深度神经网络对家族渗出性玻璃体视网膜病变眼底特征的定量分析

目的 利用深度神经网络,对足月新生儿轻症家族渗出性视网膜病变(FEVR),在后极部视网膜图像的病变特征进行定量分析。方法选取7685例共15370张足月儿后极部视网膜图像,构建足月儿后极部视网膜图像数据集。训练网络,自动提取计算并对比轻度FEVR组与正常组的血管面积、动静脉最大管径比、血管的曲率以及视盘到黄斑(macula)的距离(DM)与视盘直径(DD)的比值。结果与正常组相比,轻度FEVR组眼底图像中的血管面积明显增加[12.9666±0.9637(%) vs.12.0053±0.9246(%)],血管曲率明显减少[1.9098±0.2647(×10^(4)/cm^(3))vs.3.3767±0.2345(×10^(4)/cm^(3))],最大管径比明显增加(1.8796±0.1789 vs.1.5075±0.1644)。DM/DD明显增加(3.2676±0.2638 vs.2.8199±0.3286)。所有数值在不同组之间均有统计学差异(P<0.005)。结论定量评估轻症FEVR眼底的异常特征在临床上有较高的指导意义。可以辅助临床医师在FEVR的诊断及评估预测疾病的进展工作中提供更多的线索。

发展“四全媒体”助力北京“四个中心”建设:问题与关键技术

新型媒体建设应该成为北京“四个中心”城市战略定位的重要助力。本文首先分析了“四个中心”建设对媒体的要求和发展“四全媒体”目前存在的技术和机制问题,然后通过示例探讨了发展“四全媒体”的技术可行性。实验结果表明“全程媒体”可以基于ICN网络的技术架构,基于写作风格的虚假信息识别技术和多语言新闻监测可以作为实现“全息媒体”的重要手段,“全效媒体”的媒体资产共享问题的解决可以基于区块链技术,分析表明分形理论、博弈论可能会成为“全员媒体”组织方式和机制制定的理论基础,最后提出了北京应自觉发展“四全媒体”的建议。

结合改进CBAM和MobileNetV2算法对小麦病斑粒分类

[目的]小麦病斑粒智能检测对于高效、快速、准确评估麦粒的品级有重要意义。现有小麦病斑粒分类的深度神经网络存在参数数量大、运算复杂等缺点,不便于在移动端部署模型,影响了小麦病斑粒现场分类的效率。本文提出了一种用于小麦病斑粒分类的轻量级神经网络算法。[方法]本研究在轻量化网络MobileNetV2的基础上进行改进,加入改进的CBAM(convolutional block attention module)注意力机制,对改进的模型全整型量化后在边缘计算设备上部署。利用该模型对4种小麦籽粒(赤霉病粒、腥黑穗病粒、破损粒和正常粒)分类。[结果]相比于改进前的MobileNetV2网络,结合改进的注意力机制和MobileNetV2网络在准确率、精准率、召回率上分别提升3.15%、3%和3%;全整型量化后的改进模型对小麦赤霉病粒、腥黑穗病粒、破损粒和正常粒的识别准确率分别达到99%、94%、99%和96%。该模型大小仅有2.36 MB,在边缘计算设备的单次推理时间仅为96.95 ms。[结论]本文改进后的算法模型的准确率提升、大小减少、推理速度加快,可为小麦病斑粒分类模型去冗余提供指导。

基于多特征增强的手部姿态估计方法

手部姿态估计是计算机视觉研究的重要方向之一,在人机交互、虚拟现实、机器人控制等应用领域发挥着重要作用。针对目前手部姿态估计存在特征表示方法单一性的问题,提出手部关键点连接关系特征构建方法与基于手部运动语义关系的关键点特征聚合增强方法,提高手部特征表达与信息共享能力;针对手部目标检测与图像分割等预处理方法中存在的遮挡性问题,设计手部轮廓特征提取方法,提高预处理效果;基于所提出的多特征表示与增强方法,构建了一个基于全卷积结构的深度学习神经网络模型,避免直接回归计算3D姿态信息导致的空间信息丢失问题,从而有效提高了3D手部姿态估计精度。在DO、ED、RHD等多个数据集上与SOTA模型相比,均取得了竞争性的效果,且平均AUC结果达到了93.3%,说明所提出的方法也具有较好普适性。

