联合3D建模与改进CycleGAN的故障数据集扩增方法

基于深度学习的设备故障检测系统性能很大程度上依赖于样本集的规模及类别多样性。由于工业生产中难以全面采集各类故障样本,由此就有样本集扩增需求。本文提出联合3D模型和改进CycleGAN的故障数据集扩增方法。首先,提出利用3D建模软件模拟生成各类故障图片,将其作为CycleGAN迁移网络输入,约束引导生成真实故障图像,以解决样本不足及分布不均衡问题;其次,对CycleGAN网络生成器进行改进,提出U-ResNet生成器,用以解决数据集扩增过程中的边缘模糊和梯度消失问题。将该方法应用于带式输送机跑偏检测任务,结果表明相较于其他扩增方法,该方法训练过程中轮廓结构收敛快,时效性好,应用于目标检测网络准确率达到98.1%,较原真实数据集提升4.5%。说明该数据集扩增方法可以满足故障数据集类别分布均衡,图像质量高的要求。

BVSL-34:面向光场图像处理任务的基线可变仿真光场数据集

伴随着计算机视觉算法的迅猛发展,为基于光场数据集的图像处理任务带来了广泛的关注,数据是算法的基础,光场数据集的制作正逐渐成为研究的重点问题。目前光场成像系统有多种实现途径,其中光场阵列相机作为新体制的光场成像系统广受关注与研究,但是目前基于此法制作的主流光场数据集并不能提供场景基线可变化的需求,极大地限制了处理任务的预期效果。为此,本文面向相关光场图像处理任务研究需求,基于3dsMax软件构建了一种全新的基线可变化的仿真光场数据集(Baseline-variable simulated lightfield-34,BVSL-34),解决了主流数据集中不能针对阵列相机基线变化的缺陷,该数据集包含3个大类,共计34个场景,534个实例,且各场景配备基线可变化的阵列相机。本文详细阐述了数据集的制作方法,并与多个主流数据集进行性能、指标对比,同时进行光场图像重聚焦实验,结果验证了BVSL-34数据集功能全面、质量优异,可以将该方法应用于相关光场图像处理任务中。

基于Unity3D三维多视角虚拟数据集构建

基于深度学习的多视角三维重建(Multi View Stereo,MVS)是计算机视觉领域的研究热点。但构建高质量的多视角三维重建数据集需要消耗大量时间、人力和财力成本,因此当前可直接应用于多视角三维重建的数据集相对较少。为了降低数据集制作成本、提高制作效率,文章提出了一种有效的虚拟世界仿真现实世界的方法。通过Unity3D虚拟引擎,融合域适应和域随机方法,搭建三维虚拟场景,自动高效生成三维多视角虚拟数据(相机图像、相机参数和场景深度图),在此基础上构建了多视角三维重建虚拟数据集Visual DTU。实验结果表明,使用虚拟数据集可大幅降低数据集制作的经济和时间成本,且基本能取得与采用真实数据集训练相同的三维重建效果;通过增加虚拟数据集训练样本或混合虚拟数据集和真实数据集进行模型训练,可进一步提升模型性能。

自动驾驶数据集及3D目标感知方法综述

本文首先从场景的解构上分析了自动驾驶感知的复杂性,调研了67项自动驾驶感知相关的数据集,其中22项综合类数据集,17项道路感知专题数据集,14项障碍物感知专题数据集和14项自然环境相关专题数据集,给出不同数据集近四年的更新情况以及引用情况。另一方面,对3D目标感知方法进行了总结,考虑到最新的nuScenes数据集上3D目标感知任务TOP10的网络全部为基于多模态的方法,本文重点对基于图像和激光雷达点云的多模态的方法进行了归纳,并对nuScenes数据集3D目标感知任务榜单进行了分析。在上述分析的基础上,提出自动驾驶感知相关的数据集应进一步增大规模,并需加强国际合作,提出多模态融合的方法在nuScenes数据集3D目标感知任务上成为主流,同时基于Transformer的方法也进入Top10,未来值得继续关注和研究。

