一种边缘梯度插值的感兴趣区域池化算法

针对现有主流的目标检测算法存在检测精确率低、图像边缘区域分割不全等问题,提出一种基于Mask RCNN模型的感兴趣区域池化算法.首先,通过Otsu阈值分割法将感兴趣区域特征图划分为边缘区域和非边缘区域;其次,对边缘区域使用边缘梯度插值算法进行插值,对非边缘区域使用双线性插值算法进行插值,从而将离散的特征图映射到一个连续空间中;再次,将插值后的特征图均匀分割成k×k个单元;最后,对每个单元利用二重积分求均值以完成池化操作.对比实验结果表明,该算法基于Mask RCNN模型在数据集COCO(2014)上比现有算法的检测精确率有一定提升,对图像边缘区域的细节分割效果较好.

基于改进卷积神经网络的安全带佩戴识别

针对机动车在行驶时,驾驶人、乘坐人员需要佩戴安全带,提出了一种33层卷积神经网络模型进行汽车安全带佩戴识别.介绍了卷积神经网络的卷积算法、池化算法和网络层之间的连接方式并设计了网络结构.针对已有优化算法的准确率与稳定性不足的问题,提出了融入经典动量思想的AWM优化算法.通过AWM优化算法基于车内人员佩戴了安全带和未佩戴安全带的两类数据集对网络的参数进行优化和训练后得到RIVNet模型.实验结果表明,RIVNet模型能够提高汽车安全带佩戴情况检测的精确度,可以高效地进行数据处理和图像的特征提取.以此卷积神经网络模型为基础,基于目标检测算法Faster R-CNN开发出了一款汽车安全带佩戴识别系统.

基于机器学习方法的二手房定价实证研究

利用随机森林和神经网络等机器学习模型对合肥市二手房实际交易数据进行定价评估,并与传统享乐价格模型的定价评估相比较。基于这三种模型对二手房价的预测结果表明,机器学习模型的预测精度高于传统享乐价格模型,并且拟合优度也好于传统享乐价格模型,其中随机森林模型表现最优。研究结果表明,基于机器学习模型的房屋定价是一种切实可行的方法。

以臂丛神经损害为首发表现的肺癌一例

以臂丛神经损害为首发表现的肺癌一例丁家益主治医师金建辉，沈治中，徐皖湘安徽省庐江县医院（２３１５００）肺癌首发临床表现多种多样，常见者，已为人们所熟悉，少见老，已为人们所注意，以臂丛神经损害为首发表现者，更为少见，易致误诊，近来我们遇见一例，现报告如...