基于深度学习的复杂气象条件下海上船舶识别

为提高复杂气象条件下海上船舶的识别效果,本文通过暗通道先验去雾算法减少云雾遮挡对目标识别的影响,使用基于深度学习的YOLO改进算法提高目标识别效果。结果表明：本文采用的算法在中国航天科工四院指挥自动化中心的模拟海事数据集上,4类船舶目标识别的mAP (Mean Average Precision)达到89.98%,超过了对比的其他目标识别算法;针对数据集中的云雾遮挡图像,暗通道去雾处理后,目标识别的mAP从53.25%提升到69.35%。可见本文提出的算法可以满足复杂气象条件下的海上船舶识别的需求。     

深度学习源代码缺陷检测方法

针对由于传统的源代码缺陷分析技术依赖于分析人员的对安全问题的认识以及长期经验积累造成的缺陷检测误报率、漏报率较高的问题,提出了一种深度学习算法源代码缺陷检测方法.该方法根据深度学习算法,利用程序源代码的抽象语法树、数据流特征,通过训练源代码缺陷分类器完成源代码缺陷检测工作.其依据的关键理论是应用深度学习算法及自然语言处理中的词嵌套算法学习源代码抽象语法树和数据流中蕴含的深层次语义特征和语法特征,提出了应用于源代码缺陷检测的深度学习一般框架.使用公开数据集SARD对提出的方法进行验证,研究结果表明该方法在代码缺陷检测的准确率、召回率、误报率和漏报率方面均优于现有的检测方法.      

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

深覆盖层上建土石坝研究与实践

深覆盖层上建土石坝已成为一种趋势,依据国内外具体的工程实例,总结归纳了深覆盖层上建土石坝存在的主要问题,并就渗漏和渗透稳定问题作了具体的分析.对于混凝土防渗墙防渗形式,应用了Fortran语言编制的饱和土二维渗流分析程序进行了渗流计算,计算结果表明其防渗效果良好.     

结合目标检测与特征匹配的多目标跟踪算法

针对多目标跟踪算法在遮挡频繁的场景下存在目标关联准确性低的问题,提出一种结合检测与特征匹配的多目标跟踪算法. 该算法引入检测精度较高的YOLOv5作为多目标跟踪的检测器,能够精准定位目标,有效提高跟踪精度;在面对目标间遮挡时,通过专门设计特征匹配模型提取更为细致的特征,能够有效降低跟踪时目标ID的切换次数.在MOT16数据集上对跟踪性能进行评估,结果表明:所提方法可以有效缓解目标遮挡,实现稳定跟踪.     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题,提出一种基于大津算法和深度学习的阈值计算方法.首先,采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征;其次,通过Gauss混合模型计算特征的相似度值,对特征的相似度值使用大津算法计算阈值.实验结果表明,该方法识别效果较理想,与等错误率计算阈值...     

基于深度学习的医学图像配准研究进展

图像配准是图像引导手术、图像融合、器官图谱生成、肿瘤和骨骼生长监测等临床任务应用的关键技术,也是一个极具挑战性的问题。近年来,深度学习技术对医学图像处理方法的研究产生重要的影响,在医学图像配准领域发展迅速。对使用深度学习技术实现医学图像配准的研究进行综述,首先按照深度学习模型将医学图像配准方法分为3类,包括监督、弱监督和无监督医学图像配准;然后分别介绍国内外研究进展,并总结这些研究方法的优缺点;在此基础上,阐述常用的深度学习配准框架以及评价标准,并总结常用的开源医学影像数据集;最后对深度学习技术在医学配准图像领域中存在的问题进行分析,展望未来发展的方向。     

整层充填流动树脂与夹层技术在深楔状缺损修复中的比较研究

目的 比较整层充填流动树脂与夹层技术在修复深楔状缺损的临床效果。方法 选取2019年7月至12月在井冈山大学附属医院就诊的90例（共185颗患牙）深楔状缺损患者,采用随机数字表法将患者分为对照组45例（90颗患牙）采取夹层技术修复,试验组45例（95颗患牙）采取整层充填流动树脂修复。比较两组患者患牙敏感率和充填体脱落率发生情况,并评价两组患者临床修复效果。结果 试验组修复成功率高于对照组,试验组患牙敏感率低于对照组,试验组充填体脱落发生率低于对照组,差异有统计学意义（P<0.05）。结论 整层充填流动树脂相较于夹层技术,可进一步提高修复效果,减少患牙敏感率,降低充填体脱落率。     

低速冲击下钢筋混凝土深梁抗冲击性能及其损伤评估

为研究钢筋混凝土深梁在低速冲击下的抗冲击性能和损伤机理,采用有限元软件ANSYS/LS-DYNA对不同冲击速度下深梁动力响应进行模拟.分析深梁的动态损伤过程及横截面的损伤分布,采用截面损伤因子对钢筋混凝土深梁的损伤程度进行定量评估;进一步分析边界条件、冲击位置对深梁抗冲击性能和损伤的影响.分析结果表明:建立的模型可以合...     

基于深度学习的多模态眼科图像回归预测

青光眼是世界第二大致盲性眼病,视网膜神经纤维层（RNFL）缺损是诊断青光眼的重要特征。在临床应用中主要采用光学相干断层扫描（OCT）测量RNFL厚度。然而在我国的多数中小型医院和体检中心,只有眼底照相机而不具备OCT设备。因此利用眼底照和OCT的多模态数据,设计了一种基于眼底照来预测RNFL厚度的深度残差回归神经网络。该网络通过眼底照中的局部区域信息预测此区域的RNFL厚度,并对视盘外围一周范围内的RNFL厚度给出全面的刻画。在一个来自北京同仁医院的真实数据集上的实验结果显示,本文算法预测的RNFL厚度值与OCT测量值具有高度的一致性（对于正常眼平均绝对误差E_MA=14.884,Pearson相关系数r=0.885,决定系数R²=0.781;对于青光眼E_MA=15.108,r=0.872,R²=0.754）。评估结果表明所提方法对基于眼底照预测RNFL厚度具有良好的临床实用性。