基于空间分频的超声图像分割注意力网络

针对医学超声影像噪点多、边界模糊,器官轮廓很难界定的问题,提出了一种基于空间分频的超声图像分割注意力网络（SFDA-Net）。首先,借助Octave卷积在整个网络中对图像实现了高、低频并行处理,从而获得更加多元的信息。然后,加入卷积块注意模块（CBAM）,使图像特征恢复时更加关注有效信息,以减小分割目标整体区域的缺失。最后,使用Focal Tversky Loss作为目标函数,从而降低简单样本的权重并加强对困难样本的关注,以及降低各个类别间因像素误判而引入的误差。通过多组对比实验可知,SFDA-Net的参数量低于原UNet++,而分割精度提高了6.2个百分点,Dice得分提高了8.76个百分点,类别平均像素准确率（mPA）提升至84.09%,平均交并比（mIoU）提升至75.79%。SFDA-Net在降低参数量的同时稳步提高了网络性能,实现了更为准确的超声心动图分割。     

基于智能安全帽数据的仪表识别算法

为了电厂巡检人员能够使用智能安全帽完成巡检任务基于智能安全帽数据采集系统建立先验模型,匹配和透射变换仪表识别算法。该算法同时适用于线性和非线性刻度类指针式仪表,且不受仪表形状和量程的影响。实验结果显示仪表指针角度的最大误差为正负2°,检出率高达99.9%。该算法拥有运算速度快,读数精度高,鲁棒性强的特点,为工作人员的巡检任务提供了便利。     

应用多索引加法量化编码的近邻检索算法

目的 海量图像检索技术是计算机视觉领域研究热点之一,一个基本的思路是对数据库中所有图像提取特征,然后定义特征相似性度量,进行近邻检索。海量图像检索技术,关键的是设计满足存储需求和效率的近邻检索算法。为了提高图像视觉特征的近似表示精度和降低图像视觉特征的存储空间需求,提出了一种多索引加法量化方法。方法 由于线性搜索算法复杂度高,而且为了满足检索的实时性,需把图像描述符存储在内存中,不能满足大规模检索系统的需求。基于非线性检索的优越性,本文对非穷尽搜索的多索引结构和量化编码进行了探索新研究。利用多索引结构将原始数据空间划分成多个子空间,把每个子空间数据项分配到不同的倒排列表中,然后使用压缩编码的加法量化方法编码倒排列表中的残差数据项,进一步减少对原始空间的量化损失。在近邻检索时采用非穷尽搜索的策略,只在少数倒排列表中检索近邻项,可以大大减少检索时间成本,而且检索过程中不用存储原始数据,只需存储数据集中每个数据项在加法量化码书中的码字索引,大大减少内存消耗。结果 为了验证算法的有效性,在3个数据集SIFT、GIST、MNIST上进行测试,召回率相比近几年算法提升4%~15%,平均查准率提高12%左右,检索时间与最快的算法持平。结论 本文提出的多索引加法量化编码算法,有效改善了图像视觉特征的近似表示精度和存储空间需求,并提升了在大规模数据集的检索准确率和召回率。本文算法主要针对特征进行近邻检索,适用于海量图像以及其他多媒体数据的近邻检索。     

基于深度学习的遥感图像目标检测与识别

为解决目前的遥感图像目标检测算法存在的对小尺度目标检测精度低和检测速度慢等问题，提出了一种基于深度学习的遥感图像目标检测与识别算法。首先，构建一个含有不同尺度大小的遥感图像的数据集用于模型的训练和测试；其次，基于原始的多尺度单发射击（SSD）网络模型，融入了设计的浅层特征融合模块、浅层特征增强模块和深层特征增强模块；最后，在训练策略上引入聚焦分类损失函数，以解决训练过程中正负样本失衡的问题。在高分辨率遥感图像数据集上进行实验，结果表明所提算法的检测平均精度均值（mAP）达到77.95%，相较于SSD网络模型提高了3.99个百分点，同时检测速度为33.8 frame/s。此外，在拓展实验中，改进算法对高分辨率遥感图像中模糊目标的检测效果也优于原多尺度单发射击网络模型。实验结果说明，所提改进算法能够有效地提高遥感图像目标检测的精度。     

浅谈水利施工中滑模技术的应用

滑模技术在水利施工中的应用具有重要的作用和意义,是水利施工中一种重要的施工技术,其施工技术水平和施工质量直接关系着整个水利施工质量和效率。文章主要分析滑模技术,并且分析在水利施工中应该如何正确应用滑模技术,发挥滑模技术在水利施工中的重要作用,进而提高整个水利施工质量。     

基于Unity3 D的TEE实时模拟教学系统及其关键技术

以心脏围术期超声监测中发挥重要作用的经食管超声心动图为基础构建3D虚拟心脏,设计复杂图形快速切割算法和大规模视频实时加载方法,研发了基于Unity3D的TEE实时模拟教学系统,应用于临床住院医生模拟教学。该系统由模拟探头、模拟人、TEE模拟工作站构成。相比传统教学方法,模拟教学方法能够更好地培训学生在空间思维、手眼协调上的能力。     

基于新鲜度的冷链物流配送多目标优化模型*

针对传统选址模型忽视客户对物流服务水平满意程度这方面的不足,建立考虑客户满意度的基于新鲜度对损失成本影响的冷链配送中心选址模型。本文以客户满意度来表示物流的服务质量并结合易腐品的新鲜度对时间的敏感性特征,建立了最小化物流成本和最大化客户满意度的多目标优化模型,采用主要目标法将模型转化成单目标模型进行求解。求解算例所得的多组非劣解反映了物流成本与客户满意度之间的悖反关系,同时包含了以物流成本最小化为目标的传统选址模型的最优解,表明了多目标模型的优越性。对比结果说明新鲜度条件下建立的冷链物流配送网络模型比传统模型节省了更多的物流成本,进而验证了该模型的正确性。     

动态构建和存储BP神经网络模型的方法

BP神经网络是一种用于机器学习的数学模型。它在预测未来事件是否发生的方面具有强大的优势,而考虑到不同的应用,其影响发生的因子也不同,使得网络的结构复杂多样。提出了一种通用的建模方法,即动态地构建和存储BP神经网络模型,阐述了其原理,并以典型的应用实例(病虫害预测)加以验证。     

基于主成分和回归分析的烟叶质量分析模型

为了解决了以往单一地分析烟叶的某种特性无法将分析结果直接用于实际生产,而且分析结果易受主观因素影响的问题,采用主成分分析(PCA)和回归分析相结合的方法建立烟叶质量分析模型,构建的模型符合卷烟工业实际需求且便于实际应用.首先,采用主成分分析法对烟叶质量的所有属性进行分析,剔除了属性之间的内在联系和重复信息,把高维属性降维处理为包含了原属性大部分信息的低维主成分属性;然后,将得到的主成分数据结合烟叶专家对烟叶质量的实际评分数据进行回归分析,建立了一个有效的烟叶质量分析模型.该模型通过了数据的验证,具有比较高的准确性.