现有无监督视频目标分割(Unsupervised Video Object Segmentation,UVOS)方法多采用像素级密集匹配策略,通过对齐融合多帧之间或单帧与光流之间的信息来提升模型性能.然而,在遮挡、相机抖动、运动模糊等挑战性场景中,光流估计误差易产...现有无监督视频目标分割(Unsupervised Video Object Segmentation,UVOS)方法多采用像素级密集匹配策略,通过对齐融合多帧之间或单帧与光流之间的信息来提升模型性能.然而,在遮挡、相机抖动、运动模糊等挑战性场景中,光流估计误差易产生大量错误匹配,导致融合后的时空表征易过拟合运动噪声.为此,本文提出一种运动提示引导的自适应学习UVOS框架.通过设计一种无监督光流提示生成算法,将光流编码的密集运动信息转换为稀疏点和框提示,借助提示学习引导分割一切模型(Segment Anything Model,SAM)通过本文设计的两个轻量级适配器来自适应学习,从而获得更为鲁棒的时空表征,增强模型的抗噪能力.为获得有效的提示,设计了一种无监督运动提示生成算法.该算法基于光流特征计算一系列统计量,筛选出显著区域,再利用运动边缘信息去除伪显著区域的干扰,并设定自适应阈值进行过滤,生成提示显著运动目标所在区域的点和框坐标.为提升SAM在下游UVOS任务中的泛化性,提出一种自适应表征学习SAM模型.通过设计两个轻量级特征适配器,从SAM的通用知识库中自适应学习与下游UVOS任务相关的知识,以准确地粗定位目标.针对SAM基于纯Transformer架构在细节处理上的不足,基于卷积神经网络(Convolutional Neural Networks,CNN)架构设计了表观聚焦细化模块.由SAM得到的定位注意力图渐进式地引导细化过程,使模型的注意力从全局粗定位聚焦到局部细化,最终得到更加精确的分割掩码.本文方法在DAVIS16(DAVIS 2016)、FBMS(Financial and Business Management System)和YTOBJ(YouTube-OBJects)三个主流数据集上进行了充分验证.结果表明:本文方法在区域相似度指标上较当前先进方法分别提升了1.8%、1.6%和2.6%,充分表明了本文方法的有效性.展开更多
目的聚二甲基硅氧烷(PDMS)作为微流控芯片研制中常用的高分子材料,其本身的疏水特性是影响微流控芯片整体键合效果的主要障碍。为了在短时间内成功实现PDMS与基底材料的有效键合与封装,设计一种可在普通实验室开展的低成本且高效的PDMS...目的聚二甲基硅氧烷(PDMS)作为微流控芯片研制中常用的高分子材料,其本身的疏水特性是影响微流控芯片整体键合效果的主要障碍。为了在短时间内成功实现PDMS与基底材料的有效键合与封装,设计一种可在普通实验室开展的低成本且高效的PDMS材料改性方法。方法基于紫外臭氧光照改性法对PDMS材料表面进行改性研究,通过正交试验深入研究紫外光照射时间、距离及通氧时间对PDMS表面改性效果的影响,并在50℃水浴环境下通过测量不同时间PDMS基片与盖片(PDMS或玻璃)的键合强度,从而确定最优工艺参数组合。结果相比于传统紫外光照射表面改性法的键合时间(大于50 h),本工艺可在6 h内成功实现PDMS的有效封装,并确定了P—P键合和P—G键合的最优参数组合,两者平均键合强度均大于200 k Pa。结论整个工艺操作简单、成本低,可作为普通实验室开展微流控实验研究的有益补充。展开更多
大量基于深度学习的无监督视频目标分割(Unsupervised video object segmentation,UVOS)算法存在模型参数量与计算量较大的问题,这显著限制了算法在实际中的应用.提出了基于运动引导的视频目标分割网络,在大幅降低模型参数量与计算量的...大量基于深度学习的无监督视频目标分割(Unsupervised video object segmentation,UVOS)算法存在模型参数量与计算量较大的问题,这显著限制了算法在实际中的应用.提出了基于运动引导的视频目标分割网络,在大幅降低模型参数量与计算量的同时,提升视频目标分割性能.整个模型由双流网络、运动引导模块、多尺度渐进融合模块三部分组成.具体地,首先,RGB图像与光流估计输入双流网络提取物体外观特征与运动特征;然后,运动引导模块通过局部注意力提取运动特征中的语义信息,用于引导外观特征学习丰富的语义信息;最后,多尺度渐进融合模块获取双流网络的各个阶段输出的特征,将深层特征渐进地融入浅层特征,最终提升边缘分割效果.在3个标准数据集上进行了大量评测,实验结果表明了该方法的优越性能.展开更多
Carbon nanotube thin film transistor （CNT-TFF） is an emerging technology for future macroelectronics, such as chemical and biological sensors, optical detectors, and the backplane driving circuits for flat panel dis...Carbon nanotube thin film transistor （CNT-TFF） is an emerging technology for future macroelectronics, such as chemical and biological sensors, optical detectors, and the backplane driving circuits for flat panel displays. The mostly reported fabrication method of CNT-TFT is a lift-off based photolithography process. In such fabrication process, photoresist （PR） residue contaminates the interface of tube-metal contact and deteriorates the device performance. In this paper, ultraviolet ozone （UVO） and oxygen plasma treat- ments were employed to remove the PR contamination. Through our well-designed experiments, the UVO treatment is confirmed an effective way of cleaning contamination at the tube-metal interface, while oxygen plasma treatment is too reactive and hard to control, which is not appropriate for CNT-TFTs. It is determined that 2-6 rain UVO treatment is the preferred window, and the best optimized treatment time is 4 rain, which leads to 15% enhancement of device performance.展开更多
