基于改进YOLOv5注意力模型的农田害虫图像识别

农田害虫防控是一项争分夺秒的挑战,在此过程中害虫种类的正确识别是一项极为重要的环节。针对传统识别害虫检测过程中准确率低、检测目标较小的问题,文章提出了一种基于YOLOv5s和注意力机制的农田害虫图像识别模型。将自注意力机制引入YOLOv5s网络,对上下文信息进行建模,通过建立非局部模型提高网络解决图像远距离和多层次依赖关系的能力。实验结果显示,基于YOLOv5注意力模型的农田害虫图像识别具有较高的检测精度,可以有效识别和定位各类害虫。

人工智能影响国家审计效能的研究

智能时代的背景下,国家审计工作模式发生改变。以我国2012—2017年30个省份的省级审计机关为样本,从四个维度选取指标测度人工智能水平的基础上,运用档案研究法检验了人工智能对国家审计效能的影响。研究发现:智能平台发展程度、人工智能技能水平、人工智能运行机制和智能理论创新程度均能显著促进国家审计效能的提升,且智能平台发展程度和人工智能技能水平对国家审计效能的提升作用更为明显。进一步运用熵值法确定权重测度人工智能综合指数,结果显示人工智能系统每增加1个单位,国家审计效能的提升作用将增加0.4137个单位。稳健性检验结论依然成立。

基于改进U-Net的全心脏CT图像分割

针对CT图像中全心脏结构复杂度高、分割不完整及分割精度低等问题,文章提出了一种改进U-Net的全心脏分割方法。根据全心脏结构形态特点,文章将多并行尺度特征融合模块引入U-Net网络的编码层,并在U-Net网络的跳层连接中加入了注意力机制。文章利用MM-WHS数据集将改进的全心脏分割算法在中南民族大学认知科学实验室中进行了一系列的全心脏分割实验。实验结果显示,文章提出的算法分割相似度达到88.73%,提高了全心脏结构的分割准确率。