基于全连接条件随机场的车道线检测方法

【目的】优化车道线检测结果中的噪声区域,提高边缘分割精度。【方法】提出一种深度学习算法与后处理方法相结合的新方法;引入全连接条件随机场(Fully Connected CRFs)算法对ENet-SAD算法输出的车道线概率图进行修正,并将概率图与原图进行拟合,得到车道线检测结果;将新的检测算法在自建数据集及CULane数据集上进行训练及测试。【结果】在自建数据集上,新算法在常规、强光、阴影、遮挡4种场景下的F1分数分别为90.0%、73.1%、81.5%、76.6%;在CULane数据集上,该算法在常规场景下的F1达到了91.0%。【结论】所提出的车道线检测算法能适应多类场景,是一种有效的车道线检测算法。

连接条件对填充墙倒塌影响的数值模拟分析

为了考察填充墙与主体框架不同连接条件对填充墙抗地震倒塌性能的影响,利用ABAQUS结构非线性分析软件,通过自接触和连接弹簧失效模拟框架填充墙在地震作用下的倒塌过程。采用离散式建模方法,将砂浆等效为三向砂浆弹簧。模拟分析结果表明:填充墙与框架梁刚性连接或柔性连接、与框架柱柔性连接均可以有效提高填充墙的抗倒塌能力。其中填充墙与框架梁、柱均设置合理柔性连接时其防倒塌能力最好。

清末白话小说中条件类纪效连接成分研究

表条件的连接(connective)成分是纪效(cause-result)连接成分中的一个类别,根据对条件的界定,可以将其分为5个层次:顺承条件类、假设条件类、排除条件类、相反条件类及毋论条件类。这5个类别的纪效连接成分在清末白话体小说中均有所体现。通过比较可知,作为承上启下的中间环节,清末条件类纪效连接成分有一些内容与现代的连接成分相一致,但其构形区别具有明显的时代性特征。

柱坐标系下PML-FDTD及总场-散射场区连接条件

在三维柱坐系下推导了完全匹配层 ( PML )吸收边界条件的时域有限差分 ( FDTD)表达式 ( PML -FDTD) ,从而把 FDTD方法推广到完全三维柱坐标系中。电磁波的远场可以视为平面波 ( TEM) ,在目标电磁散射特性的研究中常常被作为激励源 ,给出了柱坐标系下完整的总场 -散射场区的连接边界条件 ,从而模拟了平面波在自由空间的传播。最后 ,模拟了平面波和柱面波在自由空间中的传播过程 ,在产生了 TEM波后 ,就可以方便地得到 TE/ TM波 。

全卷积神经网络与全连接条件随机场中的左心室射血分数精准计算

左心室射血分数是临床上用于衡量心脏健康的一项重要指标.为提高左心室分割和射血分数计算的精度,提出一种基于改进的全卷积神经网络和全连接条件随机场的方法.首先利用预训练的全卷积神经网络模型对心脏核磁共振影像进行左心室分割并输出概率图;之后采用3D全连接条件随机场对概率图进行后处理,完成像素级的精准密度预测;最后对左心室分割结果进行3D重建,并计算左心室舒张末期容积和收缩末期容积,进而计算出射血分数.实验结果表明,该方法能够实现左心室射血分数的精确且高效的计算,对左心室射血分数的平均预测误差为4.67%,各步骤耗时短.

基于全连接条件随机场模型的眼底图像血管分割

大多数身体疾病都可引起眼底图像中血管形状和结构的改变,对眼底图像中血管的有效分割有助于各种疾病的早期发现、诊断和治疗。利用眼底图像分割过程中远距离像素之间会存在相互作用的特点,提出一种基于全连接条件随机场模型的眼底图像血管分割方法。该方法通过计算图像中与目标像素距离较远的像素之间的相互作用,增强了对细长结构连接性的检测能力。将原本用于大面积分割事物的方法成功运用到眼底图像的具有细长结构的血管分割上。采用不同的支持向量机实现对不同像素进行分类及相关参数的自动调节。使用与现有大多数血管分割方法共用的DRIVE和HRF数据库进行测试,结果表明该分割方法有效解决了细小血管处连续性较差、血管融合、断裂等问题。与现有的一些分割方法相比,此法更适合于分割细长结构,对血管的分割效果更接近于专家的手动分割结果,且在灵敏性、特异性等方面都有较大改善。

圆柱坐标系下用于FDTD的总场-散射场连接边界条件研究

在三维柱坐标系下给出了麦克斯韦方程在完全匹配层(PML)吸收边界条件中的时域有限差分(PDTD)表达式,从而把FDTD推广到三维复柱坐标系中并加以实现.为了模拟柱面波在空间的传播,给出了在柱坐标系下完整的总场和散射场的连接边界条件.最后,模拟了柱面波在自由空间中的传播及空心圆柱体在柱面波入射下的近场和远场散射特性.

