多层次融合注意力网络的双目图像超分辨率重建

目的 随着深度卷积神经网络广泛应用于双目立体图像超分辨率重建任务,双目图像之间的信息融合成为近年来的研究热点。针对目前的双目图像超分辨重建算法对单幅图像的内部信息学习较少的问题,提出多层次融合注意力网络的双目图像超分辨率重建算法,在立体匹配的基础上学习图像内部的丰富信息。方法 首先,利用特征提取模块从不同尺度和深度来获取左图和右图的低频特征。然后,将低频特征作为混合注意力模块的输入,此注意力模块先利用二阶通道非局部注意力模块学习每个图像内部的通道和空间特征,再采用视差注意力模块对左右特征图进行立体匹配。接着采用多层融合模块获取不同深度特征之间的相关信息,进一步指导产生高质量图像重建效果。再利用亚像素卷积对特征图进行上采样,并和低分辨率左图的放大特征相加得到重建特征。最后使用1层卷积得到重建后的高分辨率图像。结果 本文算法采用Flickr1024数据集的800幅图像和60幅经过2倍下采样的Middlebury图像作为训练集,以峰值信噪比（peak signal-to-noise ratio,PSNR）和结构相似性（structural similarity,SSIM）作为指标。实验在3个...     

增强二阶网络调制的目标跟踪

目的 表观模型对视觉目标跟踪的性能起着决定性的作用。基于网络调制的跟踪算法通过构建高效的子网络学习参考帧目标的表观信息,以用于测试帧目标的鲁棒匹配,在多个目标跟踪数据集上表现优异。但是,这类跟踪算法忽视了高阶信息对鲁棒建模物体表观的重要作用,致使在物体表观发生大尺度变化时易产生跟踪漂移。为此本文提出全局上下文信息增强的二阶池化调制子网络,以学习高阶特征提升跟踪器的性能。方法 首先,利用卷积神经网络（convolutional neural networks,CNN）提取参考帧和测试帧的特征;然后,对提取的特征采用不同方向的长短时记忆网络（long shot-term memory networks,LSTM）捕获每个像素的全局上下文信息,再经过二阶池化网络提取高阶信息;最后,通过调制机制引导测试帧学习最优交并比预测。同时,为提升跟踪器的稳定性,在线跟踪通过指数加权平均自适应更新物体表观特征。结果 实验结果表明,在OTB100（object tracking benchmark）数据集上,本文方法的成功率为67.9%,超越跟踪器ATOM （accurate tracking by overlap maximization）1.5%;在VOT （visual object tracking）2018数据集上平均期望重叠率（expected average overlap,EAO）为0.44,超越ATOM 4%。结论 本文通过构建全局上下文信息增强的二阶池化调制子网络来学习高效的表观模型,使跟踪器达到目前领先的性能。     

多普勒雷达图像逆风区的自动监测识别

在多普勒雷达降水回波径向速度场中及时准确地发现逆风区,对灾害天气预报预警具有重要意义.根据逆风区在雷达径向速度图中的物理图像特征,采用数字图像处理和分析方法实现了逆风区自动监测识别.首先,以雷达图像色标为依据,采用阈值法分别获取正、负速度区域二值图像,再对2幅图像分别进行形态学运算,然后将上述4幅图像做交叉逻辑运算,得到逆风区监测识别结果和相关参数.通过在2005—2011年长沙雷达站47幅根据实况进行人工标注后的多普勒雷达径向速度图像上进行实验,表明该方法对逆风区可以进行快速准确识别,与人工标注结果比较准确率可达89%,满足实际应用需要.     

联合姿态先验的人体精确解析双分支网络模型

人体解析旨在将人体图像分割成多个具有细粒度语义的部件区域,进行形成对人体图像的语义理解.然而由于人体姿态的复杂性,现有的人体解析算法容易对人体四肢部件形成误判,且对于小目标区域的分割不够精确.针对上述问题,本文联合人体姿态估计信息,提出了一种人体精确解析的双分支网络模型.该模型首先使用基干网络表征人体图像,将人体姿态估计模型预测到的姿态先验作为基干网络的注意力信息,进而形成人体结构先验驱动的多尺度特征表达,并将提取的特征分别输入至全卷积网络解析分支与检测解析分支.全卷积网络解析分支获得全局分割结果,检测解析分支更关注小尺度目标的检测与分割,融合两个分支的预测信息可获得更为精确的分割结果.实验结果验证了本文算法的有效性,在当前主流的人体解析数据集LIP和ATR上,本文方法的mIoU评测指标分别为52.19%和68.29%,有效提升了解析精度,在人体四肢部件以及小目标部件区域获得了更为准确的分割结果.     