基于DCGAN数据集增强的ECT系统流型识别技术改进

基于电容层析成像(electrical capacitance tomography,ECT)系统的流型识别技术具有非侵入性和可视化的优点,被广泛应用于各种工业过程的动态测量中。为提高ECT系统的流型识别准确率,基于神经网络模型的识别算法被广泛应用,但ECT系统难以获得大量实测样本,从而导致识别准确率低、模型泛化性差。针对这一问题,该文采用了基于深度卷积生成对抗网络(DCGAN)的数据集扩增方法,利用经过预处理的LSSVM方法重建所得的图像,搭建基于DCGAN的流型图像生成模型进行实验,并利用GAN-train和GAN-test两个客观指标对生成图像进行评价,之后使用扩增后的数据集进行基于YOLOv3的流型识别。实验结果表明,利用DCGAN方法能够有效扩增原有数据集,生成图像准确度高、丰富性强,配合YOLOv3的目标检测算法,可以对ECT系统的流型识别准确率提升有较大程度的改进。

基于DeepLabV3+的甲骨拓片图像文字分割方法

为将甲骨拓片中的文字和背景有效分割,提出一种基于深度可分离卷积网络DeepLabV3+的甲骨文拓片图像文字分割方法,实验使用了包含9800张甲骨文拓片图像的数据集进行训练和测试。结果表明,提出的方法在进行甲骨文拓片文字分割时具有较高的准确率,能为甲骨文字的识别、甲骨图片的缀合等提供一定的基础数据。

基于网络资源的大规模珊瑚数据集构建

针对目前公开已有珊瑚数据集种类、样本少等问题.为构建种类丰富的大规模珊瑚数据集,本文首先以珊瑚属名为关键词,通过爬虫技术在网络中搜集大量珊瑚图片形成初始数据集;其次使用感知哈希算法对初始数据集中的图片进行去重处理;再次采用YOLO V3深度学习网络对去重后的数据集进行清洗,去除大噪声样本;然后通过旋转、镜像、随机裁剪、改变亮度和对比度等方法进行数据增强,均衡各个珊瑚属包含的图像数量;最后,构建了一个包含34个珊瑚属,218467张珊瑚图像的珊瑚数据集.所构建的珊瑚数据集种类和样本数均高于已有的、公开的珊瑚数据集.所提出的珊瑚数据集构建方法也适用于其他难以获得样本的数据集的构建.

CMADS、ITPCAS和TRMM 3B42 3套降水数据集在玉龙喀什河流域的适用性评价

我国西北地区地形复杂、环境恶劣、气象观测水平有限,在海拔较高的山区缺乏长期观测资料。再分析气象数据集(产品)基于气象卫星、数值模拟等技术,结合站点实测资料制作而成,具有时空分辨率高、可靠性好等优点,越来越多地被应用于大气水文相关的研究工作中。选择西北典型的高寒山区流域为研究对象,首先分析3套具有代表性的再分析气象数据产品(CMADS、ITPCAS和TRMM 3B42)降水资料在研究区年际和年内的分布情况,然后利用3套降水资料驱动SWAT水文模型,将模型模拟的结果与水文站实测径流资料进行比较,并进行参数率定和敏感性分析,从而分析3套数据集在研究区对降水的模拟效果。最终获得以下结论:3套降水资料在流域内的降水量分布情况存在较大差异,CMADS和ITPCAS数据集在降水总量上大于TRMM 3B42数据集,且CMADS数据集的年际降水和年内降水分布与冰川分布较为一致;3套再分析数据产品中,CMADS数据集驱动水文模型的模拟效果最好,逐日、月的NSE系数达到0.53、0.71,ITPCAS和TRMM 3B42数据集的NSE系数较低,径流模拟效果较差。

