基于ANNet网络的RGB-D图像的目标检测

由于深度图像采集设备的广泛使用,使得利用RGB-D图像进行目标检测成为计算机视觉领域研究热点。为了使得利用卷积神经网络所提取的特征更具有鲁棒性,设计了一种改进的卷积神经网络(本文称为ANNet),以提高检测准确率。为了提高卷积层中局部感受区域的模型分辨能力,针对AlexN et网络中卷积层中卷积核与下层数据块的线性特性,将部分卷积层改进为带有多层感知机的非线性卷积层。在NYUD2数据集上实验,结果表明,使用改进后的网络结构,在彩色图像上的检测结果提升了3%,在RGB-D图像上的检测结果提升了4%。

基于CDIO标准的高职IT类.NET网络应用开发课程群教学设计

结合CDIO12条标准,阐述对高职.NET网络应用开发课程群进行的重新设计,包括教育环境、课程群目标、教学内容、实训体系、教学模式与考核模式等方面。

基于生产/消费模式的Controtl Net网络技术

在对生产者/消费者通信模式概述的基础上 ,详细介绍了ControlNet网络的特点、通信协议及通信模式 ,最后指出其在面向工业自动化网络体系中无缝桥接的作用。

项目导向任务驱动的.NET网络应用课程开发实施研究

."NET网络应用"是计算机网络专业的一门专业核心课程,实践性很强。探讨对该课程采用"项目导向,任务驱动"的教学模式,将一个企业的真实项目作为教学活动的载体,实现学科知识的解构与重构,项目中分若干任务,项目开发结束即可完成所有.NET知识点的学习。学生在完成项目和任务的过程中体验成功的喜悦,激发学习热情,促进个性发展,锻炼实践操作、团队合作等方面的综合能力。

独立学院《ASP.NET网络编程入门》课程的教学实践与思考

独立学院的教育正蓬勃发展,为适应独立学院应用型人才培养的要求,本文对《ASP.NET网络编程入门》的课程教学进行了探讨,分别对本学院的课时安排、教学实践、平时成绩考核、实验安排和期末考核等方面作了讨论,最后做了总结。

一种基于U⁃Net网络心脏MR图像左室识别的图割后处理快速算法

为了从心脏MR图像中分割出左心室,提出了一种基于U⁃Net网络的图割后处理算法。先训练U⁃Net网络分割网络得到概率图,接着采用图割算法进行后处理。为了减少图割算法运行时间,采用图像形态学操作去除无需后处理区域,只保留分割结果的边缘区域进行图割优化。采用Dice系数和召回率这两种评价指标,在Sunnybrook数据集上的实验结果表明,该算法结果的边缘更接近标准分割结果,且具有较高的Dice系数、召回率和时间效率。

基于SE-Res2Net网络的宫颈癌超声肿瘤特征提取技术

为了有效提高宫颈癌的诊断准确率,提出一种基于SE-Res2Net网络的宫颈癌超声肿瘤特征提取技术。在YOLOv3算法模型的基础上,将SE模块嵌入Res2Net网络中,创建一种能够替换原特征提取网络的SE-Res2Net网络,使模型的特征提取能力得到提升。利用重新构建的下采样模块,保证了下采样操作后信息的完整性。将密集连接网络与残差连接网络相结合,组建Res-DenseNet网络以改进YOLOv3模型的原有残差连接方式。实验结果表明,该方法的性能明显优于传统YOLOv3算法,适于在临床诊断中普及应用。

基于改进F3Net网络的显著性目标检测

针对F3Net网络中因特征抽取导致的空间分辨率损失问题,采用一种锥体卷积和感受野模块相结合的方法,有效减少空间分辨率的损失.该方法中锥体卷积能够以不同深度或大小的卷积核并行处理输入图像,从而考虑不同级别空间的上下文依赖关系.此外,编码器提取的最高层特征在通过感受野模块后可以捕获更多的目标细节.实验结果表明,改进后的F3Net网络生成的图像质量明显提高,检测性能得到改善.

基于ASP.NET开发的网络课程安全设计

目前,由于网络课程的开发过程很少考虑网络安全的要素,或者考虑并不全面,从而对网络安全的运行产生很大的安全威胁。该文通过考察基于asp.net设计的网络课程架构,分析了各层次间可能存在的安全隐患,提出解决问题的方案,旨在从网络安全的角度来考虑网络课程的设计。

基于.NET的网络教学平台设计及实现

ASP.NET是基于Windows平台的Web应用程序开发技术。以《计算机网络》课程为例,介绍了一种基于.NET框架的远程网络教学平台的设计与实现方案,着重讨论了学习系统和交流系统的动态管理功能的实现。

