基于感知推理和外部空间先验特征的图像修复

在基于深度学习的图像修复算法中,当存在大面积掩码时,由于缺乏合理的先验信息指导,修复结果往往会出现伪影和模糊纹理等现象。针对此问题,提出将先验特征与图像预测滤波相结合的图像修复算法。该算法包含两个分支:图像滤波核预测分支和特征推理与图像滤波分支。从图像滤波核预测分支的解码器部分提取特征,利用多尺度外部空间特征融合对掩码区域特征进行重建,并传递给另一分支的解码阶段作为先验特征,为图像修复提供更为丰富的语义信息。然后,在特征推理和图像滤波分支部分引入空间特征感知推理块,它能够过滤掉分散注意力的特征,同时捕捉信息丰富的远距离图像上下文进行推理。最后,使用图像预测滤波核进行过滤消除伪影。在CelebA和Places2数据集上与其他修复网络进行对比实验,证明了该方法在修复质量上的优越性。

基于图神经网络的WSI癌症生存预测方法

全切片图像(Whole slide imaging,WSI)是癌症诊断和预后的关键依据,具有尺寸庞大、空间关系复杂以及风格各异等特点。由于其缺乏细节注释,传统的计算病理学方法难以处理肿瘤组织环境中的空间关系。本文提出了一种新型的基于图神经网络的WSI生存预测模型BC-GraphSurv。首先,采用迁移学习的预训练策略,构建WSI的病理关系拓扑结构,实现了对病理学图像特征和空间关系信息的有效提取。然后,采用GAT-GCN双分支结构进行预测,在图注意力网络中加入边属性和全局连接模块,同时引入图卷积网络分支补充局部细节,增强了对WSI风格差异的适应能力,能够有效利用拓扑结构处理空间关系,区分微病理环境。在WSI数据集TCGA-BRCA和TCGA-KIRC上进行的实验表明,BC-GraphSurv模型的一致性指数为0.7950和0.7458,相比于当前先进的生存预测模型提升了0.0409,充分证明了模型的有效性。

基于卷积胶囊编码器和多尺度局部特征共现的图像分割网络

U-Net在图像分割领域取得了巨大成功,然而卷积和下采样操作导致部分位置信息丢失,全局和长距离的语义交互信息难以被学习,并且缺乏整合全局和局部信息的能力。为了提取丰富的局部细节和全局上下文信息,提出了一个基于卷积胶囊编码器和局部共现的医学图像分割网络MLFCNet(network based on convolution capsule encoder and multi-scale local feature co-occurrence)。在U-Net基础上引入胶囊网络模块,学习目标位置信息、局部与全局的关系。同时利用提出的注意力机制保留网络池化层丢弃的信息,并且设计了新的多尺度特征融合方法,从而捕捉全局信息并抑制背景噪声。此外,提出了一种新的多尺度局部特征共现算法,局部特征之间的关系能够被更好地学习。在两个公共数据集上与九种方法进行了比较,相比于性能第二的模型,该方法的mIoU在肝脏医学图像中提升了4.7%,Dice系数提升了1.7%。在肝脏医学图像和人像数据集上的实验结果表明,在相同的实验条件下,提出的网络优于U-Net和其他主流的图像分割网络。

改进EfficientNet的多视图特征融合的CIN诊断

现有的计算机辅助宫颈图像诊断方法大多是基于醋酸或Lugol’s碘的单视图图像,忽略了容易因非病理组织引起的假阳性反应而造成误诊的问题。因此,该研究将3种视角的阴道镜图像通过通道级联方式作为总输入,构建以EfficientNet为主干网络的深度学习框架,用于宫颈上皮内瘤变的诊断。此外,由于阴道镜三视图内容的高度相关性和空间一致性,需要从通道和空间2个维度进行特征加权。因此,在EfficientNet内部嵌入了卷积块注意力模块(convolutional block attention module, CBAM)的特征融合层,进一步加强病灶特征选择能力。在真实临床阴道镜数据集上进行实验,准确率和F1-Score分别达到了88.5%和88.2%,曲线下面积(area under the curve, AUC)值为0.90。实验结果表明,所提方法可以帮助临床医生进行快速的宫颈上皮内瘤变(cervical intraepithelial neoplasia, CIN)诊断,并优于已知的相关工作。

市政道路路面透层施工处理中高渗透乳化沥青的应用

文中结合某市政道路施工案例,对市政道路路面透层施工处理中高渗透乳化沥青应用进行研究,研究内容主要包括高渗透乳化沥青材料的制备、材料撒布等方面。实践证明,高渗透乳化沥青材料在市政路面透层施工的应用效果良好。

