基于特征重聚焦网络的多尺度近岸舰船检测

针对监控视频中的多尺度近岸舰船检测问题,提出了一种基于特征重聚焦网络的舰船目标检测算法,设计了由多维特征聚合模块(MFAM)与注意力特征重构模块(AFRM)组成的特征重聚焦策略.其中,MFAM基于输入的特征金字塔构建特征聚合块,进一步融合多尺度舰船不同层次特征的语义信息.AFRM基于多分支空洞卷积以及通道与空间注意力机制提升网络对目标非局部信息的表征和对背景干扰的抑制,并构建了用于目标检测的特征重聚焦金字塔.在Seaships7000舰船公开数据集上的实验结果表明,相比其他算法,本算法对监控视频中多尺度近岸舰船的检测效果更好.     

广义增长曲线模型参数阵的最佳线性无偏估计

对于增长曲线模型Y=X1BX′2+ε,E(ε)=O,D(ε)=D(Vecε)=V2V1,在V1,V2均为非负定矩阵的情况下,利用最小二乘统一理论及矩阵拉直方法,给出了未知参数阵B的可估矩阵函数Z1BZ′2的最佳线性无偏估计,将有关文献的结果推广到更一般的情况。     

基于图像衍生的红外无人机图像仿真方法研究

对无人机群的红外视频进行监视是安防和军事领域的新热点。由于复杂背景下无人机图像获取难度大,图像数量难以满足相关算法的模型训练和验证等需求,因此提出一种基于图像衍生的红外无人机图像仿真方法。采用该方法对红外无人机模板图像与红外背景图像进行混合,从而生成大量不同背景下的无人机目标图像。针对图像混合技术受背景噪声影响严重、无人机目标边缘模糊和合成图像调和度低等问题,采用一种无监督的生成式对抗网络来生成调和度较高的灰度约束图像,将其与目标梯度图像作为联合约束来求解高斯-泊松方程,得到与真实图像特征一致性较高的混合图像。实验结果表明,所提方法生成的混合图像具有较高的图像调和度和视觉真实性,说明所得图像作为扩充样本可有效提高机器学习算法的性能。     

人脑枕叶区衰老进程的比较蛋白质组学研究

分别从23岁、64岁、72岁、83岁以及94岁无神经性和精神性疾病史个体大脑皮层枕叶区取样．制备蛋白质样晶．进行双向凝胶电泳(2-DE)、考马斯亮蓝染色、凝胶扫描和Image Master 2D Elite软件分析，每张胶上平均可检测到1000个以上蛋白质点．通过软件半定量分析．进一步研究了衰老过程中枕叶蛋白质的差异表达，发现随年龄增长有7种蛋白质有一致的显著上升或下降趋势．应用质谱进行肽质量指纹图谱(PMF)和／或肽序列标签(PST)分析．数据库检索共鉴定了11种蛋白质．其中有5种具有一致的上调或下调性．包括神经元突触结构蛋白低分子量神经丝蛋白(Neurofilament triplet L protein．NF—L)、参与抗氧化反应的硫氧还原蛋白过氧化物酶(Peroxiredoxin)、三羧酸循环关键酶(顺)乌头酸水合酶(Aconitate hydratase)和糖代谢途径中的关键酶烯醇化酶2(Enolase 2)以及分子伴侣蛋白T复合物蛋白l(T-complex protein 1)．首次建立了正常人脑枕叶区的双向电泳蛋白质表达图谱．针对人脑枕叶区蛋白质在衰老过程中的差异表达进行了研究，并对差异表达蛋白在衰老进程中可能的生物学意义做了探讨．