基于组件特征与多注意力融合的车辆重识别方法

为提升车辆重识别算法的性能,提出一种基于车辆组件特征与多注意力融合的特征学习方法.首先,修改深度残差网络以获取具有丰富语义信息的特征图,同时应用语义分割网络将车辆图像划分为车辆正面、背面、顶面、侧面及背景区域,以实现组件特征提取并消除视角变化的影响.然后,设计多注意力融合模块,基于面积注意力与特征注意力实现组件特征的自适应融合.最后,在多任务学习框架下,优化车辆重识别的三元组损失与辅助分类任务的交叉熵与焦点损失,对网络参数进行训练.在多个数据集上的实验结果表明,提出的方法在大多数性能指标上均超越了现有方法.进一步的消融实验证明了多注意力融合模块与多任务损失函数在特征提取上的有效性.     

重尾非高斯定位噪声下鲁棒协同目标跟踪

针对定位数据的统计特性未知且易受异常值干扰而影响协同目标跟踪性能的问题,提出一种重尾非高斯定位噪声下的鲁棒协同目标跟踪方法. 该方法假设定位噪声服从多元学生t-分布,建立联合估计目标状态与定位噪声参数的贝叶斯模型. 针对目标状态与噪声分布参数相互耦合而难以计算联合后验分布的问题,应用变分贝叶斯推断原理和平均场理论对后验分布进行解耦,将目标状态与定位噪声参数的联合后验分布估计问题转化为最优化问题,以交替优化的方式实现系统参数的在线递推估计. 对提出的协同目标跟踪方法进行测试. 仿真结果表明,当定位数据中存在未知的野值噪声时,提出的协同跟踪算法具有较好的鲁棒性.     

纳米氧化锌对金黄色葡萄球菌的抑制及其作用机制研究

目的 研究纳米氧化锌对金黄色葡萄球菌的抑制及其作用机制。方法 统计金黄色葡萄球菌在含有0.5、1.0、1.5、2.0和4.0 mg/mL纳米氧化锌的胰蛋白胨大豆肉汤中的活细胞数目, 不同质量浓度纳米氧化锌处理金黄色葡萄球菌后, 分别采用扫描电镜和透射电镜观察细胞形态和超微结构的变化, 并分析细胞中活性氧(O2-)含量及超氧化物歧化酶(superoxide dismutase, SOD)活性的变化。结果 纳米氧化锌可显著抑制金黄色葡萄球菌的生长(P<0.05), 当纳米氧化锌的质量浓度为2.0 mg/mL时, 培养24 h后金黄色葡萄球菌的数目比不加纳米氧化锌的对照组低5.2 logCFU/mL (P<0.05)。经纳米材料处理后, 金黄色葡萄球菌的菌体外形虽然未发生明显改变, 但细胞内部的组织结构遭受严重损伤, 细胞膜结构模糊, 胞内的O2-含量显著升高(P<0.05), SOD酶活性在处理后期显著降低(P<0.05)。结论 纳米氧化锌的处理可使金黄色葡萄球菌菌体细胞组织结构和细胞膜发生损伤, 并导致细胞产生了氧化应激反应, 从而抑制其增殖。