【摘 要】
：
乳腺超声图像具有肿瘤大小形态多变、阴影较多、边界模糊等特点，经典U-Net的乳腺肿瘤分割结果与标注图像出入较大。对此，本文提出其改进网络MultiMixU-Net。该网络在U-Net结构中引入MultiMix block以及Respath。MultiMix block通过空洞卷积通路提高网络区分目标以及背景的能力，并通过级联该通路中各卷积层输出，融合普通卷积通路的输出来提取多尺度特征信息。Resp
论文部分内容阅读
乳腺超声图像具有肿瘤大小形态多变、阴影较多、边界模糊等特点，经典U-Net的乳腺肿瘤分割结果与标注图像出入较大。对此，本文提出其改进网络MultiMixU-Net。该网络在U-Net结构中引入MultiMix block以及Respath。MultiMix block通过空洞卷积通路提高网络区分目标以及背景的能力，并通过级联该通路中各卷积层输出，融合普通卷积通路的输出来提取多尺度特征信息。Respath的改进部署使网络中收缩路径与扩张路径之间对应特征信息的传递更加有效。该改进网络在公开的超声乳腺肿瘤
其他文献
深度学习已成为点云分析的主要方法，但是现有方法在点云特征抽象时无法充分参考局部形状信息，因此对局部形状变化感知的鲁棒性较差，难以针对形状特征生成合适的卷积核。为此，我们提出了局部关系卷积（Local Relation Convolution，LRConv），一种通过全面局部关系感知形状特征的卷积算子。首先，参考点云局部中所有邻域点之间的低维空间关系，定义了一种不依赖于点的顺序与刚性变换的局部关系描
面对互联网服务自动化的需求，一类Trigger-Action Programming pattern（TAP）的自动化驱动应用受到用户的好评。然而新手在使用这类应用时往往不能顺利的找到需求的服务。因此，本文提出了一种基于文本融合的物联网TAP服务推荐方法。该方法将文本融入异构信息网络中并设计元路径和关系权重，最终训练生成神经网络模型寻找物联网中相关联的对象，从而通过分析一段文本对服务进行推荐。实验
土壤水分是重要的水文参数，也是水循环、气候变化等研究的基本要素。利用中国气象局新一代自动土壤水分加密观测网逐小时土壤水分观测数据，分析2013—2019年华北地区土壤水分的时空分布和变化趋势，及其与降水和温度的关系。结果表明：研究期间，华北地区10～100 cm土层土壤水分整体呈波动下降趋势，尤以100 cm根区土壤水分减少最明显。华北地区不同深度土壤水分空间分布均呈东南高、西北低的特征。10 c
实时检测并获取养殖鱼群的健康状态是规模化渔业养殖实现精准、绿色养殖和可持续发展的关键技术之一,其中实时识别病死鱼并及时收集处理更是减轻养殖水域污染、防止病害扩散、降低养殖风险的有效举措。然而在复杂的浅滩环境中,如光照变化、目标重叠、位置不稳定以及水雾造成模糊,使病死金鲳鱼实时识别并收集非常具有挑战性。本研究提出一种基于YOLOv4-v1的改进算法,在PANet模块中集成自定义Super网络,对输入
城乡融合区是城市与农村的连接区域，是城市农产品最重要供给区，其土壤地球化学性质影响因素复杂。为此，以四川省天府新区青龙融合区为研究对象，共采集了395个土壤样品，测定了pH值、有机质（SOM）、全钾（TK）、速效钾（AK）、全氮（TN）、碱解氮（AN）、全磷（TP）、有效磷（AP）、Se、B、V、Zn、Mn、Mo、Ni、Co、As、Cd、Cr、Cu、Hg和Pb等指标。结果表明，TN、Se、Hg和T
随着深度学习的快速发展，其自动学习特征和精确的预测能力使其在地基云分类上获得成功，更复杂更优良的深度学习网络在地基云分类领域得到研究和应用。近两年来一些大规模地基云分类数据集被公布，但还没有文献对这些大数据集进行完整地介绍和使用。本文对深度学习地基云分类领域最新的研究进展进行了详细的概括，并介绍了最新被发布的国际标准大规模数据集，最后对几种经典的卷积神经网络深度学习模型在地基云分类上的性能进行了评
适宜的融合算法有利于遥感影像的质量提升与产品应用。本文基于WV-3影像，选用PCA、GSA、ATWT、BDSD、Indusion、PRACS算法对全色和多光谱影像进行融合实验，在采用定性和定量分析对融合结果进行直接评价的基础上，引入地物分类精度对融合结果进行间接评价。实验结果表明：不同场景下6种算法的融合效果不同，ATWT算法在定性与定量评价中表现最佳，并具有较高的分类精度；GSA的融合效果及分类
为探明不同生产条件下中国农田土壤氨挥发对秸秆还田的响应，通过搜集已发表的试验数据，以秸秆不还田作为对照，基于Meta分析研究了在不同自然因素和农田管理措施条件下，秸秆还田对土壤氨挥发的影响效应。同时通过偏相关分析，找出秸秆还田条件下氨挥发损失的主要影响因素并进行量化。结果表明，秸秆还田能够减少农田土壤氨挥发损失，其减排作用随生育期累积降水量的增高而减弱，随生育期均温的增高而增强；当土壤pH＜6时，
视频异常检测是指识别不符合预期行为的事件。当前许多方法利用重构误差来检测异常，然而由于深度神经网络的强大能力可能会重构出异常行为，这与异常行为重构误差较大的假设不符。而利用预测未来帧的方法进行异常检测取得了很好的效果，但这些方法大多没有考虑正常样本的多样性，或者不能建立视频连续帧之间的关联。为了解决这个问题，提出了一种时序多尺度自编码器网络用于预测未来帧，并通过预测值与真实值的差异完成视频异常检测
准确提取三维点云数据中待测目标的点云集合是三维点云目标识别技术的一个关键问题，也是近年来目标识别领域从2D向3D拓展的一个重要挑战。其主要难点在于快速寻找离散点云之间的相关函数关系。文中结合立体视觉与特征匹配构建了可以表征不同视场条件下的目标点云约束机制，通过采用立体视觉作为约束条件完成了对原有特征匹配算法的优化。设计了基于立体视觉的估计算法，通过训练学习获得了不同选取比例条件下的识别规则。实验采