组动态地划分双向子视图并搜索惯性环;从已找到的所有环中搜索基本形体的投影轮廓,通过拉伸或旋转构建基本形体,对基本形体应用正则布尔运算形成三维形体.实验结果表明,该算法可以完备地搜索出构成复杂组合体的基本形体投影轮廓,包括被遮挡的部分,保证了三维重建的正确性.

摘要：从2D视图重建3D实体的过程中,2D视图中的虚线会在3D重建中引起假边和假面的生成·针对此,提出一些规则在重建早先的阶段识别并删除这些假元·对于一个完全可见面,一旦搜索到它的外环和内环的边界,那么在该面内投影为虚线的边均将被删除·

摘要：现有的端到端青光眼筛查模型往往忽略细微病变区域而导致过拟合问题,并且其可解释性区域尚不明确.针对上述问题,提出一种语义特征图引导的青光眼筛查方法.利用基于MobileNet v2作为特征提取网络的DeepLab v3+分割模型进行视盘区域的分割定位,并且根据定位结果提取用于青光眼筛查的重点感兴趣区域,再通过设计注意力模块将其嵌入VGG分类网络实现青光眼的准确筛查.注意力模块利用语义特征图融合浅层特征综合生成注意力图,通过强化特征分类相关区域而抑制非相关区域,达到增强模型分类鲁棒性的目的.所提方法基于LAG database数据集测试的敏感性、特异性以及AUC分别为0.970,0.983和0.996,优于已有方法,且通过可视化注意力激活热图得到的模型决策关注区域更为精细,能够获得与医生诊断参考区域相一致的结果.

摘要：为了从运动捕获数据中提取关键帧来进行人体动画创作,提出一种以重建误差或压缩率为目标的运动捕获数据关键帧提取方法.该方法将关键帧提取划分为帧预选和基于重建误差优化的精选2个阶段,在第一阶段,对原始动作序列筛选边界姿势作为候选关键帧,使最终关键帧序列具有较强运动类型描述能力;在第二阶段,定义帧消减误差作为关键帧重要性的度量标准,并定义最大重建误差作为关键帧提取过程中的优化目标,同时考虑压缩率目标,精选候选帧获得满足指定重建误差或压缩率要求的最终关键帧集合.实验结果表明,文中方法具有良好的数据压缩效果,能满足实时压缩的需要.

摘要：在对钣金件特征研究和"零厚度"假设的基础上,提出一种钣金件自动展开新方法。对钣金件进行特征分类,基于特征设计进行钣金件特征造型,并通过特征树的形式存储特征之间的关系,最后对特征树进行中序遍历得到钣金件的展开图。并将上述方法应用在SMCAD(Sheet-MetalCAD)系统中。结果表明,该方法能方便快捷的实现钣金件自动展开,并使钣金件设计和展开摆脱了对三维平台的依赖,展开过程更为简洁。