简介:医学影像是癌症早期检测的一个重要方式.现提出一种基于更快速区域卷积神经网络(FasterRCNN)的癌症影像检测方法,通过添加拉普拉斯卷积层锐化结节边缘、突出结节轮廓,修改锚框大小,调试超参数提高了检测效果.该方法在保证精度的情况下,提高了诊断效率,为计算机辅助诊断提供了参考.
简介:ASkeletonMaskFoundintheGugeKingdomRuins¥//WUKUNMINGMembersoftheIndianAgraJesusAssociationventuredin1624,vianorthernIndia,ofth...
简介:Amacro-cellwasusedtostudythephenomenonofanodestriationona34VGAShadowMaskPlasmaDisplayPanel(SMPDP).Thebreakdownprocessinthesustainingperiodofthemacro-cellwastakenbyanIntensifiedChargeCoupledDevice(ICCD)withnarrowbandfilters.ThemechanismofformationandevolutionoftheanodestriationonSMPDPwereinvestigated.Theinfluenceofthewidthoftheelectrode,thesustainingvoltage,sustainingfrequencyandthevoltageoftheshadowmaskontheanodestriationwasalsostudied.Theresultsshowedthatthewidthoftheelectrodes,thesustainingvoltageandfrequencyhadastronginfluenceontheanodestriation.Thevoltageoftheshadowmask,however,hardlyaffectedtheanodestriation,thefiringvoltageorthesustainingvoltage.
简介:摘要:随着科技的发展,医学影像设备也正在发生着重大的变化和挑战,应用范围越来越广,性能也在不断提高,功能更趋完善。现代影像设备已经被广泛应用在临床检查、诊断,为医务工作者对患者的诊断和治疗有了非常好的可靠的依据。研究医学图像的人员和医务工作者都希望图像的分析能够显示在屏幕上以便进行分析,这有更加直观、形象的视觉效果。经过十几年的发展,医学诊断设备已经从辅助诊断发展成为辅助治疗的重要手段,并已深入到医学的各个领域。
简介:"Hollowmaskillusion"isanopticalillusionandappearsduetoanerrorintheprocessofreconstructingthethree-dimensionalobjectsfromourtwo-dimensionalretinalimage.Inthispaper,wepresentacomputationalmethodtocreate"Hollowmask"typenewillusionarysolidbycalculatingthehollowstructureanditsshading.ThestraightlineVoronoidiagramforagivenshapeobtainsthethree-dimensionalverticesofthehollowstructureandtheshadingeffectoneachsurfaceiscalculatedundertheassumptionthateachsurfacehasdiffuselyreflectingsurface(Lambertianreflectance).Wealsoshowtwoexamplesofournewillusionarysolidworks.
简介:道路目标检测在智慧城市建设中扮演着重要角色,而Faster-RCNN是目前主流的目标检测网络结构算法.本文在Faster-RCNN卷积神经网络结构基础上增加了特征金字塔网络层,并采用关注损失函数替代了原有的交叉熵损失函数.其中增加的特征金字塔特征融合层可以提取到检测图片中更具鲁棒性和一般性的前背景特征,而通过关注损失函数则能起到缓解检测图片中的正负样本不均的情况.最后,在公开数据集KITTI上实验证实,改进的目标检测算法能实现提高原有的Faster-RCNN目标检测准确率.
简介:Anovelread-onlysuper-resolutionopticaldiscstructure(substrate/masklayer/dielectriclayer)ispropsedinthispaper.ByusingaSithinfilmasthemasklayer,therecordingpitswithadiameter380nmandadepth50nmarereadoutonthedynamicmeasuringequipment;thelaserwavelengthλis632.8nmandthenumericalapertureis0.40.IntheoftheSithinfilmis18nmandthesignal-to-noiseratiois32dB.
简介:ThefabricationofX-raymasksisacriticalandchallengingprocessinLIGAtechnique.Asinductivelycoupledplasma(ICP)deepetchingappearstobethemostsuitablesourcefordeepsiliconetching,wefabricatedanewtypeX-raymaskusingthistechnique.IncomparisonwithothertypesofX-raymasks,themaskwefabricatedhastheadvantagesofitslowcostanditssimplefabricationprocess.BesiredmicrostructureshavealsobeenfabricatedusingthisnewtypeX-raymaskinLIGAtechnique.
简介:摘要:本论文旨在研究基于Mask计算优化提升电子围栏目标检测效率的方法,我们提出了一种新的电子围栏目标检测计算原理,即利用mask图例分割来计算电子围栏和目标框。该方法通过将围栏区域和目标区域分别用不同的遮罩图像进行标识,然后利用掩膜mask计算技术来实现目标检测和围栏计算的优化。我们使用了先进的YOLOv5模型来处理目标检测识别,该模型具备强大的目标检测和识别类别计算能力。通过结合这一模型和mask图例分割的计算原理,我们能够更准确地检测电子围栏和目标框重合程度,即判断某些禁止物体是否真的在电子围栏里,并且在计算效率上取得了显著的提升。本研究的结果表明,基于Mask计算优化电子围栏目标检测相比传统的IOU计算两者重叠区间速度提升30%,准确率提升22%。
简介:摘要:本论文旨在研究基于Mask计算优化提升电子围栏目标检测效率的方法,我们提出了一种新的电子围栏目标检测计算原理,即利用mask图例分割来计算电子围栏和目标框。该方法通过将围栏区域和目标区域分别用不同的遮罩图像进行标识,然后利用掩膜mask计算技术来实现目标检测和围栏计算的优化。我们使用了先进的YOLOv5模型来处理目标检测识别,该模型具备强大的目标检测和识别类别计算能力。通过结合这一模型和mask图例分割的计算原理,我们能够更准确地检测电子围栏和目标框重合程度,即判断某些禁止物体是否真的在电子围栏里,并且在计算效率上取得了显著的提升。本研究的结果表明,基于Mask计算优化电子围栏目标检测相比传统的IOU计算两者重叠区间速度提升30%,准确率提升22%。