有阻力的抛体运动问题探究

抛射体在介质中的运动是一个平面问题,即沿着一平面曲线行进。运用导数、微积分的有关知识建立并解决有阻力的抛体运动的问题,得出各变量间的函数关系,并运用简单的物理知识,通过求极限得到无阻力情况的结果。

融合边缘信息的显著性目标检测

为了解决显著性检测中图像的低对比度区域和边缘区域存在误检测的问题.提出包含边缘检测子网络和显著性检测子网络的双分支网络模型.在自顶向下的信息流传递过程中,边缘检测子网络和显著性检测子网络分别独立学习边缘信息和显著性信息.设计信息交互模块和特征聚合模块,使得两个子网络将各自学到的特征信息逐层融合.边缘检测子网络,由真值图通过距离变换生成的边缘真值图进行监督,边缘检测子网络仅用于训练阶段.在5个经典数据集上进行的实验结果表明:相比于其他12种主流的检测方法,在F度量,平均绝对误差,结构化度量,精确率-召回率等指标中,本文方法均有明显的提升.基于边缘检测子网络提供的边缘信息能有效引导模型区分出低对比度图片中的边缘部分,得到边缘轮廓完整的显著图.该方法生成的显著图边缘轮廓连续性更好,空间结构细节信息更清晰,对低对比度区域更敏感.

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.

基于多重注意力的肋骨骨折检测研究

计算机断层扫描广泛应用于肋骨骨折诊断。然而,非移位性骨折、骨裂等细微骨折形态特征较差,导致放射科医师工作量大、漏诊风险高。为此,提出基于多重注意力机制的深度学习网络模型对肋骨骨折进行自动定位和识别。首先利用滤波、图像分割、形态学运算等图像处理技术将计算机断层扫描(computed tomography,CT)图像中的肋骨定位并裁剪,缩小目标识别区域;再利用多重注意力的残差通道双注意力模块识别每一个子图像块,同时增加胸腔的边缘信息进行辅助判断。在开源肋骨骨折数据集上的检测实验达到了98.14%的准确率和98.01%的F1(平衡F分数),可在临床应用中辅助医生诊断。

基于创新实践能力培养的精准分层教学

创新实践能力培养是当今高等教育的重要目标,特别是机器人、人工智能等跨多专业的新工科的快速发展,对现有的教学和培养模式提出了更高的要求。精准教学是面向知识教学的精准、系统的评估方法。该文借助精准教学的精准评估策略和良好的教学效果,结合传统集中式高效的授课方式,将精准教学与传统的集中教学模式实现无缝对接,提出了"分组+阶段+模块"的分层精准教学模式,"分组"进行广度上的专业基础知识教学,"阶段"进行深度上的知识学习,"模块"实施功能导向式的培养。同时差异化分组策略可以激发学生的竞争意识,提升学习兴趣,有助于形成良好的学习和研究氛围,从而提高学生的解决问题和创新实践能力。

融合交互信息和能量特征的三维复杂人体行为识别

基于与人交互的物体对人体行为识别的重要作用,本文提出了融合交互物体和能量信息等特征的三维复杂人体识别方法.首先提取手持物体的Hu矩作为交互物体特征,然后根据人体行为的生物学和运动学特征,从人体运动的能量角度提取人体骨架动能、姿态势能、关节点位置等构建了局部特征矩阵,并聚类为词袋(Bag Of Word,BOW),与交互物体特征构成最终的组合特征;为了自动分割交互物体,我们提出了基于Harris角点的种子区域生长法,快速完整地分割手持物体;最后利用RBFSVM方法进行人体行为识别.实验结果表明融合交互物体信息和能量特征的三维人体行为识别方法具有较高的识别率,尤其能够较大幅度降低易混淆复杂动作的误识别率.

