基于注意力机制的多尺度融合人群计数算法

针对人群计数图像人头尺度变化大、背景噪声高等问题,提出一种基于注意力机制的多尺度融合人群计数算法,以充分聚合多尺度信息,并有效区分背景噪声。构建基于残差连接的空洞空间金字塔池化,通过残差结构以及多个不同扩张率的空洞卷积在捕获多尺度头部目标特征的同时融入浅层特征图的空间细节信息,提高特征图质量;构建跨层多尺度特征融合模块,融合浅层和深层分支不同大小的边缘细节信息和上下文语义信息,并设计基于多分支的特征融合模块,融合不同感受野大小的多尺度信息以缓解大规模人头尺度变化的问题;构建基于矩阵相似运算的通道和空间注意力机制模块提取像素级特征权重,加强网络对于背景和人头目标的判别能力,自适应矫正位置信息。实验结果表明,相比11种对比算法的最优值,所提算法在SHA数据集上的平均绝对误差和均方根误差指标降低1.4%、4.2%,在UCF＿CC＿50数据集上降低4.9%、1.8%,能够精确地预测人群分布状态和估计人群数量,生成高质量的人群密度图。     

静电纺锡/聚丙烯腈纳米纤维膜制备与表征

将纳米锡(Sn)与聚丙烯腈(PAN)共混,采用静电纺丝法制备Sn/PAN纳米纤维膜并进行炭化处理。使用扫描电子显微镜、透射电子显微镜和X射线衍射法对纤维平均直径、直径分布、Sn在纤维上的存在情况以及Sn加入到PAN中静电纺丝后的结晶程度进行表征,将炭化后的纤维膜直接制成锂离子电池负极,测试其电化学性能。结果表明:随着纺丝电压升高或固化距离增大,纤维直径减小;当静电纺丝电压为14 kV,固化距离为14 cm时,纤维平均直径较小,分布最均匀;炭化后纤维变细;Sn加入到PAN中静电纺丝后发生团聚,结晶程度明显下降;Sn/PAN作为锂离子电池负极材料,具有良好的储能性能。