【摘 要】
：
白带显微图像中白细胞的数量可以提示阴道炎症的严重程度。目前对白带中白细胞的检测主要依靠医学专家们的人工镜检,这种人工检查耗时、昂贵且容易出错。近年来,有研究提出基于深度学习技术对白带白细胞实现智能检测,但是这类方法通常需要人工标注大量的样本作为训练集,标注代价高。因此,本研究提出运用深度主动学习算法来实现对白带显微图像中白细胞的智能检测。在主动学习框架下,首先以少量的标注样本作为基础训练集,采用更
论文部分内容阅读
白带显微图像中白细胞的数量可以提示阴道炎症的严重程度。目前对白带中白细胞的检测主要依靠医学专家们的人工镜检,这种人工检查耗时、昂贵且容易出错。近年来,有研究提出基于深度学习技术对白带白细胞实现智能检测,但是这类方法通常需要人工标注大量的样本作为训练集,标注代价高。因此,本研究提出运用深度主动学习算法来实现对白带显微图像中白细胞的智能检测。在主动学习框架下,首先以少量的标注样本作为基础训练集,采用更快的卷积神经网络(Faster R-CNN)训练检测模型,再自动挑选最有价值的样本进行人工标注,从而迭代
其他文献
由于CT设备的螺旋层数低会使临床影像诊断时的影像清晰度降低,因此提出了64层螺旋CT设备在临床影像诊断中的应用研究。根据64层螺旋CT设备的工作原理,构建了半扫描图像重建算法,得到临床影像诊断的迭代格式,并确定了半扫描图像重建算法流程图,根据重建的临床影像投影数据分析了临床影像的投影,实现了64层螺旋CT设备在临床影像诊断中的应用。实验结果表明,与其他三种诊断方法相比,基于64层螺旋CT设备的临床
将图像跟踪处理技术应用在焊接上对于解放工人一线生产有着极其重要的使用价值,而焊缝跟踪偏差必须控制在工况需求内,对于图像算法精确性有着较高的要求。然而图像跟踪极容易受到外界各类因素影响,如震动、弧光、断点等。本算法着重解决了采集图像在可控范围内因飞溅造成的断点修补问题,减少断点处两端点对采集特征点的影响,提高焊接精度。基于OpenCV,通过二值图像距离变换后的二次阈值分割和改进后的Hilditch算
为解决传统民航安保方法对物不对人带来的局限性,提升安保措施的有效性和安保水平,提出了以人为核心的民航旅客异常行为识别技术,以及基于层次分析法和证据理论的旅客危险性评价方法。首先通过对大量实际案例的分析总结,归纳得出具体的识别指征,构建民航旅客异常行为识别指标体系;之后利用层次分析法与证据理论相结合的方法,对旅客的危险性进行评价判断,以达到识别潜在危险人员、对突发事件监控和预警的目的。最后通过实际案
通过对中国钢企应急防控系统应用现状的分析,基于钢铁企业应急防控工作中人员信息采集的需求,设计了基于神经网络人脸识别的钢企应急防控系统,该系统充分利用数字通信交换、数字视频、计算机网络等先进技术,实现人员信息的准确采集,为实时、高效应急防控提供了可靠的平台。
针对目前樱桃分级主要依靠人力和分级效率低下等问题,基于计算机视觉技术提出了一种欧氏距离法,以区分正常樱桃和畸形樱桃。首先,对原图进行图像处理,分别提取果体、果梗边缘信息;其次,以果蒂为基点,顺时针依次与果体边界计算欧氏距离,并绘制欧氏距离波形图;然后,根据波形图波谷深浅程度判定樱桃果形是否畸形;最后,将畸形果剔除后,对正常果进行尺寸分级。试验表明,欧氏距离法能100%检测出畸形果,且尺寸分级准确率
在互联网时代,现实物质世界和网络虚拟世界是相对独立和平行发展的,双方会基于某种方式或者媒介渗透影响,但两者发展轨迹相对独立;在物联网时代,现实物质世界和网络虚拟世界将会基于物联网技术融为一体,共同发展,现实物质世界将会在网络上呈现,网络虚拟世界将会与现实世界产生对应关系。在物联网的未来发展中,安全运行技术和安全防护措施,将会变得尤为重要,因其关系到物联网的网络安全以及现实安全。《物联网安全理论与技
人体运动疲劳是生产生活领域亟待解决的问题,运动疲劳检测可以提高生产效率和生活质量。针对传统穿戴式传感器成本高、贴附性差、无法大规模推广的问题,开发了基于光学动作采集系统的运动疲劳检测系统,该系统通过光学动作采集系统采集运动图像,利用部位置信映射与部位联系场提取人体运动状态,使用卷积神经网络分析人体运动状态,从而实现疲劳检测的目的。结果表明,该系统疲劳检测准确率达到93.3%,具有一定的实用价值。
大规模数据集推动了基于深度卷积神经网络情感分析的快速发展。但是,注释大规模数据集既昂贵又耗时。相反,从网络中很容易获得弱标注的Web图像。当直接使用Web图像训练深度学习模型时,嘈杂标签会导致性能急剧下降。针对这种情况,提出一种端到端的弱监督学习结构,该结构对于弱标签的Web图像具有鲁棒性。具体地说,该注意力模块通过降低训练过程中注意力得分,自动抑制带有错误标签样本的负面影响。另外,在弱监督学习方
为了解决如何从背景中把感兴趣的桥梁病害区域以像素级精度识别出来的问题,本文针对混凝土裂缝、钢材锈蚀、表面涂层脱落、混凝土掉块4种桥梁局部病害形式,提出了一种基于深度学习语义分割的桥梁病害图像像素级识别方法,通过构建由一系列功能层组成的深度卷积神经网络(包括卷积层、批归一化层、非线性激活层、最大池化层、反卷积层、全连接层、softmax分类层等),实现像素级的病害区域识别。以考虑不平衡数据处理的像素
为了提升无人驾驶汽车对于外界环境感知的能力,本文提出了一种级联式神经网络框架对虚拟环境中的路标进行检测与分类。该框架将添加了辅助结构的全卷积神经网络与改进后的经典LeNet-5网络进行组合,在处理所提取出的路标区域边缘不平整以及产生杂项问题上使用传统的腐蚀膨胀开运算图像处理算子进行优化和解决,实现虚拟道路图像中雨雪等多种情况下的多类路标进行定位与识别。通过与经典的不变矩特征、ORB全局特征提取方法