基于双流YOLOv4的金属表面缺陷检测方法

目前有许多学者使用深度学习进行表面缺陷检测研究,由于这些研究大都沿用主流目标检测算法的思路,注重高级语义特征,而忽视了低级语义信息(色彩、形状)对表面缺陷检测的重要性,因此导致缺陷检测效果不够理想。为解决上述问题,提出了一种金属表面缺陷检测网络——双流YOLOv4网络,骨干网络分成两个分支,输入分为高分辨率图像和低分辨率图像,浅分支负责从高分辨率图像中提取低级特征,深分支负责从低分辨率图像中提取高级特征,通过削减两分支的层数和通道数来减少模型总参数量;为了强化低级语义特征,提出了一种树形多尺度融合方法(Tree-structured Multi-scale Feature Fusion Me-thod,TMFF),并设计了一个结合极化自注意力机制和空间金字塔池化的特征融合模块(Feature Fusion Module with Polarized Self-Attention Mechanism and Spatial Pyramid Pooling,FFM-PSASPP)应用到TMFF中。在东北大学热轧带表面缺陷数据集NEU-DET、金属表面缺陷数据集GC10-DET和伊莱特电饭煲内胆缺陷数据集Enaiter的测试集上对所提算法进行了测试,测得的map@50结果分别为0.80,0.66和0.57,相比大部分主流的用于缺陷检测的目标检测算法均有提升,且模型参数量仅为原YOLOv4的一半,速度与YOLOv4接近,可满足实际使用需求。

改善肺动脉高压中肺血管重构治疗策略的研究进展

肺动脉高压(pulmonary hypertension,PH)是一种慢性、进行性、高死亡率的疾病。各类PH具有相同特征:肺动脉内皮细胞和平滑肌细胞的过度增殖、抗凋亡和炎症导致的肺小血管的渐进性增厚,引发肺血管的重构和肺血管阻力增加,最终导致右心室肥厚、心衰、死亡。目前治疗PH的药物(L型钙通道阻滞剂、磷酸二酯酶5抑制剂、鸟苷酸环化酶激活剂、内皮素受体拮抗剂、合成前列环素及其类似物)主要通过松弛肺血管降低肺动脉压,不能根本治愈患者。因此,研发有效改善甚至逆转肺血管重构的药物,是治疗PH的关键。近年来,围绕肺血管重构开展的研究主要有:新的小分子化合物的合成;成熟药物的改造;联合用药及剂型改造等;基于中医“肺胀”等理论,对中药制剂以及中药复方的药效评价;中药单体的研究;新靶点的研究。

计算机辅助建筑以及环境设计技术思考

计算机技术在不断发展的过程中,在多个领域获得了积极的应用。本文就计算机辅助建筑以及环境设计技术进行研究。

雪花

我是一片雪花 我离开了 天空爸爸和白云妈妈的怀抱 去找土地爷爷