基于深度学习的目标检测技术综述

目标检测是计算机视觉领域中的研究热点.近年来,目标检测的深度学习算法有突飞猛进的发展.基于深度学习的目标检测算法大致可分为基于候选区域和基于回归两大类.基于候选区域的目标检测算法精度高,但是结构复杂,检测速度较慢.而基于回归的目标检测算法结构简单、检测速度快,在实时目标检测领域有较高的应用价值,然而检测精度相对略低.本文总结了基于深度学习的目标检测主流算法,并分析了相关算法的优缺点和应用场景.最后根据深度学习的目标检测算法中存在的困难和挑战,对未来的发展趋势做了思考和展望.     

利用底吹熔炼技术处理含铜贵多基固废物料

利用底吹熔炼炉对原料适应性强的特点，对底吹熔炼技术处理含铜多基固废及高含镍铂钯物料的工艺控制过程进行研究，摸索最佳工艺控制参数，并探索Au、Ag、Pt、Pd等贵金属元素及伴生杂质元素在铜锍中的富集情况，形成了底吹炉系统处理含铜多基固废和高含镍铂钯物料高效回收贵金属的技术，为提高铜冶炼系统处理杂料量和盈利能力提供技术保障。     

广州机械科学研究院检测实验室通过国家实验室认可

2005年12月21日，从中国实验室国家认可委员会传来喜讯，广州机械科学研究院检测实验室顺利通过评审，并正式颁发认呵证书。这是广研院第一次获得国家实验室认可，标志着广研院检测实验室正式进入国家实验室行列。另据了解，汽车零部件检测中心和油品检测中心目前也通过了专家评审，将于近期颁发证书。     

节点内无冗余图像合成方法

为了提高图像合成性能,提出一种基于GPU加速的节点内多GPU图像高效合成方法.首先通过判断帧缓存是否更新生成有效像素表,然后采用GPGPU计算生成有效像素合成索引列表,最后用其指导CPU端图像合成操作,从而完全避免了CPU端的冗余合成计算.理论分析表明,在理想负载平衡条件下,该方法的加速比为图像有效像素百分比与节点内GPU数量的比值.实验结果表明,在节点内配置4个GPU时,针对有效像素比为12％～76％的高分辨率图像,该方法比全图像合成方法的性能提高了3～5倍.