面向算网业务的全链路追踪技术浅析

算网业务的规模和复杂度持续增加,系统复杂性的提升使得问题排查和性能优化变得愈发困难。在这种背景下,全链路跟踪技术作为一种有效的性能监测和故障排查手段逐渐受到关注。面向日趋复杂的业务场景,结合网管系统的现状,本文提出了一种全链路跟踪的实现方案,基于网管能力网关来实现各系统能力的统一管理、跨系统的能力调用跟踪和分析,提供全局、统一的能力清单以及能力调用关系。

集成全尺度融合和循环注意力的医学图像分割网络

深度学习中的编解码网络在图像特征提取和分层特征融合方面具有卓越的性能,常被用于医学图像分割。但是,目前主流的编解码网络分割方法仍面临编码和解码阶段单一网络挖掘的图像特征信息不足,以及仅使用简单的跳跃连接而无法充分利用全尺度特征包含的粗粒度信息和细粒度信息等问题。为了解决上述问题,提出了一种集成全尺度融合和循环注意力的医学图像分割网络。首先,在U-Net编码器中加入了结合多层感知机(MLP)的卷积MLP模块来提取图像的全局特征信息,用于扩大编码器的特征感受野。其次,通过全尺度特征融合模块使得各尺度跳跃连接特征进行粗粒度信息和细粒度信息的有效融合,减小各尺度跳跃连接特征间的语义差异,突出图像的关键特征信息。最后,解码器通过提出的结合循环神经网络(RNN)和注意力机制的循环注意力解码模块(RADU)来逐级精细化图像特征信息,加强特征提取的同时避免信息冗余,并得到高精度分割结果。在4个数据集上将所提方法与主流较优的方法进行比较,所提方法在像素精度和骰子相似系数两个指标上的图像分割精度均有提高。因此,所提出的用于医学图像分割的编解码网络利用全尺度特征融合模块和循环注意力解码模块,能够获得较优异的高精度分割结果,并且模型具有良好的噪声鲁棒性和抗干扰能力。

基于全卷积神经网络的遥感图像线性构造解译方法——以云县官房铜矿区为例

文章研究了深度学习方法在地质构造解译中的应用,探究了相比传统的线性构造方法更为高效且无需先验知识的方法。以基于全卷积神经网络(FCN)的图像像素注释方法实现了遥感数据对于线性构造解译半自动解译。选择云南省云县官房铜矿矿区作为实验区域,绘制的图件表明该解译方法能够满足普通地质研究的基本需求,同时也能作为人工线性构造解译工作的初步参考,具有一定的研究意义。而与其他传统自动解译方法对比,可以发现在解译精度、效率和可重复使用性上都存在一定的优势。这些研究成果对于地质构造解译的自动化发展具有重要的参考价值,也为遥感解译智能化的发展提供了新思路。

应用GA-RBFNN全光谱水体COD与NO_(3)-N检测方法研究

应用全光谱测量水体化学需氧量(chemical oxygen demand,COD)、硝酸盐氮(NO_(3)-N)浓度等水环境质量指标容易受水质环境影响,检测模型与特征波长一直是全光谱检测推广关注重点。该文提出一种基于遗传算法-径向基神经网络(genetic algorithm-radial basis function neural network,GA-RBFNN)全光谱水体COD与NO_(3)-N浓度检测方法,鉴于GA搜索能力强、随机性高的特点,对预处理后全光谱吸收数据应用GA进行特征波长选取,以RBFNN神经网络留K法训练过程中平均决定系数作为适应度函数,输出最优特征波长与RBFNN神经网络参数进行部署,从而实现水体COD、NO_(3)-N浓度准确测量。最后,开展GA-RBFNN、偏最小二乘(partial least squares,PLS)、GA-PLS、RBFNN四种模型对160组水样的COD、NO_(3)-N浓度检测实验,结果表明GA-RBFNN模型对COD、NO_(3)-N检测平均决定系数、最大误差分别为0.9964、0.9950和3.9%、4.9%,均优于其他模型,方法具有重要推广价值。

