基于多尺度特征递归卷积的稠密点云重建网络

针对在三维重建任务中,由于弱纹理区域的光度一致性测量误差较大,使得传统的多视图立体算法难以处理的问题,提出了一种多尺度特征聚合的递归卷积网络(MARDC-MVSNet),用于弱纹理区域的稠密点云重建。为了使输入图像分辨率更高,该方法使用一个轻量级的多尺度聚合模块自适应地提取图像特征,以解决弱纹理甚至无纹理区域的问题。在代价体正则化方面,采用具有递归结构的分层处理网络代替传统的三维卷积神经网络(CNN),极大程度地降低了显存占用,同时实现高分辨率重建。在网络的末端添加一个深度残差网络模块,以原始图像为指导对正则化网络生成的初始深度图进行优化,使深度图表述更准确。实验结果表明,在DTU数据集上取得了优异的结果,该网络在拥有较高深度图估计精度的同时还节约了硬件资源,且能扩展到航拍影像的实际工程之中。     

利用金属收得率验收刨花压饼等废钢生产实践

刨花压饼、破碎废钢等含有杂质,外观难以判定其金属含量,通过熔样炉对刨花压饼、破碎废钢等进行熔化,测出金属收得率的试验,改变了以往对刨花压饼、破碎废钢等以目测方式验收的模式,使之能更科学、更准确地对废钢质量进行判定,从刨花压饼、破碎废钢等废钢金属收得率的试验数据,可为废钢采购、验收提供指导依据.     

“疫管小助手”微信小程序的设计与开发

针对疫情防范管理期间难以对被管理的人员进行信息统计问题,提出了基于微信小程序前端对被管理的人员进行打卡采集每一位用户信息的系统方法,采用了微信云开发和Echarts可视化技术,可以使采集到的用户信息进行统计处理,通过前端调用实时将信息更新并用图表显示出来。设计的基于微信的疫管小助手小程序,可以帮助我们更好地对疫情进行防控,对人员有更高效的管理,是对现有疫情管理技术手段的一种有效补充。     

I-Miner环境下聚类分析算法研究与实现

聚类分析是一种非监督型知识发现的方法,能有效地处理大量的、繁杂的、属性众多的且没有类标志的数据.DBSCAN算法能实现任意形状的数据集的聚类,模糊C均值适合于那些在簇中心周围呈均匀分布的数据集,CABOSFV算法对于高维稀疏数据集(例如Web数据)能很好地聚类.在I-Miner中嵌入DBSCAN、CABOSFV和模糊C均值三种聚类分析算法,能够较好地满足用户的需要,建立数据挖掘模型,支持生产决策.     

信息技术在科技期刊编辑过程中的应用

科技期刊编辑工作是与科技信息发展紧密相连的,科学技术的飞速发展,决定了科技信息具有时效性。科技期刊编辑更多的是信息产业的生产者,从事着知识的生产、存储、传播、配置,编辑职能也正呈现出丰富的内涵以及多样化趋势。     

浅埋隧道复杂交叉口变形的数值分析

以重庆轨道交通六号线曹家湾站为工程依托,基于岩体非线性弹塑性理论,对浅埋隧道施工通道交叉段进行数值分析及力学特性研究。运用有限差分数值软件FLAC3D建立了浅埋隧道复杂交叉段的三维模型,研究了隧道交叉口3个不同截面的拱顶沉降和围岩收敛,以及初期支护钢筋的内力变化特征,并与现场监控量测数据变化情况进行对比分析。研究结果表明:主、支通道交叉区域段受力存在相互影响;3个截面的拱顶、内空位移均有明显变化;在交叉隧道拱顶、拱肩区域,初支钢筋受应力影响较大。     

制备条件对CuFe双金属催化剂混合醇合成的影响

采用液相还原法制备了用于混合醇合成的CuFe双金属催化剂,结合XRD、低温Ar吸附-脱附和H₂-TPR等表征方法,研究了液相还原过程中催化剂制备温度、分散剂种类及用量、pH等制备条件对催化剂反应活性及C₂⁺混合醇选择性的影响;分析了催化剂结构及反应性能间的构-效关系,并优选了制备条件。实验结果表明,较低的制备温度、较高的分散剂(乙二醇)用量、pH中性有助于活性金属组分的分散,促进双金属协同效应,提高催化剂反应活性及C₂⁺混合醇选择性;综合考虑CO转化率、总醇选择性及C₂⁺醇选择性,液相还原法制备CuFe双金属催化剂较适宜的条件为：以300 mL乙二醇为分散剂、冰水浴、pH=7.0。     

液相还原法制备FeCu/CeO2催化剂及其高碳醇合成反应性能研究

采用液相还原法制备了以CeO2为载体的FeCu双金属纳米催化剂,采用XRD、BET、H2-TPR、CO-TPD、XPS、FESEM、TEM和M?ssbauer等技术对催化剂进行了表征,并考察了催化剂在高碳醇合成反应中的性能.催化剂FeCu/CeO2-R和FeCu/CeO2-C较高的Cu0/Cu+比和CO吸附量提升了产物...     

GRRU在GSM移动通信网络中的应用

简要介绍了GSM网络维护和优化工作中存在的些问题,论述了GRRU的原理、特性及应用场景,并对其应用条件、限制和投资效益进行了分析。