基于双金字塔特征融合网络的RGB-D多类实例分割

针对RGB图像的实例分割任务在图像目标物体纹理相近但类别不同的区域可能出现分割错误的问题,引入Depth信息,结合RGB-D图像的三维几何结构特点,提出一种以双金字塔特征融合网络为框架的RGB-D实例分割方法.所提出的方法通过构建两种不同复杂度的金字塔深度卷积神经网络分别提取不同梯度分辨率大小的RGB特征及Depth特征,将对应分辨率大小的两种特征相加输入区域候选网络,以此改变输入区域候选网络层的共享特征,共享特征再经过分类、回归与掩码网络分支输出定位与分类结果,从而实现RGB-D图像的实例分割.实验结果表明,所提出的双金字塔特征融合网络模型能够完成RGB-D图像的实例分割任务,有效学习到深度图像与彩色图像之间的互补信息,与不包含Depth信息的Mask R-CNN相比,平均精度提高7.4%.     

彩色图像多尺度引导的深度图像超分辨率重建

为获得更优的深度图像超分辨率重建结果,本文构建了彩色图像多尺度引导深度图像超分辨率重建卷积神经网络。该网络使用多尺度融合方法实现高分辨率(HR)彩色图像特征对低分辨率(LR)深度图像特征的引导,有益于恢复图像细节信息。在对LR深度图像提取特征的过程中,构建了多感受野残差块(MRFRB)提取并融合不同感受野下的特征,然后将每一个MRFRB输出的特征连接、融合,得到全局融合特征。最后,通过亚像素卷积层和全局融合特征,得到HR深度图像。实验结果表明,该算法得到的超分辨率图像缓解了边缘失真和伪影问题,有较好的视觉效果。     

腰椎间盘突出症术后24小时内不同翻身时间的效果比较

目的 探讨腰椎间盘突出症术后翻身时间不同的护理效果.方法 选择84例腰椎间盘突出症术后的患者,随机分为观察组和对照组.2组患者术前均给予健康指导,训练床上轴式翻身,训练床上大、小便;术后平卧硬板床6小时后给予轴式翻身.观察组术后给予侧位2小时与平卧4小时交替翻身,对照组给予每2小时翻身1次.比较2组患者不同时间的翻身效果.结果 2组比较,观察组术后切口局部肿胀、切口疼痛、切口渗出、引流管脱落、患者对翻身不接受程度均低于对照组,差异有统计学意义(p<0.05).结论 腰椎间盘突出症术后侧卧2小时与平卧4小时交替轴式翻身,减少了术后并发症,患者愿意接受,减少了护理工作量,提高了护理效果.