合成大麻素类毒品的结构衍变与质谱解析

合成大麻素毒品蔓延趋势严峻,我国政府启动了整类列管政策。该类毒品结构变异较强,对重点目标结构的识别以及共性质谱特征的汇总在司法实践中具有重要意义。本文解析了该类毒品的结构衍变规律,遴选27种合成大麻素,采用气相色谱 质谱联用法（GC MS）采集EI MS数据。实验结果表明,合成大麻素类物质主要由母核、链接、取代基和侧链四部分构成。其中,吲哚/吲唑母核易产生m/z 144、145特征碎片;链接部分的碎裂主要发生在羰基两侧;取代基上的叔碳原子、丁酸甲酯以及丁酰胺易发生多元化碎裂;侧链易发生中性丢失而产生氟丁基（m/z 74）、氟戊基（m/z 88）和戊烯基（m/z 68）等特征碎片。该碎裂途径的推断可为未知新型合成大麻素类物质的判别提供参考。     

基于深度可分离卷积的轻量级图像超分辨率重建

图像超分辨率重建旨在依据低分辨率图像重建出接近真实的高分辨率图像,现有基于卷积神经网络的图像超分辨率重建方法存在网络参数量大、重建速度慢等问题,从而限制其在内存资源小的终端设备上的应用。提出一种基于深度可分离卷积的轻量级图像超分辨率重建网络,利用深度可分离卷积提取图像的特征信息,减少网络的参数量,采用对比度感知通道注意力机制获取图像的对比度信息,并将其作为全局信息,同时对提取特征的不同通道权重进行重新分配,增强重建图像的细节纹理信息。在此基础上,采用亚像素卷积对图像特征进行上采样操作,提高整体重建图像质量。实验结果表明,当放大倍数为2、3和4时,该网络的参数量分别为140 000、147 000和152 000,重建时间为0.020 s、0.014 s和0.011 s,相比VDSR、RFDN、IDN等网络,在保证重建效果的前提下能够有效减少网络参数量。     

基于连接注意力的行人重识别特征提取方法

全民安全意识的逐步提高使得智能监控设备遍布各大公共场所,行人重识别作为视频分析的关键技术之一,被广泛应用于智能安防、自动驾驶等领域。为了提高真实环境下跨摄像头行人检索的识别精度,提出一种基于注意力机制的行人重识别特征提取方法。在数据处理阶段,考虑不同训练数据量下识别效果存在差异的问题,对行人图片采用自动增强方法进行数据增强,以提高数据集规模。在特征提取阶段,将连接注意力模块与ResNet50残差网络相结合构成特征提取网络,提取显著性更强的行人特征。在损失优化阶段,采用三元组损失和圆损失对行人特征进行优化并完成距离度量,最终根据距离的远近得到行人排序结果。实验结果表明,在Market1501数据集上该方法的Rank-1值和mAP值分别达到95.90%和89.66%,在DukeMTMC-reID数据集上Rank-1值和mAP值分别达到91.16%和81.24%,在MSMT17数据集上Rank-1值和mAP值分别达到84.37%和62.73%,与现有经典行人重识别方法PCB、MGN、Pyramid、OSNet等相比,其网络识别性能评价指标均有明显提升。