一种改进U型神经网络的医学细胞核图像分割方法

在细胞核分割任务中,存在细胞核的边缘轮廓信息模糊以及细胞核和背景的对比度低造成难以分割的问题.针对此问题,常规的U-Net模型通过跳跃连接在降采样和上采样过程中结合高低层次的信息,具有较好的分割效果.但是,在细胞核边界的分割上仍旧存在着一定程度的过分割、欠分割等缺陷.由此本文提出一种改进的U-Net网络模型.首先,该模型采用深度特征聚合结构和高级监督的学习方法,巧妙融合不同层级的信息,达到对目标的精准分割;其次在其架构上创新性的加入层次交融模块,该模块学习各个不同层次的重要性,将学到的权重加载到分割图上;同时在嵌套的卷积块中加入注意力机制,抑制冗余特征,使得细胞核和背景更好的分割开来;最后使用改进的混合损失函数解决类不平衡的问题.在dsb2018数据集上进行测试,本方法得到Dice系数为0.8719,交并比达到0.8853.结果表明本方法能够对细胞核进行更好的分割.     

焦炉的传热与加热均匀性的调节

焦炉内热量的传递过程是焦炉热工的主要内容之一.煤气在燃烧室内燃烧产生的热量,通过炉墙传给煤料,煤料以不稳定的传热方式升温,最后经成层结焦为焦炭.焦炉加热过程中,由于装煤量,加热煤气温度和组成,大气温度以及炉体、加热设备等情况的变化,必须及时调节供热,使全炉各炭化室的焦饼在规定的结焦时间内达到均衡和均匀的成熟.     

一种轻量级的因子分解非局部网络

在传统的非局部操作中，对各个位置点之间长距离依赖性的逐个计算导致了庞大的计算量，使得其并不能成为一种即插即用的有效模块.基于此问题，我们提出一种新型的轻量级非局部(Lightweight Factorized Non-local, LFN)模块.LFN模块利用捕捉全局依赖性的非局部操作来提升神经网络的性能并应用于计算机视觉领域.LFN模块是对传统非局部操作的因子分解，通过对水平和垂直两个方向进行分解，网络不仅可以捕捉到像素点之间的长距离依赖关系，而且分解后的非局部操作计算量大幅度下降.然后，通过结合LFN模块和残差模块，我们设计RLFN(Residual Lightweight Factorized Non-local)单元，并基于该单元设计两种改良网络结构分别应用于图像分类和语义分割.最后，本文算法在CIFAR-10和PASCAL VOC2012两个数据集上进行分类及语义分割任务，实验结果表现该算法取得十分优越的性能.     

焦炭市场形势分析及采购策略研究

介绍了当前的焦炭市场状况,分析在当前形势下三钢采取的策略。     

基于多任务学习CNN辅助Transformer的手部mesh重建

针对当前手势姿态估计算法对于未充分利用2D信息辅助3D手部Mesh重建问题,首次在手部Mask、2D热力图的基础上提出引入RGB图像的HOG特征图,通过多任务学习CNN的框架对2D信息进行特征提取,并针对手的拓扑结构进行信息融合增强。为了解决Transformer encoder中的隐层embeddings维度一致性以及参数过大问题,设计了一种新的 MLP（multi-layer perception）模块嵌入Transformer encoder之间,达到embeddings的数量渐进增加以及其维度渐进减少的目的,从而完成手部mesh精细化的预测。实验结果表明该CNN与Transformer混合的新框架在 FreiHAND 和 RHD 数据集均取得了较好效果。     

三钢焦化厂焦炉加热优化串级控制系统的研究与应用

焦炉是冶金行业中最复杂的炉窑,焦炉的加热过程是单个燃烧室间歇、全炉连续、受多种因素干扰的热工过程,是典型的大惯性、非线性、时变快的复杂系统。在三钢焦化厂现有两座 JN43 型 65 孔焦炉目前已有浙大中控 Supcon JX-300X DCS 系统中置入国家实用新型专利 OCC 系统(焦炉拟合火道温度测定装置),实现两座焦炉加热优化串级调控,实现自动时时测量炉温、时时调控炉温。     

融合多尺度特征的工业缺陷检测模型

利用照相机成像对工业环境中的物体进行表面缺陷检测是自动检测的主要应用之一.近年来，生产规模的扩大对缺陷的快速检测提出了要求，传统方法难以达到较高的效率.同时，缺陷检测更注重对纹理特征的提取，通用的深度卷积网络不能直接应用于该任务.为了克服以上挑战，本文提出了一种基于单阶段目标检测算法的表面缺陷检测模型，通过更宽的骨干网络提取丰富的上下文信息，进行多尺度特征融合，针对不同的检测目标采用差异化的检测头部；同时引入注意力机制，提高特征利用率；为了验证所提出方法的有效性，在3个数据集上进行了实验，取得了较好的性能，并与其他模型进行比较，表明所提出的方法优于现有方法.