车载自组织网络(Vehicular Ad Hoc Network,VANET)技术为人类实现智能交通提供了技术保障.作为VANETs的重要组成部分,路由协议的好坏决定了网络的性能.研究了在Linux嵌入式环境下AODV路由协议的实现方案,完成无线自组织网络车载平台的设计.在真实场景下,测试其连通性以及路由性能.实验结果表明,该无线自组织网络平台在往返时间以及丢包率方面具有良好的性能.
针对由于血管类间具有强相似性造成的动静脉错误分类问题,提出了一种新的融合上下文信息的多尺度视网膜动静脉分类网络(multi-scale retinal artery and vein classification network,MCFNet),该网络使用多尺度特征(multi-scale feature,MSF)提取模块及高效的全局上下文信息融合(efficient global contextual information aggregation,EGCA)模块结合U型分割网络进行动静脉分类,抑制了倾向于背景的特征并增强了血管的边缘、交点和末端特征,解决了段内动静脉错误分类问题。此外,在U型网络的解码器部分加入3层深度监督,使浅层信息得到充分训练,避免梯度消失,优化训练过程。在2个公开的眼底图像数据集(DRIVE-AV,LES-AV)上,与3种现有网络进行方法对比,该模型的F1评分分别提高了2.86、1.92、0.81个百分点,灵敏度分别提高了4.27、2.43、1.21个百分点,结果表明所提出的模型能够很好地解决动静脉分类错误的问题。
