课程文献中心 更多>>

关键词： 缺陷识别   合并卷积   损失函数   召回率   精确率  

摘要： 针对X射线图像人工评定过程中存在劳动强度大、检测效率低等问题,提出一种基于Cascade-RCNN网络改进的多尺度目标检测网络CCBFE-RCNN模型,采用合并卷积层结构和FPN特征金字塔网络提升模型特征提取的尺度范围,增强了模型对于多尺度特征的提取能力;使用BFE特征批量消除网络,随机消除特征图区域,避免多次训练过程中的过拟合问题并强化了特征区域表达,同时对损失函数进行改进,对模型没有准确识别出含缺陷图像加大惩罚.通过构建并扩充熔焊焊缝X射线图像数据集,对模型进行测试.结果表明,CCBFE-RCNN缺陷检测模型全类别召回率均值、全类别精确率均值为93.09%和91.92%,与Cascade-RCNN网络模型相比平均召回率提升5.16%,平均精确率提升5.27%.并使用工业缺陷检测数据集对CCBFE-RCNN模型进行测试,验证了模型的泛化能力,可为焊缝缺陷智能化识别提供算法支撑.

关键词： 被动雷达   无源定位   两步加权最小二乘   泰勒展开   质心定位  

摘要： 针对两步加权最小二乘(two stage weighted least squares,TSWLS)算法在复杂场景下对运动辐射源定位不精确、观测站位置和目标位置的几何关系与精度相关的问题,提出一种基于泰勒展开与两步加权最小二乘联合的运动目标被动雷达质心无源定位算法。该方法首先利用两步加权最小二乘算法求解目标的位置与速度;再将所获得的目标参数作为泰勒展开的初始值构造定位误差方程,并通过迭代对目标寻优求解;最后利用联合算法和两步加权最小二乘算法分别获得估计值,对两次估计值进行质心定位得到最终结果。仿真实验表明,无论目标处于高速还是低速状态下,相较于传统的两步加权最小二乘算法和加权最小二乘(weighted least squares,WLS)算法,本文所提算法在鲁棒性和定位精度方面均有较大提高,且降低了观测站位置和目标位置几何关系对定位精度的影响。

关键词： 锥形束CT   CycleGAN   感知损失   Elastix   图像合成  

摘要： 目的:使用深度学习算法通过学习肺部CT域图像特征,将锥形束CT(CBCT)合成高质量伪CT(sCT)图像。方法:本研究提出一种基于感知损失的循环生成式对抗网络模型(CycleGAN)和迭代配准的sCT生成算法,首先,结合感知损失和循环一致性损失来训练CycleGAN模型生成高质量的sCT图像,然后,利用Elastix配准工具对所生成的sCT图像和计划CT(pCT)图像进行配准,并用来迭代CycleGAN生成器模型。结果:在获取到的70例肺部肿瘤患者的pCT与CBCT数据上进行实验,从定量指标上看,利用本算法生成的sCT与pCT对比的结构相似度指标比CBCT与pCT对比的提升了11.9%,由0.825上升到0.923,均方绝对误差由110.97 HU降至78.62 HU,峰值信噪比由32.21 dB上升到34.74 dB,互信息由1.187上升到1.418。可视化评估中可见该算法大幅度消除了CBCT切片的散射伪影,突显骨质结构同时也修复了软组织结构。通过与当下流行的U-CycleGAN,R-CycleGAN和CUT模型对比,说明了本算法的有效性。结论:本文算法生成sCT图像能够有效减小CBCT与pCT间的剂量误差与结构误差,使其应用于精准的剂量计算,辅助医生的临床放疗诊断成为可能。

关键词： 加速度传感器   手势识别   特征提取   BP神经网络   决策树  

摘要： 文章详尽阐述了手势识别的基本原理与方法,通过对加速度数据的采集、预处理以及特征提取,运用BP神经网络并构建决策树来实现手势识别。试验结果表明,文章提出的算法具有很高的准确性和可靠性,为手势识别技术的发展提供了宝贵的参考依据。

关键词： 参政议政   大数据分析   服务热线   数据管理   政务服务   提案   治理变革   民盟  

摘要： 过去五年来,民盟北京市委主动融入首都深化接诉即办改革实践,与北京市政务服务和数据管理局达成战略合作,首创“大数据分析+专业化深耕”的履职模式,在每年共同开展市民服务热线数据分析的基础上,形成党派提案,取得良好参政议政效果和社会效果。