人脑胶质瘤组织中MTERF3的表达及其预后意义

目的:研究线粒体转录终止因子3(mitochondrial transcription termination factor 3,MTERF3)基因在人脑胶质瘤组织中的表达情况,并探讨MTERF3基因表达量与患者临床病理特征及预后的相关性。方法:采用RT-PCR、Western blot和免疫组化SP法检测28例人脑胶质瘤组织及10例非肿瘤脑组织中MTERF3mRNA和蛋白质的表达水平。利用R语言软件从癌症基因组图谱(TCGA)数据库下载522例胶质瘤组织及10例非肿瘤脑组织中MTERF3基因mRNA表达量、临床病理参数及预后资料,探讨人脑胶质瘤患者临床病理参数与MTERF3 mRNA表达量之间的联系。采用Kaplan-Meier法分析MTERF3 mRNA表达量与人脑胶质瘤患者累积生存时间(overall survival, OS)和无疾病进展生存时间(disease-free survival, DFS)的关系。采用Cox回归多因素分析探讨影响脑胶质瘤患者预后的因素。采用cBioportal分析脑胶质瘤中MTERF3基因与脑胶质瘤分子标志物基因mRNA表达量的相关性。结果:免疫组织化学结果显示,MTERF3蛋白主要表达于细胞质,人脑胶质瘤中的阳性表达率为64.29%,且在高级别的脑胶质瘤中MTERF3阳性表达率(81.25%)高于其低级别的阳性表达率(41.67%)。RT-PCR和Western blot结果显示,与非瘤脑组织相比,MTERF3 mRNA和蛋白质在不同级别人脑胶质瘤中的表达水平均显著增高,差异有统计学意义(P<0.05)。TCGA数据集分析表明,在脑胶质瘤组织中MTERF3 mRNA的表达水平明显高于非瘤脑组织(P<0.01),且MTERF3 mRNA表达量与病理类型、患者年龄、WHO分级有关(均P<0.05),而与性别、发病部位、样本类型无关。Kaplan-Meier分析发现,MTERF3高表达患者的OS和DFS均显著低于MTERF3低表达的患者(Log-rank P<0.01)。Cox多因素分析表明,患者年龄和病理类型均是导致脑胶质瘤患者预后不良的独立影响因素(均P<0.05)。脑胶质瘤中MTERF3基因与IDH1、 TP53、MKI67基因mRNA的表达量呈显著正相关性(均P<0.01,r>0),而与PTEN、RBFOX3、BRAF基因mRNA的表达量呈显著负相关性(均P<0.01,r<0)。结论:MTERF3蛋白在人脑胶质瘤中的表达增高,且与恶性程度及其预后相关,提示其可成为胶质瘤患者临床治疗和预后判断的潜在靶点。

基于YOLOv3的风机叶片故障检测模型

针对风机工作中由于高海拔地理位置、恶劣天气等因素的影响,致使风机叶片出现裂纹、沙眼等缺陷故障,提出基于YOLOv3算法的风机叶片故障检测模型。将风机叶片缺陷区域具有YOLO格式的数据集划分为训练集与测试集,输入YOLOv3模型进行实验,结果表明:YOLOv3模型与YOLOv2模型相比,精度提升3.7%,达到了90.6%;召回率提升3.2%,达到了90.5%;精度平均值提升4.8%,达到了76.2%。

利用TCGA数据集分析人MTERF3基因在子宫颈癌的表达及意义

目的:基于TCGA数据集探讨人MTERF3基因mRNA在子宫颈癌的表达及其临床价值。方法:从美国癌症基因组图谱(TCGA)中下载关于子宫颈癌患者MTERF3 mRNA二代测序数据及临床病理资料。基因表达谱动态分析(GEPIA)正常宫颈组织和宫颈癌组织中MTERF3 mRNA表达差异。使用R 3.3.0软件分析MTERF3 mRNA表达量与临床病理参数的相关性;使用生存分析和Log-rank P检验。结果:与正常宫颈组织相比,子宫颈癌组织中MTERF3 mRNA呈现高表达。子宫颈癌患者MTERF3 mRNA表达量与年龄、T分期、N分期、M分期差异均无统计学意义(P>0.05);而与AJCC临床分期、病理分级差异有统计学意义(P<0.05);Kaplan-Meier生存分析显示,MTERF3 mRNA0.05);单因素分析显示,T分期、N分期、M分期、临床分期均能影响患者的预后(P<0.05),年龄、病理分级、病理类型、MTERF3mRNA表达与子宫颈癌患者预后无相关性(P>0.05);COX多因素回归分析显示,N分期是影响子宫颈癌患者预后的独立因素(P<0.05)。结论:人MTERF3 mRNA表达量与子宫颈癌患者AJCC临床分期和病理分级有显著相关性,提示MTERF3基因可能参与子宫颈癌发展的病理进程;MTERF3 mRNA表达量与子宫颈癌患者的预后无显著相关性。

3G数据传输模块的开发及其在集抄系统中的应用

开发了3G数据传输模块,介绍了其结构,以及具有的传输速率高,通信质量好,抗干扰、抗噪声、保密性好的特点。在集抄系统中,将3G数据传输模块置于远程付费上位机和终端通信设备间进行数据传输应用,测试数据表明:3G数据传输模块很好地解决了低温下数据不稳定、传输速率低的问题,可保证整个集抄系统数据信号的传输畅通。

基于AutoCAD Map3D的数据集查询方法的研究

在批量处理DWG数据文件的时候,有时我们需要按照一定的属性或空间位置提取分析部分要素,传统的方法一般采用通过脚本文本打开每幅图然后通过建立选择集进行处理,或者全图遍历,然后根据要素属性查找符合条件的要素。这两种方法在实际应用中都存在一定的弊端,本文讨论了基于Autodesk Map3D平台,通过数据集查询的方式快速获取目标数据的方法。