基于.NET的“网络集邮”系统设计与实现

为克服传统集邮模式的缺点,使广大的邮票爱好者有一个更加方便的集邮和交流平台,该文针对此开发软件设计一款可以方便地交流、鉴赏、互换、购买自己喜欢的邮票及附属产品的软件,采用C#和SQL语言、ASP.NET和Ajax局部的实时刷新技术、B/S设计模式,实现一个小型B2C集邮网站。该系统改变了传统集邮模式,大大提高了集邮效率和邮票信息获取速度。

基于Res2-UNet模型的皮带煤量检测

为了能够检测煤矿井下的煤量,预测和提高煤的利用率,同时节省电能,减少人力的监管和资源成本。利用煤矿安装的视频监控系统,采用非接触的方式通过Camshift算法对快速运动皮带上的煤量捕捉和跟踪,然后建立Res2-UNet模型来获得显著性信息,融合灰度、纹理、边缘等特征到单一的网络中,实现了皮带煤量的检测。模型利用U-Net网络的思想以编码器-解码器为架构,编码器以Res2Net网络为骨干网络提取煤流不同层次特征的信息,解码器通过反卷积上采样操作恢复图像尺寸。经过构建皮带数据集训练和测试模型,实验结果表明,提出的方法能够快速准确地检测出皮带上的煤料,精确率达到95.5%,每张图像从输入网络到输出的运行时间为4.8s。表明该方法具有一定的实用性和有效性。

人工智能在根尖周囊肿病理诊断中的初步应用

目的研究人工智能应用于根尖周囊肿病理诊断的效果,初步探索人工智能在口腔病理学领域中的应用。方法以87例根尖周囊肿的病理图像作为研究对象,构建U-net型结构的神经网络,将87幅根尖周囊肿的HE图像和标注图像分为训练集72幅图和测试集15幅图,分别用于训练模型和测试模型,最后利用目标级指标F1分数和像素级指标Dice系数以及受试者工作特征(receiver operating characteristic,ROC)曲线评价U-net网络模型在根尖周囊肿上皮识别中的能力。结果U-net网络模型识别根尖周囊肿上皮的性能:F1分数为0.75,Dice系数为0.685,ROC曲线下面积为0.878。结论通过人工智能构建的U-net网络模型在识别根尖周囊肿上皮时具有较好的分割结果,能够初步应用于根尖周囊肿的病理诊断,有望进一步大样本验证后逐步推广于临床。

基于CAU⁃Net的肺部影像分割算法

在现有的医学图像分割网络中,U⁃Net已在肺部影像分割中成功应用。为了充分利用全卷积U⁃Net网络提取到的肺实质特征,改善肺分割的效果,提出一种融合通道注意力的CAU⁃Net肺分割算法。将通过跳跃连接网络融合的浅层和深层特征输入通道注意力,进行像素级别的特征权重分配以提升模型对特定特征信息的权重,让感受野内分割的主要特征更突出,网络层级对特征的学习更加专注。在Kaggle竞赛的肺分割数据集上进行了实验,所提算法在测试数据集的肺实质分割中精确率达99.4%,准确率达97.8%,相似度达96.9%,敏感度达99.1%,特异性达99.5%,结果表明,该算法能够对肺部区域进行有效分割。

浅谈高校人事网上招聘系统的设计与实现

基于高校人事招聘工作的发展现状及网络技术的迅猛发展,我们应用ASP.NET网络技术及SQLServer数据库技术,开发了高校人事网上招聘系统,旨在增强招聘工作的透明性,提高工作效率,完善用人的监督机制,使招聘工作更加公开、公平、公正。本文详细介绍了高校网上招聘系统的设计与实现过程,以此推进高校人事招聘工作更加科学、规范。

岩渣分类边缘终端轻量化算法研究

为达到掘进过程中掘进机可实时预测前方地质状况的目的,以实际工程案例的岩渣图片数据为基础,分析传统神经网络模型的结构特征,自主设计轻量化网络模型,并对岩渣图片进行训练,使用岩渣图像数据调整Mobilenet轻量化网络模型参数。结果表明:1)传统的神经网络算法参数量多,占用内存量大,无法在现场部署算力有限的岩渣识别边缘终端,而自主设计的轻量化网络可以满足现场岩渣图像分类准确性的要求;2)Mobilenet轻量化网络模型比传统网络模型减少了80%~90%的计算量,但岩渣图像分类准确性达到97%。

IHI四辊压延机驱动控制系统升级改造

主要介绍了利用AB厂家的PF753系列矢量控制变频器,升级改造原RELIANCE厂家的GV3000矢量变频器驱动控制系统,使得钢丝压延生产线的故障率大大降低,提高了生产的稳定性,保证了全公司生产计划的顺利执行。

国际互联网——当今世界的热门话题(连载之一)

国际互联网(Internet)始于1969年,当时美国政府为进行实验而建立了APPANET网络,属于美国国防部,1972年后才开始转为民用。目前Internett已通达150多个国家和地区,网上运行的计算机约为380多万台,用户多达6000多万个。预计到今年年底全球连接Internet的个人电脑数将达到8200万台,比去年增加71％。