层级语义融合的场景文本检测

目的 场景文本检测是场景理解和文字识别领域的重要任务之一,尽管基于深度学习的算法显著提升了检测精度,但现有的方法由于对文字局部语义和文字实例间的全局语义的提取能力不足,导致缺乏文字多层语义的建模,从而检测精度不理想。针对此问题,提出了一种层级语义融合的场景文本检测算法。方法 该方法包括基于文本片段的局部语义理解模块和基于文本实例的全局语义理解模块,以分别引导网络关注文字局部和文字实例间的多层级语义信息。首先,基于文本片段的局部语义理解模块根据相对位置将文本划分为多个片段,在细粒度优化目标的监督下增强网络对局部语义的感知能力。然后,基于文本实例的全局语义理解模块利用文本片段粗分割结果过滤背景区域并提取可靠的文字区域特征,进而通过注意力机制自适应地捕获任意形状文本的全局语义信息并得到最终分割结果。此外,为了降低边界区域的预测噪声对层级语义信息聚合的干扰,提出边界感知损失函数以降低边界区域特征的歧义性。结果 算法在3个常用的场景文字检测数据集上实验并与其他算法进行了比较,所提方法在性能上获得了显著提升,在Totoal-Text数据集上,F值为87.0%,相比其他模型提升了1.0%;在MSRA-TD500（MSRA text detection 500 database）数据集上,F值为88.2%,相比其他模型提升了1.0%;在ICDAR 2015（International Conference on Document Analysis and Recognition）数据集上,F值为87.0%。结论 提出的模型通过分别构建不同层级下的语义上下文和对歧义特征额外的惩罚解决了层级语义提取不充分的问题,获得了更高的检测精度。     

超浓体系中快速合成NU-87分子筛的新方法

首次采用超浓体系合成法,并引入促进剂,在180℃条件下晶化48 h,合成出具有高结晶度的NU-87纯相分子筛,并考察了促进剂、投料硅/铝比(n(SiO2)/n(Al2O2))、碱/硅比(n(OH-)/n(SiO2))、水/硅比(n(H2O)/n(SiO2))、模/硅比(n(DecBr2)/n(SiO2))等对合成结果的影响.采用X射线衍射(XRD)、扫描电镜(SEM)、红外光谱(IR)等手段对样品进行了表征.结果表明,在促进剂的作用下,在n(SiO2)/n(Al2O3)为40～50、n(0H-)/n(SiO2)为0.12～0.18、n(H2O)/n(SiO2)为13、n(DecBr2)/n(SiO2)为0.10～0.12条件下,可得到高结晶度的NU-87分子筛.对NU-87的裂化催化评价结果显示,与添加ZSM-5的催化剂相比,添加NU-87的催化剂不仅可以使汽油收率增加2%～5%,而且明显地增加了异构烷烃、芳烃产率,改善了产品分布.     

导向剂法合成EU-1分子筛

将导向剂法引人EU-1分子筛合成体系,所加入的导向剂为自主研发的硅铝酸盐溶胶(或凝胶).合成导向剂时,仅在其中加入少量有机模板剂溴化六甲双铵(HMBr2),而在配制反应混合物时不再加入HMBr2.按照m(SiO2)∶m(Al2O3)∶m(Na2O)∶m(HMBr2)∶m(H2O)为(40～50)∶1∶(2.0～4.5)∶(9～12)∶(60～80)质量比配制导向剂,适宜的陈化温度为370～450 K,陈化时间为18～24 h.合成EU-1分子筛适宜的反应混合物质量比m(SiO2)∶m(Al2O3)∶m(Na2O3)∶(H2O)为(30～40)∶1∶(1.7～4.9)∶(50～70),导向剂用量为8%～10%,晶化时间为2～3 d,温度区间为430～450 K.采用XRD、SEM、和IR等表征手段对样品进行表征.结果表明,采用该法成功地合成了高纯度、高结晶度的EU-1分子筛,且模板剂用量较常规合成法降低70%以上,降低了制造成本.     

极浓体系下高硅L型分子筛的合成

在极浓体系中,以硅铝微球为硅源、硝酸镁为促进剂,引入氟化物作为矿化剂,合成了高硅/铝摩尔比(n(SiO2)/n(Al2O3))的L型分子筛.通过改变氟/硅摩尔比(n(F-)n(SiO2))、氟源种类、结晶时间、结晶温度等条件,考察了高硅L型分子筛的合成规律,并采用XRD、SEM等手段对合成样品进行了物化性能表征.结果表明.在170℃、以KF为矿化剂、n(KF)/n(SiO2)＝0.2、晶化36 h条件下,可以合成出n(SiO2)/n(Al2O3)＝10的纯相高硅L型分子筛.     

