最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。

基于细粒度特征提取的轻量骨龄评估级联方法

针对现有骨龄自动评估模型细节特征提取能力较弱且没有兼顾手骨发育特点的问题,提出了一种基于轻量级网络的两阶段骨龄评估级联模型。首先,定位提取手掌区域进行背景去噪。其次,提出了一种新型的轴向空间注意力与多尺度并行空洞卷积相结合,融入模型中,从而提升模型细节特征提取能力。同时,将每个骨龄标签转化为两点分布向量,充分利用个体手骨发育的信息。实验结果表明,模型预测结果的平均绝对误差为4.80且评估误差在±0.5、±1、±2岁以内的准确率分别为69.26%、95.60%、99.80%。本研究提出的模型不仅能快速准确的评估骨龄,且充分考虑了手骨发育过程中所包含的信息,同时,基于轻量化的架构为其后续推广应用提供了基础,具有良好的临床应用前景。

德国KHS贴标机的技术特点

KHS贴标机采用伺服电机控制技术,提高贴标精度与速度,色差光眼检测标签MARK点准确控制标签长度,MCU可编程序控制和参数设定功能,促进操作简单化,方便快捷的生产转换程序,是其发挥高效、运行稳定的重要技术手段。

基于C/S架构的电力设备数据库管理软件设计研究

随着电力设备在线监测技术的快速发展,对于在线监测带来的大量信息数据进行有效管理利用显得越来越重要。本文介绍了一个功能全面的电力设备标签点管理软件的设计、开发操作方法及其采用的核心技术。具体完成了软件的业务流程、需求分析和功能模块的划分以及界面设计。该软件采用C/S模式,旨在辅助现场工程服务人员对设备标签点的管理,提高工作效率。最后,以某发电厂电气设备在线监测系统数据为例,进行实际应用操作,结果表明,该电力设备数据库管理软件能够极大的提高电力设备在线监测数据的管理利用率。

MPLS网络中的可扩展QoS组播研究

MPLS网络中的服务质量组播面临着组播路由状态的可扩展性、服务质量支持困难等瓶颈.针对这些问题,提出一种基于子树共享的新型MPLS服务质量组播方案.本文的贡献有:提出一种组播组到组播分发子树的映射算法,将多个组映射到同一颗子树,以共享的子树为基础构造完整的组播分发树,从而有效地减少MPLS核心网络中的路由状态;将服务质量的考量引入组播分发树的构造过程中,使新的方案能够支持服务质量组播;提出一种简单方便的子树共享实现机制.模拟结果表明,基于子树共享的新型MPLS服务质量组播方案能够有效地减少组播路由状态并提供多种服务质量控制的能力.

应用卷积神经网络的学习推荐系统

在传统的学习过程中,学习者需要题海战术来了解和完善自身的知识掌握情况。这就面临着练习题目重复、单调、冗余与知识点零散、片面、不连贯的问题。针对这一现象,本文提出了一种基于卷积神经网络对接标签的学习推荐系统。该系统通过个性化推荐来满足个体化差异,大大提高了用户的学习效率,为用户提供了一个更加完整、全面、连贯的知识体系。

全监督和弱监督图网络的病理图像分割

目的 计算机辅助技术以及显微病理图像处理技术给病理诊断带来了极大的便利。病理图像分割是常用的技术手段,可用于划分病灶和背景组织。开发高精度的分割算法,需要大量精准标注的数字病理图像,但是标注过程耗时费力,具有精准标注的病理图像稀少。而且,病理图像非常复杂,对病理组织分割算法的鲁棒性和泛化性要求极高。因此,本文提出一种基于图网络的病理图像分割框架。方法 该框架有全监督图网络(full supervised graph network,FSGNet)和弱监督图网络(weakly supervised graph network,WSGNet)两种模式,以适应不同标注量的数据集以及多种应用场景的精度需求。通过图网络学习病理组织的不规则形态,FSGNet能达到较高的分割精度;WSGNet采用超像素级推理,仅需要稀疏点标注就能分割病理组织。结果 本文在两个公开数据集GlaS(Gland Segmentation Challenge Dataset)(测试集分为A部分和B部分)、CRAG(colorectal adenocarcinoma gland)和一个私有数据集LUSC(lung squamous cell carcinoma)上进行测试。最终,本文所提框架的两种模式在3个数据集中整体像素级分类精度(overall accuracy,OA)和Dice指数(Dice index,DI)均优于对比算法,且FSGNet在GlaS B数据集中效果最明显,分别提升了1.61%和2.26%,WSGNet在CRAG数据集中较先进算法提升效果最明显,分别提升了2.63%和2.54%。结论 本文所提框架的两种模式均优于多种目前先进的算法,表现出较好的泛化性和鲁棒性。