基于UNet3+生成对抗网络的视频异常检测

为解决传统视频异常检测方法在不同场景下多尺度特征提取不完全的问题,提出两种方法:一种是用于简单场景的基于UNet3+的生成对抗网络方法(简称U3P^(2)),另一种是用于复杂场景的基于UNet++的生成对抗网络方法(简称UP^(3))。两种方法分别对连续输入的视频帧生成预测,引入多种损失函数和光流模型学习其外观与运动信息,通过计算AUC进行性能评估。U3P^(2)方法以6.3 M参数量在Ped2数据集的AUC提升约0.6%,而UP^(3)方法在Avenue数据集的AUC提升约0.8%,验证其能够有效应对不同场景下的异常检测任务。

基于网络辅助全双工无蜂窝系统的通感一体化协议设计

第六代移动通信技术的研究受到了广泛关注。随着通信和雷达频率范围的重叠,学者们对通感一体化的研究产生了浓厚兴趣。然而,分布式联合感知技术目前仍面临自干扰和互干扰等物理层挑战。基于第五代新空口协议,提出了一种针对网络辅助全双工无蜂窝系统的通感一体化协议方案,增设了感知解调参考信号。这一创新旨在通过低成本的改动,实现高质量的高通感一体化性能。该方案有效地解决了无蜂窝场景中接入点之间的感知干扰问题,它使得接收机能够准确地识别信源并估计信道,从而在确保通信性能的同时,实现精确的感知功能。

一种基于Clos网络的新型4×4全交换开关矩阵

文中首次将Clos网络结构应用于4×4全交换开关矩阵中,采用多芯片模组技术将低温共烧陶瓷(LTCC)和双刀双掷芯片进行集成化设计。新设计克服了传统单刀四掷方案接口数量多、布线复杂的缺点,以更为简捷的拓扑形式实现了全交换功能。该设计结合LTCC多层堆叠工艺和具体芯片接口,给出了切实可行的叠层结构和互连方案,并以此研制出一款驻波优良、通道一致性好、隔离度高的C频段4×4开关矩阵。文中设计实现方法简单、可靠,适用于其他形式或更高频率的开关矩阵设计。

基于决策树的工业通信网全链路数据异常检测方法

因工业通信网带宽不断扩大,全链路承载的数据也越来越多,受不同属性数据关联关系影响,导致数据异常检测结果不精准。为此,提出了基于决策树的工业通信网全链路数据异常检测方法。根据决策树信息熵理论,选择信息增益最大属性作为分类特征,计算信息增益率。利用最小距离分割决策树计算理想划分结果与实际划分的范式距离,获取由范式距离组成的序列,以此构建异常数据检测模型。集中决策树各个特征节点,构建异常数据检测矩阵,计算目标加权关联平均值,实现对决策数据集预处理。采用标准化的处理算法训练基于决策树的检测数据,利用特征量的改变来控制通信网络波动,以此检测异常数据。由实验结果可知,该方法 IP熵值最大为0.6,与实际异常数据检测结果一致,能够有效实现数据异常精准检测。

改进卷积神经网络的冬小麦提取方法

为提高遥感影像冬小麦识别精度,通过对传统的卷积神经网络进行优化,设计实现一种改进的卷积神经网络Im-SegNet(Improved-SegNet)。模型增加了冬小麦和非冬小麦概率向量差值信息,对于概率向量差值较小的像素进行了二次判断。以肥城市冬小麦生长期的77张GF-2(Gaofen2)影像作为实验数据,利用精度、准确率以及查全率3项指标对Im-SegNet模型提取效果进行验证评价。结果表明,提取精度为92.1%,准确率为91.8%,查全率为84.9%,3项指标均高于经典的SegNet模型提取结果,Im-SegNet模型可以有效改善遥感影像作物分类效果。

双特征流融合和边界感知的显著性目标检测

显著性目标检测是计算机视觉领域的热门研究方向之一,许多基于深度学习的检测算法虽然已经取得了显著的成果,但是仍然存在待测目标漏检误检和边界模糊等问题。针对这些问题提出了一种基于双特征流融合和边界感知的目标检测算法,通过改变输入图像尺寸来丰富多尺度信息,并自顶向下逐层聚合特征得到精细的预测结果。首先将输入图像调整为两种不同分辨率分别送入编码器,提取丰富的多层级特征形成双特征流;其次将双特征流自顶向下逐层融合,生成由粗到细的显著图;最后构建了边界感知结构,凭借上下文语义信息的指导生成精细的物体轮廓。在五个公开数据集上进行了大量实验,实验结果表明,所提算法在结构相似性(Sm)等多个指标上取得了更高的检测精度,生成的显著图目标完整且边缘清晰。

