摘要：为了解决高光谱图像超分辨率重建中物质本征光谱表达能力不足、图像尺度变化过程中存在细节信息损失的问题,提出一种全局-局部注意力特征重用网络。首先,通过多节点特征重用增强网络的多尺度信息提取能力。其次,引入局部注意力,利用空间注意力机制聚焦重点空间信息,并通过通道注意力机制增强特异性光谱提取能力。最后,设计全局修正模块,根据原始多光谱图像空间信息丰富与高光谱图像光谱保真度高的特性进一步补偿处理过程中损失的空间与光谱维度信息,提高网络可靠性。选取CAVE和Harvard数据集进行训练与测试,并与多种先进方法进行定量与定性评估。结果表明,所提网络能够重建出更高分辨率的高光谱图像,更好完成高光谱超分辨率任务。

摘要：借助层次B样条技术提出了一种自由形状特征的重用算法.首先利用低通滤波和泊松方程对源曲面上特征区域进行基面与细节特征的分离操作,求得基面与特征之间的偏移矢量场;然后利用平面参数化将偏移矢量场应用到目标曲面上完成特征重构;最后借助层次B样条技术优化重用结果.实验结果表明,该算法能够有效地完成自由形状特征的重用.

摘要：目的肝肿瘤分类计算机辅助诊断技术在临床医学中具有重要意义,但样本缺乏、标注成本高及肝脏图像的敏感性等原因,限制了深度学习的分类潜能,使得肝肿瘤分类依然是医学图像处理领域中具有挑战性的任务。针对上述问题,本文提出了一种结合特征重用和注意力机制的肝肿瘤自动分类方法。方法利用特征重用模块对计算机断层扫描(computed tomography,CT)图像进行伪自然图像的预处理,复制经Hounsfield处理后的原通道信息,并通过数据增强扩充现有数据;引入基于注意力机制的特征提取模块,从全局和局部两个方面分别对原始数据进行加权处理,充分挖掘现有样本的高维语义特征;通过迁移学习的训练策略训练提出的网络模型,并使用Softmax分类器实现肝肿瘤的精准分类。结果在120个病人的514幅CT扫描切片上进行了综合实验。与基准方法相比,本文方法平均分类准确率为87.78%,提高了9.73%;与肝肿瘤分类算法相比,本文算法针对转移性肝腺癌、血管瘤、肝细胞癌及正常肝组织的分类召回率分别达到79.47%、79.67%、85.73%和98.31%;与主流分类模型相比,本文模型在多种评价指标中均表现优异,平均准确率、召回率、精确率、F1-score及AUC(area under ROC curve)分别为87.78%、84.43%、84.59%、84.44%和97.50%。消融实验表明了本文设计的有效性。结论本文方法能提高肝脏肿瘤的分类结果,可为临床诊断提供依据。

摘要：系统是一种重要的技术手段,用于从庞大而复杂的监控视频中提取关键信息,为安全管理和事件分析提供有效支持;随着监控设备的普及和监控视频数据的快速增长,传统的手动摘要方法已经无法满足快速处理和准确提取所需信息的需求,现代的深度学习方法普遍存在计算复杂度高、参数多的问题;针对这一问题,提出了一种基于动态Transformer的监控视频摘要模型;自动为每个输入视频帧配置适当数量的token,通过级联多个Transformer模型,并逐渐增加生成的token数量,以实现自适应的激活顺序;一旦产生足够置信的预测,推理过程就会终止,并采用了特征重用和注意力重用技术以减少冗余计算;该模型在降低计算复杂度方面取得了显著进展,经实验测试,相较于传统模型,该动态Transformer模型在准确率上有所提升,在这两个公开数据集上F分数指标分别提高了3.7%和0.9%,同时计算复杂度降低了40%,可以满足精度要求和监控要求,证明模型具有良好的泛化性。

摘要：为了提高人脸特征提取网络的性能,进而提高人脸识别算法的准确率,本文对基于卷积神经网络的人脸特征提取网络进行研究,提出了SFRNet(Sparse Feature Reuse Network)。首先,基于稀疏特征重用、混合特征融合、中心-高斯池化三个创新点,给出了SFRNet的网络结构。然后,在图像分类数据集ImageNet和人脸识别数据集LFW(Labeled Faces in the Wild)、MegaFace上进行实验,分别验证了SFRNet在一般场景和人脸识别这一特定场景下的特征提取能力。实验表明本文所设计的SFRNet不仅计算量和参数量小,还能有效提取到人脸特征并且在一般场景中也有较强的泛化能力。

摘要：针对金属注射成型(MIM)工业生产零件由于缺陷细微导致的肉眼识别率低和人力资源耗费严重的问题,设计了一种基于卷积神经网络(CNN)的缺陷检测识别方法。利用迁移学习解决当前由于训练数据少而导致识别率低的问题,并提出了一种轻量化特征重用网络模型,对MIM工艺生产的小模数齿轮进行缺陷检测。实验结果表明:训练模型在MIM齿轮缺陷检测的准确率达到98%以上,可对零件实现快速、准确的检测,该检测识别技术可以应用于同类的零件制造业完成分类和检测任务,在工业上具有重要的研究价值和实践意义。

摘要：针对传统的规则曲面特征造型设计方法不能满足高复杂度的设计要求,在设计工作中经常需要进行繁琐的高复杂度的特征设计工作,而仅仅依靠设计者的交互编辑,存在精度差,效率低的问题,提出一种以网格测地距离为度量的特征自动重用的布局规划设计方法。通过实例表明,该方法能得到稳定的网格模型,明显减少用户交互,实现在网格曲面模型上快速实现特征模型的设计重用。

摘要：针对深度网络层与层之间的特征利用率低,每层获得特征信息相关性较少的问题,提出了基于特征重用模型的超分辨率重建方法,以增强网络中层与层之间的关联。该方法搭建了特征提取模块,并将其级联组建网络,使图像的低维特征得到充分利用,丰富了每个进入模块的信息流,增加了特征的多样性。模型中运用了多个1×1卷积层,使提高重建精度的同时也减少了参数计算。实验结果表明,提出的方法在减少计算量的同时,提高了图像的重建质量。

摘要：在计算机辅助设计(CAD)应用工程中,利用已有的二维工程图进行三维模型的设计,是一个十分重要的研究内容,文章对此进行了探讨。以叉车的连接支座为例,利用CAXA电子图板把工程图转换成Inventor三维设计软件可以直接输入的文件类型,在Inventor中对其进行处理,提取出特征造型用的轮廓线和几何图元,添加尺寸和约束,在此基础上利用特征造型工具,创建三维零件模型,并进一步以叉车的整车模型为例分析了三维建模中零件装配和仿真分析的有关问题。