管道机器人自主导航系统设计

针对目前管道机器人的自主运动能力不足,本文设计了基于DSP的管道机器人运动控制硬件系统,通过多个简单传感器信息的融合,采用分层模糊控制方法,实现了机器人在管道中的自主导航。实验结果表明:控制精度可以满足机器人检测管道和清洗管道的需要,机器人自主控制具有较好的适应性和鲁棒性。

基于遗传算法的管道机器人分层模糊控制

为了适应空调管道的复杂环境,提高空调管道清扫机器人控制性能,降低控制复杂度,构建了一个分层的自适应模糊控制器。通过多输入系统进行分层输入和叠加输出,大量简化了模糊逻辑推理,减少了控制规则数。应用遗传算法对控制器参数进行优化,有效地融合了控制信息,达到了较理想的控制特性。实验和仿真结果表明,模糊控制器适应性强,优化后模糊控制器具有很好的控制效果,实现了机器人在管道中自主导航。

动态多视角复杂3D人体行为数据库及行为识别

提供了一个较大规模的基于RGB-D摄像机的人体复杂行为数据库DMV(Dynamic and multiview)action3D,从2个固定视角和一台移动机器人动态视角录制人体行为。数据库现有31个不同的行为类,包括日常行为、交互行为和异常行为类等三大类动作,收集了超过620个行为视频约60万帧彩色图像和深度图像,为机器人寻找最佳视角提供了可供验证的数据库。为验证数据集的可靠性和实用性,本文采取4种方法进行人体行为识别,分别是基于关节点信息特征、基于卷积神经网络(Convolutional neural networks,CNN)和条件随机场(Conditional random field,CRF)结合的CRFasRNN方法提取的彩色图像HOG3D特征,然后采用支持向量机(Support vector machine,SVM)方法进行了人体行为识别;基于3维卷积网络(C3D)和3D密集连接残差网络提取时空特征,通过softmax层以预测动作标签。实验结果表明:DMV action3D人体行为数据库由于场景多变、动作复杂等特点,识别的难度也大幅增大。DMV action3D数据集对于研究真实环境下的人体行为具有较大的优势,为服务机器人识别真实环境下的人体行为提供了一个较佳的资源。

王永雄古体诗选

贝宴据中央人民广播电台2005年8月6日播报:我国沿海以摸螺为生者,戴一根供呼吸用的管子下到十几米或20多米深的水底去摸螺(沿海人把贝类统称为螺),管子极易折断或被过往船只挂断,以致常有因摸螺而丧生者……

矿用电动车的感应式电力传输系统

提出了一个新型感应式电力传输系统,可为矿用电动车和自动导引车等提供电力电源。该系统由全桥MOSFET、LCL-T型谐振变换器和整流三大部分组成,适合工作在恶劣危险的环境,具有维护简单和使用方便等特点。还分析了LCL-T型谐振变换器的特性,给出了系统设计的具体步骤和参数确定方法。

基于背景感知与快速尺寸判别的相关滤波跟踪算法

背景感知相关滤波(Background-aware correlation filters,BACF)算法有效地解决了相关滤波类跟踪算法中的边界效应问题,提升了训练样本集的质量和数量,能够精确估计目标的位置变化,从而提高了跟踪器的性能。然而为了检测尺度变化,BACF算法通过多次重复计算不同尺度的目标区域,严重影响了跟踪速度。本文在BACF算法的基础上,采用平移加尺度滤波的思想,设计独立的一维尺度滤波器,与BACF算法无缝结合。只需预测一次目标的位置变化,再利用尺度滤波器预测目标尺度变化。因为两个滤波器单独训练、局部优化,尺度滤波器计算量远小于BACF算法,所以本文算法在保证精准预测目标尺度变化的同时极大提升目标的跟踪速度。实验结果表明:与BACF算法相比,本文算法在不损失跟踪精度的基础上提高约75%的跟踪速度。

基于模糊层次分析法的计算机教学与创新实践能力培养评价

随着机器人、人工智能等跨多学科的新工科快速发展,创新实践能力培养的重要性更加突出。为了准确评价创新实践能力培养与教学成效,为创新实践培养提供帮助与指导,构建了一套与实际紧密结合的创新实践能力培养评价指标体系,提出了采用模糊聚类与层次分析法相结合的机器学习方法,自动确定指标权重,运用提出的模糊层次分析方法对创新实践能力培养进行评价。结果表明,评价系统客观、简单、可操作性强,并能够根据评价体系得分给出相关教学改进建议。

基于禁忌搜索的管道状况集成检测方法

为提高管道状况异常检测的识别率和实时性,提出基于禁忌搜索的半监督K-means聚类和C4.5决策树的集成检测方法.在禁忌搜索中引入代价敏感函数,选择具有最佳分类性能的特征组合和最佳组合权值,提高了不平衡数据分布中少数类的识别率.半监督K-means方法首先把样本特征聚类为k类,再利用C4.5方法精确每一类的边界,级联式集成方法缓解不平衡数据分布问题,提高管道检测的准确度.并提出3种集成原则:加权叠加、最近一致和最邻近原则.实验结果验证了算法的有效性,在管道状况的异常检测中具有较高的分类准确度.