大服务设计与运行平台门户系统的设计与实现

鉴于当前的服务领域现有的服务组合和服务选择技术难以应对日益增多的服务以及用户越来越个性化的需求,为了实现"需求-服务"的最佳匹配,设计了大服务设计与运行平台,并开发了配套的门户系统.系统采用典型的B/S架构,使用vue.js技术进行显示层设计,并使用springboot框架来进行服务端的实现,面向终端用户、服务模式设计...     

预置晶种合成EU-1／MOR复合分子筛

首次以溴化六甲双铵（HMBr₂）为模板剂、丝光沸石(MOR)为晶种，采用预置晶种法在高浓体系中合成复合分子筛EU-1/MOR。在选定条件下，合适的MOR质量分数≥20%，30≤n(SiO₂)∶n(Al₂O₃)≤60，晶化时间36 h≤T≤96 h，温度（420～450） K，合成出EU-1/MOR复合分子筛，且结晶度较好。采用XRD、SEM和IR等表征手段对样品进行分析，结果表明，合成出高纯度、高结晶度和具有优良催化性能的EU-1/MOR沸石。     

基于数字化模式下的公共图书馆管理

公共图书馆向数字化模式方向发展是时代进步的必然趋势。文章首先阐述了数字化对于公共图书馆发展的意义,分析了在当前数字化形势下公共图书馆管理工作存在的问题,提出了在数字化模式下加强公共图书馆管理的有效方法。     

基于空域与频域关系建模的篡改文本图像检测

近年来,篡改文本图像在互联网的广泛传播为文本图像安全带来严重威胁。然而,相应的篡改文本检测（TTD,tamperedtextdetection）方法却未得到充分的探索。TTD任务旨在定位图像中所有文本区域,同时根据纹理的真实性判断文本区域是否被篡改。与一般的文本检测任务不同,TTD任务需要进一步感知真实文本和篡改文本分类的细粒度信息。TTD任务有两个主要挑战：一方面,由于真实文本和篡改文本的纹理具有较高的相似性,仅在空域（RGB）进行纹理特征学习的篡改文本检测方法不能很好地区分两类文本;另一方面,由于检测真实文本和篡改文本的难度不同,检测模型无法平衡两类文本的学习过程,从而造成两类文本检测精度的不平衡问题。相较于空域特征,文本纹理在频域中的不连续性能够帮助网络鉴别文本实例的真伪,根据上述依据,提出基于空域和频域（RGB and frequency）关系建模的篡改文本检测方法。采用空域和频域特征提取器分别提取空域和频域特征,通过引入频域信息增强网络对篡改纹理的鉴别能力;使用全局空频域关系模块建模不同文本实例的纹理真实性关系,通过参考同幅图像中其他文本实例的空频域特征来辅助判断当前文本实例...     

预置晶种合成EU一1/MOR复合分子筛

首次以溴化六甲双铵(HMBr2)为模板剂、丝光沸石(MOR)为晶种,采用预置晶种法在高浓体系中合成复合分子筛EU-1/MOR.在选定条件下,合适的MOR质量分数≥20%,30≤n(SiO2):n(Al2O3)≤60,晶化时间36 h≤T≤96 h,温度(420～450)K,合成出EU-1/MOR复合分子筛,且结晶度较好.采用XRD、SEM和IR等表征手段对样品进行分析,结果表明,合成出高纯度、高结晶度和具有优良催化性能的EU-1/MOR沸石.     

基于 GRU 神经网络的脉搏波波形预测方法研究

随着生活水平的提高,人们对健康的关注度越来越高,尤其是适应快节奏生活的手环等便携式生理监测设备,备受人们青睐。光电容积脉搏波描记法(PPG)作为一种无创人体脉搏采集手段,被广泛应用于此类设备中。人体脉搏中包含很多生理信息,如血压、血糖、动脉硬化等,为了对这些信息进行提取和分析,目前主要采用机器学习的方法,通过提取脉搏波中的特征点计算特征参数进而建立生理参数模型。但此类方法需要大量且长期的脉搏数据,用于提高生理参数模型的精度,而长期的数据采集受环境限制较大且与便携式生理监测设备设计理念冲突,并且对脉搏波预测的研究存在空白。针对此问题,本文使用Colaboratory建立GRU神经网络模型与LSTM网络模型分别对脉搏波数据进行预测,并对影响模型性能的主要参数进行对比调参。而由自动化机器学习工具AutoML＿Alex针对脉搏波数据分析并择优建立的LightGBM网络可以作为具有参考价值的基线模型。通过以上3个模型针对从不同个体采集到的大量脉搏波数据进行建模,对比其平均绝对百分比误差MAPE,LSTM为0.879%,单层GRU为0.852%,LightGBM为0.842%,4层GRU模型为0....