基于3D Studio Max的海地瓜数据集构建方法

为了给海地瓜识别工作提供数据参考,解决传统数据集构建中存在的数据重复率高的问题,笔者提出基于3D Studio Max的海地瓜数据集构建方法。该方法首先利用硬件设备采集海地瓜的三维数据,并对初始数据进行降噪和去重处理,然后构建海地瓜模型,最后以海地瓜模型为数据内容进行分类存储,实现海地瓜数据集的构建。实验结果表明:该方法的数据重复率降低了5.43%,能够有效提升识别的速度。

阿尔卡特朗讯助力欧洲隧道集团部署3G移动数据及语音业务

日前，阿尔卡特朗讯宣布将携手欧洲隧道集团（Groupe Eurotunnel S．A．），在英吉利海峡隧道部署GSM-P电话系统，为乘客提供GSM和3G移动宽带业务。

CT图像数据集三维重建在影像解剖学教学中的应用

目的探讨CT图像数据集三维重建在影像解剖教学中的应用。方法采集层厚为1 mm的正常胸部CT图像,利用三维重建软件3D-DOCTOR对其进行三维重建,将重建的模型应用于本科生的实验教学,收集学生的学习感受。结果通过3D-DOCTOR进行三维重建,可以直观地再现胸部的三维结构并可从不同角度进行观察,学生普遍反应提高了学习兴趣及效率。结论利用三维重建软件能够简单方便地显示人体的三维结构,应用于影像解剖教学可获得良好的效果。

基于粗集论中属性依赖度的ID3改进算法

决策树算法是一种重要的数据挖掘方法,ID3算法是最具影响的一种决策树生成算法。介绍了粗集理论的相关概念和传统的ID3算法基本原理,提出了一种以粗集论中的属性依赖度为基础的ID3改进算法,克服了传统ID3算法对取值较多属性的依赖,并通过实例验证该算法的高效性和精确性。改进算法对不同领域中分类预测方向上的数据挖掘均具有一定的参考价值。

基于MobileNetV3-SVDD的雷达信号调制方式开集识别

针对常见雷达信号调制方式识别方法无法识别未知调制方式的问题,本文提出了一种基于MobileNetV3-SVDD的雷达信号调制方式开集识别方法。将不同调制方式的雷达信号转换成时频图像,使用轻量级深度神经网络MobileNetV3网络提取图像特征。基于一类分类器SVDD构建调制方式超球体来测试识别在训练中未出现过的未知调制方式,完成了对雷达信号调制方式的开集识别。实验结果表明:该方法在信噪比等于8 dB时,已知调制方式识别率均达到100%,未知调制方式识别率均达到95%以上,实现了对未知调制方式的有效分类识别。

基于改进3D ResNet的视频人体行为识别方法研究

针对人体行为在视频中呈现的时序性特点,提出了一种融合非对称卷积和CBR模块的视频人体行为识别方法。该方法使用3D ResNet-50作为主干网络。首先,将网络中较大的卷积核拆分为2个非对称3D卷积核的串联,加深卷积层在水平和竖直方向上的局部关键特征提取;其次,加入了CBR模块,以增加网络层数。该网络对连续的视频帧序列进行图像和时序的多角度特征提取,并根据特征数据对其进行分类,最后输出识别结果。在基准数据集UCF101上的大量实验结果表明,所提方法的Top1准确率和Top5准确率与原始3D ResNet网络相比分别提升了4.03%和4.99%,且该方法的识别准确率也优于其他主流方法的识别准确率。

基于印刷数据集的颜色空间转换多项式回归算法精度评价

颜色空间转换是色彩管理流程中的一个重要步骤,目前颜色空间转换算法有多种选择,多项式回归算法是常用的一种方法。为评价该算法的转换精度,本文基于印刷数据集展开对多项式回归算法的研究,以CIE推荐的17个颜色中心为数据集,分别利用4项多项式、6项多项式和8项多项式回归建模,实现了从设备相关颜色空间CMY到设备无关颜色空间CIELAB的转换;通过比较误差法和PF/3评价方法对多项式回归模型精度进行分析。实验结果表明,采用多项式回归算法进行颜色空间转换时,多项式的项数增加可以提高颜色空间转换的精度,但是过多的项数会引起振荡,从而导致整个颜色空间转换精度的下降。