论文部分内容阅读
基于多决策融合与注意力机制的皮肤病理图像分类研究
【摘 要】
：
随着人工智能技术的发展,深度学习在图像分类领域取得了巨大的突破,其成功的关键在于拥有大规模的训练数据,然而大型已标注的医疗数据集难以获取,如何利用少量的医疗数据样本让分类模型快速收敛已经成为研究热点。现阶段多是通过数据增强改善样本匮乏的问题,忽略了病理图像自身携带的信息量对分类性能的影响,导致模型训练不仅需要海量的数据,还耗费更多的时间。因此,研究如何通过有限的医疗数据得到更快更好的病理图像分类效
【机 构】
：
武汉理工大学
【出 处】
：
武汉理工大学
【发表日期】
：
2020年01期
【基金项目】
：
其他文献
1 明天就是清明节了。 乔米和大治他们要休息三天，除了清明法定休息日外，正好赶上了周六、周日，加在一起就是三天。几乎所有单位都喜欢这么办，把三天时间连在一起让人们休息、让人们去玩，倒好像是他们给了人们什么大福利。人们也乐意这样，三天足以出去玩玩了，比如说，去比较远的地方。 乔米说他想吃点东西。等乔米离开窗口去了厨房，大治从床上跳了下来，对面楼的许多窗口竟然都亮起了灯，这是很少有的事。窗台上放
期刊
重型机床在机械加工自动化中扮演着重要的角色,近年来随着生产工艺的进步和产品复杂度的提高,其加工精度更是要求精益求精。研究表明,重型机床最关键的误差来源是热误差,因此有必要采取有效的措施减少热误差。数据驱动的热误差建模方法被广泛用于补偿系统中以提高机床的加工精度。但在实际应用中,机床采集的数据由于受到成本、环境、工况复杂性和安全性等实验条件限制,导致不同工况下的可用数据集存在不均衡性。对于数据较少的
工业云机器人通过整合各地分布式工业机器人资源以支持多资源服务需求的复杂任务处理,制造能力评估是确定最优的资源服务组合进而实现工业云机器人资源增殖的重要手段和关键一环。然而,传统评估方法由于缺乏对机器人组合内关联关系的研究,忽略了机器人个体制造能力关联在任务执行过程中产生的正负协同效应,造成机器人个体制造能力对组合整体制造能力的影响作用无法被全面、有效地了解。此外,制造业资源消耗过度与环境污染严重等
以弱光栅阵列为载体构建的波长解调系统因大容量、高精度的优势成为了目前结构安全监测领域的首选目标和发展方向。大规模物联组网的推广以及分布式监测需求的不断提高对弱光栅阵列波长解调系统的各项性能指标提出了更高的要求,如何改善系统的解调性能成为了当前分布式光纤传感领域的研究热点。弱光栅阵列的波长解调算法主要由信号降噪和峰值检测两部分构成,对弱光栅阵列波长解调系统的解调性能起着至关重要的作用。本文结合深度学
随着通信网络基础设施的高速发展,互联网规模不断扩大。网络资源需求的快速增长对流量的调度能力提出了严格的要求,流量工程问题日益重要。通过网络架构的进一步创新,充分利用流量工程技术方案来提高网络吞吐量,提高数据流传输性能,保证网络的可用性和可靠性。本文结合分段路由(Segment Routing,SR)和软件定义网络(Software-Defined Networking,SDN),对实际流量工程中涉
随着科技的快速发展,诸多空间可伸展的柔性线状结构现已广泛应用于侵入式医疗领域,通过内窥镜、导管或者医生引导的机器人进入人体内进行微创手术,可减少病患疼痛、降低感染风险。在内窥镜、微创导管等医疗器械的使用过程中,手术管弯曲路径及弯曲程度的不可视性增大了医护人员的操作难度和手术风险,因此,对侵入式手术导管的实时路径追踪及其形态感知至关重要。目前,传统的基于磁场、超声波、应变片等形态感知技术存在着易受电
随着无线通信技术的发展,网络日益产生的巨大能耗已成为全球能源消耗的主要来源之一。解决高能耗问题的关键在于如何高效智能地提升网络能效,一方面,在超密集异构网络底层合理部署微基站,能有效减少能量损耗;另一方面,利用智能表面这一新兴的无线传播技术,结合其相位控制能有效提高网络性能。因此,如何合理地规划无线通信环境中的基站部署,以及如何高效地配置智能表面辅助的无线传播环境是目前亟待解决的问题。针对无线通信
【摘要】高等学校是为国家培养人才的重要基地，承担着非常艰巨的任务，这其中就包括立德树人。立德树人的教育任务不仅要依靠思政教育，更要贯穿到每一科的教学过程中去，因此，在高校英语教学中融入思政是很重要的。大学生的必修课程里就包括大学英语，在英语教材里挖掘思政元素于教师来说可以应用到自己的教学中，帮助自己提升思政教学的质量。每个教师的任务不止是教书还要教育学生，教师可以树立正确的目标，帮助自己成为优秀教
期刊
随着城市化进程的加快以及交通的便利,人群聚集的情况发生越来越频繁,有限的活动空间难以容纳大量的行人,这就带来了很多安全问题。因此,及时地掌握场景中的人群信息就显得很有必要。这些人群信息可以为人们提供有价值的参考,帮助人们做出更合理的安排,提高工作效率,也可以保证大众的安全出行。可见,对该领域的研究有很大的应用价值。在深度学习迅速发展的影响下,卷积神经网络也被运用到人群计数领域,基于卷积神经网络的估