目的基于图像的人体姿态估计是计算机视觉领域中一个非常重要的研究课题,并广泛应用于人机交互、监控以及图像检索等方面。但是,由于人体视觉外观的多样性、遮挡和混杂背景等因素的影响,导致人体姿态估计问题一直是计算机视觉领域的难...目的基于图像的人体姿态估计是计算机视觉领域中一个非常重要的研究课题,并广泛应用于人机交互、监控以及图像检索等方面。但是,由于人体视觉外观的多样性、遮挡和混杂背景等因素的影响,导致人体姿态估计问题一直是计算机视觉领域的难点和热点。本文主要关注于初始特征对关节点定位的作用,提出一种跨阶段卷积姿态机(CSCPM)。方法首先,采用VGG(visual geometry group)网络获得初步的图像初始特征,该初始特征既是图像关节点定位的基础,同时,也由于受到自遮挡和混杂背景的干扰难以学习。其次,在初始特征的基础上,构建多层模型学习不同尺度下的结构特征,同时为了解决深度学习中的梯度消失问题,在后续的各层特征中都串联该初始特征。最后,设计了多尺度关节点定位的联合损失,用于学习深度网络参数。结果本文实验在两大人体姿态数据集MPII(MPII human pose dataset)和LSP(leeds sport pose)上分别与近3年的人体姿态估计方法进行了定性与定量比较,在MPII数据集中,模型的总检测率为89.1%,相比于性能第2的模型高出了0.7%;在口戸数据集中,模型的总检测率为91.0%,相比于性能第2的模型高出了0.5%。结论实验结果表明,初始特征学习能够有效判断关节点的自遮挡和混杂背景干扰情况,引入跨阶段结构的CSCPM姿态估计模型能够胜出现有人体姿态估计模型。展开更多
目的探讨基于时间的最大密度投影(Time Maximum Intensity Projection,TimeMIP)技术对双下肢血管成像中双足区域血管图像质量的影响。方法选取50名糖尿病疑诊双下肢血管病变的受检者。在行常规双下肢CTA扫描后,延时10 s对受检者足部区域...目的探讨基于时间的最大密度投影(Time Maximum Intensity Projection,TimeMIP)技术对双下肢血管成像中双足区域血管图像质量的影响。方法选取50名糖尿病疑诊双下肢血管病变的受检者。在行常规双下肢CTA扫描后,延时10 s对受检者足部区域行160 mm宽度轴位低剂量扫描。以双下肢CTA扫描足部区图像为对照组,延时扫描图像经TimeMIP处理后图像为实验组。分别测量两组图像的足背、足趾部动脉的CT值,并计算信噪比(Signal to Noise Ratio,SNR)及有效辐射剂量。并对两组图像进行后处理,以4分制进行主观评分。结果两组患者均顺利完成检查,实验组足背、足趾部动脉的CT值分别为(150.44±8.67)、(137.20±10.67)HU,对照组分别为(123.36±8.61)、(123.32±10.97)HU,差异有统计学意义(P<0.05);实验组足背、足趾部动脉的SNR分别为9.11±0.96、9.38±1.22,对照组分别为8.11±0.93、8.35±1.83,差异无统计学意义(P>0.05)。实验组图像经MIP、VR处理后主观评分为(3.23±0.18)分,对照组为(2.11±0.20)分,经Mann-Whitney U检验差异有统计学意义(P<0.05)。结论TimeMIP技术可有效提高双下肢CTA足部区域动脉血管图像质量。展开更多
文摘针对传统随机共振系统(Stochastic resonance,SR)的参数选择和未考虑历史信息影响随机共振效果的问题,提出一种基于改进布谷鸟算法(Ranking-based Adaptive Cuckoo Search,RACS)的自适应改进势模型随机共振方法。首先,对大参数信号进行移频尺度变换处理,使其满足SR的绝热近似理论要求;其次,提出一种时延分数阶偏置非线性过阻尼随机共振系统(Time-delayed Overdamped Stochastic Resonance System with Fractional Deflection Nonlinearity,TFODF-SR),并研究势模型参数对随机共振效果的影响;进而利用以信噪比作为评价函数的RACS算法自适应确定随机共振系统的结构参数;最后经过时、频域分析提取出滚动轴承故障特征。通过仿真与实测实验分析对所提出方法相比于传统SR系统及没有引入时延反馈项的ODF系统(Overdamped System with Fractional Deflection Nonlinearity,ODF)在滚动轴承故障提取上的有效性和优越性进行验证。
文摘目的基于图像的人体姿态估计是计算机视觉领域中一个非常重要的研究课题,并广泛应用于人机交互、监控以及图像检索等方面。但是,由于人体视觉外观的多样性、遮挡和混杂背景等因素的影响,导致人体姿态估计问题一直是计算机视觉领域的难点和热点。本文主要关注于初始特征对关节点定位的作用,提出一种跨阶段卷积姿态机(CSCPM)。方法首先,采用VGG(visual geometry group)网络获得初步的图像初始特征,该初始特征既是图像关节点定位的基础,同时,也由于受到自遮挡和混杂背景的干扰难以学习。其次,在初始特征的基础上,构建多层模型学习不同尺度下的结构特征,同时为了解决深度学习中的梯度消失问题,在后续的各层特征中都串联该初始特征。最后,设计了多尺度关节点定位的联合损失,用于学习深度网络参数。结果本文实验在两大人体姿态数据集MPII(MPII human pose dataset)和LSP(leeds sport pose)上分别与近3年的人体姿态估计方法进行了定性与定量比较,在MPII数据集中,模型的总检测率为89.1%,相比于性能第2的模型高出了0.7%;在口戸数据集中,模型的总检测率为91.0%,相比于性能第2的模型高出了0.5%。结论实验结果表明,初始特征学习能够有效判断关节点的自遮挡和混杂背景干扰情况,引入跨阶段结构的CSCPM姿态估计模型能够胜出现有人体姿态估计模型。
文摘目的探讨基于时间的最大密度投影(Time Maximum Intensity Projection,TimeMIP)技术对双下肢血管成像中双足区域血管图像质量的影响。方法选取50名糖尿病疑诊双下肢血管病变的受检者。在行常规双下肢CTA扫描后,延时10 s对受检者足部区域行160 mm宽度轴位低剂量扫描。以双下肢CTA扫描足部区图像为对照组,延时扫描图像经TimeMIP处理后图像为实验组。分别测量两组图像的足背、足趾部动脉的CT值,并计算信噪比(Signal to Noise Ratio,SNR)及有效辐射剂量。并对两组图像进行后处理,以4分制进行主观评分。结果两组患者均顺利完成检查,实验组足背、足趾部动脉的CT值分别为(150.44±8.67)、(137.20±10.67)HU,对照组分别为(123.36±8.61)、(123.32±10.97)HU,差异有统计学意义(P<0.05);实验组足背、足趾部动脉的SNR分别为9.11±0.96、9.38±1.22,对照组分别为8.11±0.93、8.35±1.83,差异无统计学意义(P>0.05)。实验组图像经MIP、VR处理后主观评分为(3.23±0.18)分,对照组为(2.11±0.20)分,经Mann-Whitney U检验差异有统计学意义(P<0.05)。结论TimeMIP技术可有效提高双下肢CTA足部区域动脉血管图像质量。
