论文部分内容阅读
踔厉奋发追新梦 扬“钒”启航踏新程
【机 构】
：
中国冶金报
【出 处】
：
中国冶金报
【发表日期】
：
2022年01期
其他文献
针对石煤沸腾焙烧料提钒原料差异大、工艺流程过长、钒回收率低（大多低于60%）、成本偏高等问题，采用拌酸熟化浸出-氧化中和-离子交换-铵盐沉钒-煅烧的工艺路线提钒。实验结果表明，在硫酸用量为原料质量的20%、熟化温度100℃、熟化时间6 h的条件下，石煤沸腾焙烧料中的钒浸出率达到90.2%,最终制备得到的产品V2O5粉末质量稳定可靠，达到了行业标准水平。该工艺流程短，工程建设投资低、钒回收率高、提钒
期刊
为提升卷积神经网络用于阿尔兹海默症MRI图像分类的效果，提出一种融合自适应注意力机制和数据增强技术的卷积神经网络FAMENET。通过引入数据增强技术和Focal Loss损失函数缓解数据不平衡现象；重构优化主干网络EfficientNet，在保持精度的情况下减少模型参数量和网络的计算量；引入自适应注意力机制，解决输入图片进行特征提取下采样过程导致的信息丢失问题。在公开数据集进行大量对比实验，FAM
期刊
＜正＞ （一）关于第四纪哺乳动物体型增大的问题,早已引起了古生物学家的注意,特别是对于欧洲的第四纪哺乳动物。欧洲在第四纪的时候,曾有大陆冰川出现,气候寒冷,于是一些古生物学家根据博格曼的定律（Bergmann’s Law）,而解释第四纪哺乳动物的体型增大,是
期刊
针对传统卷积神经网络模型复杂度高、参数量大，网络分类的精度和效率不佳等问题，提出一种应用于医学超声图像中肝硬化识别的深度学习方法（E-EfficientNet）。在EfficientNet网络模型中，将模块MBConv中的注意力机制SENet模块替换为一种不降维的ECANet模块，避免降维操作导致的特征信息缺失，增强通道学习能力并降低模型复杂度；将可变形卷积融入EfficientNet网络，利用可
期刊
为提高临床上对肺炎X射线图像诊断的效率及准确率，本研究基于EfficientNet网络模型，融合卷积注意力模块（convolutional block attention module, CBAM）提出了一种识别肺炎和正常图像的分类算法。首先，对数据进行增强以防止过拟合现象；其次，通过CBAM模块提升网络对肺炎病灶区的特征提取能力；最后，使用迁移学习加速网络训练，以提升分类性能。结果表明，该算法分
期刊
目的 提出一种基于深度网络特征融合的分类方法，以提高良恶性分类的准确率，辅助医生提高术前诊断卵巢包块良恶性的准确率。方法 纳入深圳市人民医院943幅经活检、手术病理等证实的患者术前卵巢超声图像，按照6∶2∶2的比例随机设置训练集、验证集和测试集。首先，提取医生勾画的感兴趣区域（region of interest,ROI）即包块图，用微调后的EfficientNet网络提取其深度特征；然后用基于C
期刊
目的 ：为实现对超声图像乳腺肿瘤准确、高效地分割，提出一种融合EfficientNet和U-Net的分割方法。方法：首先将U-Net的编码器替换成EfficientNet B4中的特征提取网络，然后引入Dice损失函数和边界损失函数，再以一定权重与交叉熵损失函数组合后得到复合损失函数，最后将EfficientNet B4在数据集ImageNet上的训练权重作为预训练权重，在公开数据集Dataset
期刊