文摘现有无监督视频目标分割(Unsupervised Video Object Segmentation,UVOS)方法多采用像素级密集匹配策略,通过对齐融合多帧之间或单帧与光流之间的信息来提升模型性能.然而,在遮挡、相机抖动、运动模糊等挑战性场景中,光流估计误差易产生大量错误匹配,导致融合后的时空表征易过拟合运动噪声.为此,本文提出一种运动提示引导的自适应学习UVOS框架.通过设计一种无监督光流提示生成算法,将光流编码的密集运动信息转换为稀疏点和框提示,借助提示学习引导分割一切模型(Segment Anything Model,SAM)通过本文设计的两个轻量级适配器来自适应学习,从而获得更为鲁棒的时空表征,增强模型的抗噪能力.为获得有效的提示,设计了一种无监督运动提示生成算法.该算法基于光流特征计算一系列统计量,筛选出显著区域,再利用运动边缘信息去除伪显著区域的干扰,并设定自适应阈值进行过滤,生成提示显著运动目标所在区域的点和框坐标.为提升SAM在下游UVOS任务中的泛化性,提出一种自适应表征学习SAM模型.通过设计两个轻量级特征适配器,从SAM的通用知识库中自适应学习与下游UVOS任务相关的知识,以准确地粗定位目标.针对SAM基于纯Transformer架构在细节处理上的不足,基于卷积神经网络(Convolutional Neural Networks,CNN)架构设计了表观聚焦细化模块.由SAM得到的定位注意力图渐进式地引导细化过程,使模型的注意力从全局粗定位聚焦到局部细化,最终得到更加精确的分割掩码.本文方法在DAVIS16(DAVIS 2016)、FBMS(Financial and Business Management System)和YTOBJ(YouTube-OBJects)三个主流数据集上进行了充分验证.结果表明:本文方法在区域相似度指标上较当前先进方法分别提升了1.8%、1.6%和2.6%,充分表明了本文方法的有效性.
文摘目的聚二甲基硅氧烷(PDMS)作为微流控芯片研制中常用的高分子材料,其本身的疏水特性是影响微流控芯片整体键合效果的主要障碍。为了在短时间内成功实现PDMS与基底材料的有效键合与封装,设计一种可在普通实验室开展的低成本且高效的PDMS材料改性方法。方法基于紫外臭氧光照改性法对PDMS材料表面进行改性研究,通过正交试验深入研究紫外光照射时间、距离及通氧时间对PDMS表面改性效果的影响,并在50℃水浴环境下通过测量不同时间PDMS基片与盖片(PDMS或玻璃)的键合强度,从而确定最优工艺参数组合。结果相比于传统紫外光照射表面改性法的键合时间(大于50 h),本工艺可在6 h内成功实现PDMS的有效封装,并确定了P—P键合和P—G键合的最优参数组合,两者平均键合强度均大于200 k Pa。结论整个工艺操作简单、成本低,可作为普通实验室开展微流控实验研究的有益补充。
文摘大量基于深度学习的无监督视频目标分割(Unsupervised video object segmentation,UVOS)算法存在模型参数量与计算量较大的问题,这显著限制了算法在实际中的应用.提出了基于运动引导的视频目标分割网络,在大幅降低模型参数量与计算量的同时,提升视频目标分割性能.整个模型由双流网络、运动引导模块、多尺度渐进融合模块三部分组成.具体地,首先,RGB图像与光流估计输入双流网络提取物体外观特征与运动特征;然后,运动引导模块通过局部注意力提取运动特征中的语义信息,用于引导外观特征学习丰富的语义信息;最后,多尺度渐进融合模块获取双流网络的各个阶段输出的特征,将深层特征渐进地融入浅层特征,最终提升边缘分割效果.在3个标准数据集上进行了大量评测,实验结果表明了该方法的优越性能.
基金supported by the National Key Research and Development Program of China(2016YFA0201902)the National Natural Science Foundation of China(61621061)Beijing Municipal Science&Technology Commission(Z171100002017001)
文摘Carbon nanotube thin film transistor （CNT-TFF） is an emerging technology for future macroelectronics, such as chemical and biological sensors, optical detectors, and the backplane driving circuits for flat panel displays. The mostly reported fabrication method of CNT-TFT is a lift-off based photolithography process. In such fabrication process, photoresist （PR） residue contaminates the interface of tube-metal contact and deteriorates the device performance. In this paper, ultraviolet ozone （UVO） and oxygen plasma treat- ments were employed to remove the PR contamination. Through our well-designed experiments, the UVO treatment is confirmed an effective way of cleaning contamination at the tube-metal interface, while oxygen plasma treatment is too reactive and hard to control, which is not appropriate for CNT-TFTs. It is determined that 2-6 rain UVO treatment is the preferred window, and the best optimized treatment time is 4 rain, which leads to 15% enhancement of device performance.