激光等离子体中平台型密度分布结构的边界条件和连接条件

本文仔细地分析了以前在自洽密度分布边界条件和连接条件处理中存在的缺点。为了确切地反映真实的边界,用自相似解把真空边界和等离子体静止上流分别与下密度平台和上密度平台连接起来,在声速点实现了完好的匹配。我们的分析结果与计算机模拟完全一致。

联合Dilated U-net和全连接条件随机场的黄斑水肿区域自动分割模型

目的视网膜光学相干断层成像(Optical Coherence Tomography,OCT)图像黄斑水肿(Macular Edema,ME)区域的自动分割可辅助临床诊断和决策。以提高OCT图像中ME区域分割精度和效率为目的,本文提出了一种联合Dilated U-net网络和全连接条件随机场(Conditional Random Field,CRF)的ME区域全自动分割模型。方法该模型包括两个方面。鉴于U-net网络结构简便和运算高效等特性,用孔洞卷积代替传统卷积增大网络感受野,构建面向OCT图像ME区域分割的网络架构Dilated U-net,实现视网膜ME区域的粗分割。以ME区域的粗分割为初始轮廓曲线,利用全连接CRF实现视网膜ME区域的高精度优化。结果选用200幅OCT图像进行实验,采用精确率、召回率和Dice相似系数对分割精度进行分析,结果表明,本文模型较C-V和SBG等传统分割模型具有更高的分割精确率和Dice相似系数,分别为95.94%和95.52%;较FCN、PSPNet和Deeplab等网络分割模型具有最高的分割效率,单幅OCT图像中ME区域的分割时间降至0.9 s。结论将Dilated U-net与CRF结合改进的ME区域自动分割模型,不仅可获取ME区域的抽象特征,亦兼顾了图像的上下文信息,使ME区域的分割结果更加准确。本文模型不仅提高了病变区域分割的精度,同时降低了分割耗时,适用于视网膜ME区域的高精准分割。

薄壁弹性梁在截面突变处的连接条件

本文对开口薄壁弹性直梁在截面突变处两侧截面,利用扇性坐标转换公式,提出了在一个截面内部分截面的主扇性坐标的概念,建立了轴向位移连续条件;据此,得到了在截面突变处轴向位移、弯曲和扭转耦合的一般的连接条件(位移连续条件和力平衡条件)。

高阶面元法中的连接条件和相关控制点的选取方法

本文针对高阶面元法在复杂组合体中的应用,发展了相关控制点的选取方法和网片连接条件。应用该连接条件和相关点选取方法,计算复杂外形的飞机气动力,在部件连接部取得了较满意的结果。本方法实用、灵活,工程应用性较强,能适应不同的气动布局。

基于超像元全连接条件随机场的高分辨率遥感影像变化检测

随着传感器技术的进步,遥感影像分辨率不断提高,高分辨率遥感影像的变化检测技术已经成为遥感领域的研究重点。传统的中低分辨率影像变化检测方法无法在高分辨率影像中取得较好的检测结果。提出了一种基于超像元全连接条件随机场的高分辨率遥感影像变化检测模型,用以提升高分辨率遥感影像变化检测精度。该方法通过变化矢量分析(CVA)产生差分影像;对差分影像进行超像素分割,得到超像元差分影像;构建超像元全连接条件随机场模型并利用图割算法进行推理获得二值变化图。实验结果表明,所提出的方法提高了高分辨率遥感图像变化检测的精度。

基于改进DeeplabV3+的水面多类型漂浮物分割方法研究

【目的】为解决传统图像处理方法鲁棒性差、常用深度学习检测方法无法准确识别大片漂浮物的边界等问题,【方法】提出一种基于改进DeeplabV3+的水面多类型漂浮物识别的语义分割方法,提高水面漂浮的识别能力。对所收集实际水面漂浮物进行分类,采用自制数据集进行对比试验。算法选择xception网络作为主干网络以获得初步漂浮物特征,在加强特征提取网络部分引入注意力机制以强调有效特征信息,在后处理阶段加入全连接条件随机场模型,将单个像素点的局部信息与全局语义信息融合。【结果】对比图像分割性能指标,改进后的算法mPA(Mean Pixel Accuracy)提升了5.73%,mIOU(Mean Intersection Over Union)提升了4.37%。【结论】相比于其他算法模型,改进后的DeeplabV3+算法对漂浮物特征的获取能力更强,同时能获得丰富的细节信息以更精准地识别多类型水面漂浮物的边界与较难分类的漂浮物,在对多个水库场景测试后满足实际水域环境中漂浮物检测的需求。