基于漫反射的被动非视域成像

非视域(NLOS)成像是一种综合成像和计算重构的技术,指在不直接拍摄场景的情况下通过获取介质上隐藏场景的散射或反射信息对其进行重建。目前的NLOS成像还处于早期发展阶段,场景模型、目标信息重建等尚无系统研究方法。为此,提出一种针对无遮挡、非自发光场景的NLOS成像方法。基于光辐射理论,分析该场景下漫反射面的成像与隐藏物体形状的关系,确定NLOS成像模型与重建目标。使用渲染软件结合运动图像专家组7(MPEG7)数据集,生成符合实际物理意义的漫反射被动非视域全影(DS-NLOS)数据集。构建被动非视域重建网络模型(Re-NLOS),采用视觉Transformer(Vi T)结构结合生成式对抗网络(GAN)提取采集的漫反射面图像的全局特征,并恢复隐藏物体形状。在DS-NLOS数据集上的实验结果表明,该方法能够从漫反射面上恢复隐藏物体的形状信息,在测试集20个类别的物体上的峰值信噪比(PSNR)和结构相似性(SSIM)相比漫反射面全影图像平均提高了5.85 d B和0.0381,对真实室内场景也具有一定的恢复能力。

光纤组网全冗余PLC控制通信直接序列扩频编码

直接序列扩频通信需要大量线性复杂序列用作调制编码,为了达到理想编码效果,提出了光纤组网全冗余PLC控制通信直接序列扩频编码方法。采用双环网控制器,支持PLC控制机架冗余配置,根据扩频线性反馈逻辑输出值与双环网控制器之间关系,输出扩频序列。设计槽位机架冗余模式和旋转编码拨码开关,将二进制信息转化为扩频后调制符号向量所需扩频矩阵,采用香农-哈特利方法实现编码操作。由实验结果可知,该方法编码结果与理想结果一致,最高z方向振幅为0.8,可有效提高编码效率。

全卷积神经网络在垃圾土勘察中的应用

垃圾土与原土壤往往存在电阻率差异,常用垃圾土探测方法是高密度电阻率法和时域电磁法,而对反演结果的人工解译效率低,且准确性难以保证。通过全卷积神经网络在垃圾土勘察中的应用,识别某拆后绿地改造工程地下建构筑物垃圾土探测数据,确定垃圾土范围,表明了本方法的有效性、实用性和可靠性,为垃圾土勘察、土方量计算和改善土地性状等提供参考。

“双碳”视角下的5G全生命周期网络节能分析

文章从“双碳”视角出发,分析了5G网络全生命周期的能耗问题,并探讨了相关的节能技术和策略。首先介绍“双碳”目标的重要性,之后重点分析了网络设备及运营过程中能耗现状,进而提出了多项节能技术,针对基站、核心网及网络调度策略提出优化方案,旨在为实现“双碳”目标提供助力。

面向智慧钢铁厂的5G定制网全专业应用研究

5G定制网的技术储备、网络建设、产业规模等经过多年的沉淀发展,与钢铁行业的业务联系不断加强,融合愈发紧密。首先分析智慧钢铁厂场景业务特点和技术要求,然后从无线、传输、接入、核心网等全专业角度总结出一套可以有效适配钢铁行业场景的5G定制网解决方案,以某钢铁厂公司为例进行方案制定和优化,目前该方案已在南京电信推广应用,为智慧钢铁厂5G定制网业务项目提供了有力的支撑。

基于改进PSO的配网自动化全寿命周期成本优化研究

配电网作为电力系统中重要的一部分,提高配网自动化的供电可靠性和电能质量的同时,降低运维、检修成本,提高配电网经济性,是一项有意义的课题。研究了配网自动化运行维护管理的必要性,研究了配网自动化运维全寿命周期成本,基于改进PSO算法对配网自动化全寿命周期成本优化,并通过算例分析验证本文方法的有效性。