关键词： YOLOv5   线束连接器   Focal-EIOU损失函数   双向特征金字塔网络(BiFPN)自动装配  

摘要： 针对线束连接器自动装配系统的设计需求,提出了一种改进的YOLOv5目标检测算法。通过现场图像采集创建数据集后,对原有模型进行修改:替换C3模块为C2f以提高检测的准确性和鲁棒性,采用Focal-EIOU损失函数来调整难易样本权重并增强对连接器插孔的关注度,引入双向特征金字塔网络来优化多尺度特征融合效率。经过这些改进,模型的检测精度提升至98.0%,相比原模型提升了3.4%,满足了自动装配系统的设计需求。

关键词： 车辆检测   多尺度特征融合   注意力机制   Soft-CIOU损失函数   YOLOv4   深度学习   目标检测   小目标  

摘要： 在交通监控中进行车辆检测过程时,存在车辆互相遮挡和远距离目标尺寸不足的问题,导致在检测中存在漏检和误检情况。针对此问题,文中提出一种基于YOLOv4(You Only Look Once version 4)的多尺度融合与注意力机制的交通车辆检测算法。在YOLOv4的路径聚合网络中增加一个新的特征层进行多尺度特征融合,提升模型对底层纹理特征的提取能力。在YOLO Head检测头前嵌入ECA(Efficient Channel Attention)通道注意力模块,对聚合后的特征进行合理的抑制和增强,将CIoU(Complete Intersection over Union)损失函数替换为Soft-CIoU损失函数,提高小目标车辆对损失函数的贡献度。在公开车辆数据集UA-DETRAC与KITTI中的实验结果表明,相较于原YOLOv4算法,所提算法的平均精度分别提升了2.45百分点和1.14百分点,检测速度达到41.67 frame·s^(-1)。相较于其他先进算法,所提算法在检测精度上表现良好。

关键词： 医院   医疗设备管理   维护保养技术  

摘要： 医院医疗设备管理及维护保养是指对医疗设备进行全面有效的管理和定期的维护保养,以确保医疗设备的安全、可靠和有效运行,这一领域涉及到多个方面的知识和技能,包括设备的选购、安装调试、日常管理、定期维护保养、紧急维修等。尤其是定期维护保养可以有效延长设备的使用寿命,减少设备的故障率,并且确保设备的安全可靠性。医院需要建立完善的维护保养计划,并且配备专业的维护人员,定期对设备进行检查、清洁、校准、保养等操作,确保设备的正常运行。本次研究先分析医院医疗设备管理及维护保养的必要性,然后阐述医院医疗设备管理及维护保养存在的问题,最后研究医院医疗设备管理策略优化建议以及维护保养技术的应用。

关键词： 四旋翼无人机   多传感器   室内环境   位置定位   融合算法   激光雷达  

摘要： 针对缺乏明显位置标识的室内环境,为实现无人机的精确定位,提出了一种多传感器融合算法。该算法综合运用了中值滤波、阈值分割、投影变换、最小二乘法等手段,以实现无人机位置和位姿的精确估计。通过一系列实验,对所提出的算法与模拟算法进行了对比分析,验证了所提算法的准确性,并完成了四旋翼无人机在室内环境下的初步定位任务。

关键词： 深度强化学习   交通信号控制   时序预测   蓄水池抽样算法   长短期记忆  

摘要： 为了应对交通拥堵而设计的高效交通信号控制算法能提升现有交通网络下的车辆通行效率。尽管深度强化学习算法在单路口交通信号控制问题上已展现出卓越的性能,然而这些算法在多路口环境下的应用仍然面临着重大的挑战——多智能体强化学习(MARL)算法产生的时间和空间的部分可观测性引发的非平稳性问题会导致这些算法无法稳定的收敛。因此,提出一种基于全局状态预测与公平经验重放的多路口交通信号控制算法IS-DQN。一方面,基于不同车道的车流历史信息预测多路口的全局状态,从而扩展IS-DQN的状态空间,以避免算法产生空间部分可观测性而带来非平稳性问题;另一方面,为应对传统经验重放策略的时间部分可观测性,采用蓄水池抽样算法来保证经验重放池的公正性,进而避免其中的非平稳性问题。在复杂的多路口环境下应用IS-DQN算法进行3种不同的交通压力仿真实验的结果表明:在不同交通流情况下,尤其是在中低交通流量下,相较于独立的深度强化学习算法,ISDQN算法能得到更短的车辆平均行驶时间,并表现出了更优的收敛性能与收敛稳定性。