加快推动输变电产业数字化转型升级——专访中国西电集团党委书记、董事长白忠泉

2020年12月23日,输变电产业的中国西电、许继电气、平高电气、宝光股份四家上市公司分别发布公告称正在筹划战略性重组,有关方案尚未确定,方案亦需获得相关主管部门批准。作为电力体制改革中重要的一步,这一主辅分离的改革动向很快引起了市场反应;作为我国输变电领域装备制造研发领域的龙头企业,中国西电集团再次得到了多方关注。     

服努“千年大计” 中铁当好开路先锋

2020年12月27日,京雄城际铁路全线开通运营,雄安站同步投入使用。作为雄安新区首个重大基础设施项目,这一线路运营后,北京西站到雄安新区最短仅需50分钟,雄安新区的发展将步入快车道,京津冀协同发展也将得到新的重要支撑。京雄铁路意义重大,中央企业勇挑重担。包括中国中铁、中国铁建、中建集团、中交集团等基建狂魔等在内的诸多央企是沿线铁路、场站建设的主力军。     

锚定高质量发展的路径更清晰

党的十九大明确提出中国特色社会主义进入了新时代,作出了我国经济已由高速增长阶段转向高质量发展阶段的判断。党的十九届五中全会进一步提出要以推动高质量发展为主题。中央企业负责人会上,国务院国资委党委书记、主任郝鹏详细阐述了做强、做优、做大三者之间的辨证关系,并提出了两利四率的新的考核要求,以推动中央企业提高效率创造价值,更好对标世界一流。     

基于部件检测与检索的行人精细化分割

针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含三个阶段,前两个阶段单独训练两个Fast R-CNN（Fast Region-based Convolutional Neural Network,快速区域卷积神经网络）模型,分别用来检测整个人体以及各个部件以获得各类别部件的大体位置;第三个阶段使用基于检索过分割图像的方法来对检测到的各个部件进行分割,最后把各部件分割结果还原到原图坐标上以得到最终的分割结果.实验表明所提方法在三个公开的数据库上,与其他算法相比,分割准确率更高,边缘效果更好.     

基于循环显著性校准网络的胰腺分割方法

胰腺的准确分割对于胰腺癌的识别和分析至关重要. 研究者提出通过第一阶段粗分割掩码的位置信息缩小第二阶段细分割网络输入的由粗到细分割方法, 尽管极大地提升了分割精度, 但是在胰腺分割过程中对于上下文信息的利用却存在以下两个问题: 1) 粗分割和细分割阶段分开训练, 细分割阶段缺少粗分割阶段分割掩码信息, 抑制了阶段间上下文信息的流动, 导致部分细分割阶段结果无法比粗分割阶段更准确; 2) 粗分割和细分割阶段单批次相邻预测分割掩码之间缺少信息互监督, 丢失切片上下文信息, 增加了误分割风险. 针对上述问题, 提出了一种基于循环显著性校准网络的胰腺分割方法. 通过循环使用前一阶段输出的胰腺分割掩码作为当前阶段输入的空间权重, 进行两阶段联合训练, 实现阶段间上下文信息的有效利用; 提出卷积自注意力校准模块进行胰腺预测分割掩码切片上下文信息跨顺序互监督, 显著改善了相邻切片误分割现象. 提出的方法在公开的数据集上进行了验证, 实验结果表明其改善误分割结果的同时提升了平均分割精度.     

Blasingame产能分析方法在塔河油田的应用

根据塔河油田碳酸盐岩油藏储渗机理复杂,井况、油井产能变化规律差,选择Blasingame产能分析方法对塔河油田进行分析,由径向流动段和拟稳定流动段特征曲线计算油藏参数和原始地质储量,为油田开发、调整措施提供依据。