【摘 要】
：
重楼是多种中成药的重要原料药材，重楼属植物不同品种药材的形状相似而品质不一，难以鉴别。针对该问题，本文通过体视显微镜采集滇重楼及毛重楼的新鲜根茎横切面显微图像进行鉴别。基于ResNeXt101模型，提出了结合高效通道注意力网络与空间注意力机制的ES-Net模块，将每部分ResNeXt模块的输出进一步输入到ES-Net模块中，并使用mixup方法进行数据增强。实验结果显示改进的模型对两种重楼根茎横切
论文部分内容阅读
重楼是多种中成药的重要原料药材，重楼属植物不同品种药材的形状相似而品质不一，难以鉴别。针对该问题，本文通过体视显微镜采集滇重楼及毛重楼的新鲜根茎横切面显微图像进行鉴别。基于ResNeXt101模型，提出了结合高效通道注意力网络与空间注意力机制的ES-Net模块，将每部分ResNeXt模块的输出进一步输入到ES-Net模块中，并使用mixup方法进行数据增强。实验结果显示改进的模型对两种重楼根茎横切面图像的分类精度最高，为94.95%，比原ResNeXt101模型提高了2.07%。结果表明，提出的ES
其他文献
为了解决观看视角与亮度的相互制约关系，设计了一种基于渐变线光源的集成成像3D显示器，通过设置渐变线光源中每列线光源的宽度，优化微图像阵列中每列图像元的成像光路，建立了3D成像模型，通过几何光学推导了观看视角以及亮度的计算公式；研制了基于渐变线光源的集成成像3D显示实验装置，通过实验验证了可以在保持观看视角的前提下将3D图像的亮度提高为传统集成成像3D显示的4.5倍。
计算机断层扫描技术(Computed Tomography， CT)在胃部疾病的早期筛查、临床诊断、术前预测、术后评估等方面发挥重要作用，是医生诊断胃部疾病的重要依据。针对胃部组织形变大结构复杂，难以精确地对病灶进行分割和T分期的问题，提出了一种多任务卷积神经网络MAA-Net。这种新型的算法包含两条主线：一条主线在多输入的U型结构中进行胃部肿瘤的分割；另一条主线采用密集空洞卷积模块提取深层的特征
随着网络视频的爆炸式增长，视频记忆度成为热点研究方向。视频记忆度是衡量一个视频令人难忘的程度指标，设计自动预测视频记忆度的计算模型有广泛的应用和前景。当前对视频记忆度预测的研究多集中于普遍的视觉特征或语义因素，没有考虑深度特征对视频记忆度的影响。文章着重探索了视频的深度特征，在视频预处理后利用现有的深度估计模型提取深度图，将视频原始图像和深度图一起输入预训练的ResNet152网络来提取深度特征；
现如今用于立体匹配的深度学习算法都存在网络结构复杂、消耗高的问题。为解决此类问题，提出了一种参数量只有PSMNet一半的立体匹配端到端网络结构。在特征提取模块保留大致框架的同时，减少多余卷积层，并融合空间注意力机制和通道注意力机制来汇聚上下文信息；在代价计算模块通过加大偏移步长减少视差计算输入的视差维度，使视差计算的参数量和消耗大幅度降低；在视差计算中将匹配成本特征体的输出进行多视差预测；并在L1
为了进一步提高图像描述生成文本的精度，本文提出一种结合全局-局部特征和注意力机制的图像描述方法。该方法在传统的编码器-解码器模型上进行改进，从整体角度来看，编码器阶段使用残差网络ResNet101提取图像的全局特征和局部特征，以避免对象丢失或对象预测错误问题，在解码器阶段采用嵌入改进后的注意力机制的双向GRU生成文本序列。从局部角度来看，本模型提出的注意力机制是一种独立的循环结构，通过计算图像局部
目的用于CT图像肝脏分割及肝脏肿瘤的分割，临床与人工智能肝癌的筛查、诊断。由于肝脏肿瘤的数量、位置、大小和形状存在显著差异，肿瘤与周围组织之间的对比度较低，因此，肝脏肿瘤分割准确率受到一定限制。为此，本文提出改进DRLSE的分步式肝脏及肿瘤分割方法。方法第一阶段：采用分步式分割方法对肝脏进行分割，(1)采用阈值处理、形态学方法、自适应区域生长方法进行肝脏的粗分割；(2)采用数学形态对分割结果进行优
白浆土是我国东北地区主要耕作土壤之一，因其酸、粘、厚、重等问题影响作物产量。本文分析了施不同量生物炭（C_(0)、C_(1)、C_(2)、C_(3)）及有机肥（OM）对白浆土理化性质及玉米产量的影响。两年的试验结果表明：与常规对照（C_(0)）相比，施15000 kg/hm~(2)生物炭（C_(1)）对玉米增产不显著，施用高量生物炭（C_(2)、C_(3)）和有机肥均增产，最高增产31.3%，但C
在眼底图像自动分析中，视盘与黄斑的定位是实现利用计算机辅助诊断或筛查糖尿病视网膜病变的先决条件。本文提出一种实现眼底图像中视盘与黄斑同时定位检测的新方法，首先使用YOLOv4-tiny算法定位检测，接着将该算法移植到现场可编程逻辑门阵列（FieldProgrammableGateArray，FPGA）。与传统方法相比，该方法不仅可以快速准确地同时定位眼底图像中视盘和黄斑的位置，而且也是利用高层综合
年龄变化是影响人脸识别模型性能的主要原因之一，为解决年龄变化所带来的模型识别率低的问题，提出一种基于深度学习的跨年龄人脸识别模型（CA-CNN）。首先，利用卷积神经网络提取人脸图像中的深度人脸特征，提出一种高效的卷积注意力模块从深度人脸特征中获取年龄特征，结合多层感知机和多任务监督学习，将深度人脸特征非线性分解为年龄特征和身份特征，为使身份特征和年龄特征更好的区分开来，提出批核典型相关性分析模块对
人体行为识别一直是计算机视觉研究中的热点，随着近几年人体行为识别在虚拟现实、短视频等方面的广泛应用，深度学习算法的快速发展，基于深度学习的行为识别算法层出不穷。相较于传统方法，基于深度学习的行为识别算法具有鲁棒性强、准确率高的优点。基于此，本文对近年来提出的基于深度学习的行为识别算法进行了梳理，并对由双流卷积网络和3D卷积网络两个网络结构发展而来的行为识别的系列算法进行了重点介绍，并总结了各个模型