一对多关系中表连接的错误分析及处理

主要介绍了在一对多关系的表连接中经常遇到的错误或潜在的性能问题 ;并通过简单的例句分析了产生错误的原因和解决的方法。

平面光波导器件时域有限差分束传输法分析中边界和初始条件的处理

从慢变包络(SVEA)时域光传输方程出发,对比了综合道格拉斯(GD)和传统的中心差分(CN)两种离散化格式,指出GD法比CN法精度有了很大提高 重点讨论了GD法的TD BPM边界处理问题,给出了吸收边界和透明边界离散的显式和隐式表达式,分析并确定了交替方向隐式法(ADIM)的边界处理方式;同时,对激励源加入的连接边界进行了仔细讨论 结果表明对于隐式GD TD BPM法边界处理应采用隐式。

基于密集连接的高分辨率遥感图像分类

高分辨率遥感图像分类是当前一个研究热点,基于深度卷积网络和全连接条件随机场的高分辨率遥感图像分类模型(Deeplab),因其高效精准的分类性能被广泛应用于该研究领域,但Deeplab模型存在空洞卷积核对高分辨率遥感图像的信息利用率不足、限制分类精度进一步提高的问题。本文提出一种基于密集连接的轻量级高分辨率遥感图像分类模型Dspp,采用密集卷积网络连接结构,将Deeplab的空洞卷积金字塔结构替换成密集连接结构,以提高信息利用率且增强模型的泛化能力,并与当前经典的FCN、FCN8S、Deeplab分类网络模型进行实验对比。结果表明,Dspp模型相较于FCN模型、FCN-8S模型和Deeplab模型的整体精度分别提高16.8、11.7和7.7个百分点,验证了本模型的有效性。

WH-移位现象及其制约条件

根据转换生成语法理论,只有通过WH-移位操作,才能得到特殊疑问句的最终形式。移位后产生的疑问句有缺位语迹,移位的成分仍保持相关的形式特征且移位具有无界性。但移位受岛制约现象的制约,岛制约现象的成因主要有最小连接条件、毗邻条件、空语类原则等解释原则。

基于SegNet_CRF的遥感影像水体提取方法

水体的自动提取对于洪水监测、水资源管理等方面有着重要意义。本文提出了SegNet_CRF语义分割方法,可从遥感影像上自动提取水体。首先,在SegNet编码器和解码器之间植入空洞卷积特征提取块,融合不同尺度的特征,然后在分类后处理中引入条件随机场,对提取结果进行精细化处理,最后与FCN、经典SegNet网络水体提取结果对比,结果表明,SegNet_CRF网络结构在Recall、Precision以及F1-score指标上都有所提高,水体提取结果更加准确完整,抑制噪声能力更强。SegNet_CRF网络可有效地实现水体提取任务。

一种用于视频对象分割的仿U形网络

在半监督的分割任务中,单镜头视频对象分割(OSVOS)方法根据第一帧的对象标记掩模进行引导,从视频画面中分离出后续帧中的前景对象。虽然取得了令人印象深刻的分割结果,但其不适用于前景对象外观变化显著或前景对象与背景外观相似的情形。针对这些问题,提出一种用于视频对象分割的仿U形网络结构。将注意力机制加入到此网络的编码器和解码器之间,以便在特征图之间建立关联来产生全局语义信息。同时,优化损失函数,进一步解决了类别间的不平衡问题,提高了模型的鲁棒性。此外,还将多尺度预测与全连接条件随机场(FC/Dense CRF)结合,提高了分割结果边缘的平滑度。在具有挑战性的DAVIS 2016数据集上进行了大量实验,此方法与其他最先进方法相比获得了具有竞争力的分割结果。

基于深度学习和模型集成的肺结节分割方法

针对CT图像中肺结节所占的比率比较小、特征复杂及分割精准度不高的难题,提出了一种基于深度学习和模型集成的肺结节分割方法。该方法在数据采样上,为解决胸部CT图像中存在的类别不平衡问题和避免模型对图像中肺结节位置的过度学习,提出了一种新的随机方向采样方式。首先,将采样图截成64*64的大小;然后,在对CT图像进行分割预测时采用步长为32的遍历预测叠加方式,来避免肺结节被遗漏的现象,以提升模型性能;在分割结果上,提出在卷积网络后连接条件随机场,通过结合肺结节相邻像素点的信息来优化分割的结果;在此基础上,创新性地将多种深度学习模型(U-Net、LinkNet和SegNet)的肺结节分割结果进行集成,从而进一步提升肺结节分割的精准度。在LIDC-IDRI肺结节公开数据库上的实验验证结果表明,该方法可以更有效地提高肺结节分割的精准度,更有助于提升医生对肺癌的诊治水平。