FRKDNet：基于知识蒸馏的特征提炼语义分割网络

传统的语义分割知识蒸馏方法仍然存在知识蒸馏不完全、特征信息传递不显著等问题，且教师网络传递的知识情况复杂，容易丢失特征的位置信息。针对以上问题，本文提出了一种基于知识蒸馏的特征提炼语义分割模型FRKDNet。首先根据前景特征与背景噪声的特点，设计了一种特征提炼方法来将蒸馏知识中的前景内容进行分离，过滤掉教师网络的伪知识后将更准确的特征内容传递给学生网络，从而提高特征的表现能力。同时，在特征空间的隐式编码中提取类间距离与类内距离从而得到相应的特征坐标掩码，学生网络通过模拟特征位置信息来最小化与教师网络特征位置的差距，并分别和学生网络进行蒸馏损失计算，从而提高学生网络的分割精度，辅助学生网络更快地收敛。最后在公开数据集Pascal VOC和Cityscapes上实现了优秀的分割性能，MIoU分别达到74.19%和76.53%，比原始学生网络分别提高了2.04%和4.48%。本文方法相比于主流方法具有更好的分割性能和鲁棒性，为语义分割知识蒸馏提供了一种新方法。     

用超临界CO2制备抗静电聚酯薄膜

用超临界流体插嵌技术制备了共混形抗静电聚酯薄膜.通过改变温度、压力和抗静电剂在超临界流体中的浓度,得到抗静电剂含量不同的抗静电聚酯薄膜,具有良好的抗静电效果.     

用于人脸情感识别的低冗余稀疏性集成剪枝

为降低噪声和异常值对集成剪枝的影响,并鲁棒性地选择更稀疏的基分类器子集,从而提升人脸情感识别的性能,提出了一种具有依赖分数的鲁棒性稀疏低冗余集成剪枝方法用于人脸情感识别。首先,该方法将样本实例的预测结果视为基分类器特征,分别利用互信息和熵来评估成对基分类器之间的依赖性和它们之间的优先级。其次,将优先级依赖关系添加到基于回归的目标方程中实现冗余基分类器的修剪,此目标方程使用l_2,1范数来增加分类器子集的鲁棒性从而提升算法的泛化性能。然后,将内积正则化项引入到目标方程中,通过计算分类器特征系数向量内积的绝对值的和去选择稀疏和低冗余的基分类器。最后,使用大多数投票法对选择的基分类器子集进行集成从而得到最终的识别结果。结果表明：本文提出的方法在FER2013、JAFFE、CK+和KDEF 4个公共人脸情感数据集上的识别准确率,比所有基分类器进行集成得到的准确率分别高3.29%、10.39%、1.76%和4.89%,表明该方法可以选择出识别效果更好、冗余度更低的分类器子集,提高集成剪枝的泛化能力。