简介:摘要:肺炎是一种常见且严重危害人体健康的呼吸系统感染疾病,CT影像不仅能直观地显示病变部位,还可提供诸如病灶形态、密度等信息,在早期发现和治疗过程中发挥着重要作用,也是医生了解病变程度和患病细节的常见手段。在卷积神经网络的基础上,开展肺部病变的判断以及病灶区域的分割定位研究,可以大幅提高诊疗速度,协助医生准确诊断和定位肺炎病变区域。目前的肺炎辅助诊断方法多将分类与分割算法的实施截然分开,区别于目前多将分类与分割算法实施截然分开的肺炎辅助诊断方法,研究了在通用卷积神经网络的基础上完成快速分类任务的实现方法,在专业人士的参与下标注并建立了用于肺炎病灶区域分割的数据集,并利用U-Net及相关改进网络模型,在训练集规模较小的情况下可完整勾勒出肺炎病灶的边缘,并获得到相对较高的分割精度。实验结果表明,通过在所处理的近300张数据集上进行实验,可以得到近85%的准确度。
简介:摘要:票据是一种特殊的印刷品,在人们的生活的工作过程中经常会出现。虽然只是一张纸制品,但是有其特殊的用途。在众多票据当中,识别票据用途的重要依据是发票的号码。发票号相当于发票的身份证,一张票据只有唯一的发票号码,因此发票号也成为了发票防伪的重要依据。为了有效检测发票的真实性和有效性,必须要应用有效的检测技术。高效的发票号码识别技术可以有效的提升发票的检测效率,同时可以有效的提升企业的经济效益,降低成本。
简介:摘要:由于体育视频拥有广大的受众群体和丰富的领域知识,观众观看体育视频的焦点是运动员,因此检测和分割视频中的运动员是体育视频分析的基础。本文采用基于超像素分类的运动员分割算法,在检测到运动员的基础上,以超像素为基本单位,利用多边形区域表示的运动员检测结果与运动员轮廓之间的关系,将多边形区域内的超像素分类标记为运动员超像素和背景超像素,利用该分类结果和多边形区域信息,使用 Grab Cut分割算法,实现运动员轮廓的分割。实验结果表明,基于超像素的运动员轮廓分割算法,既能有效保持图像中的运动员轮廓信息又能减少计算量。但由于部分运动员头发、胳膊和手臂等边缘部分的超像素分类不够准确导致分割效果不够理想,有待于进一步改进。
简介:摘要:深度学习是人工智能领域的重要研究方向,TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍,在Tensorflow框架基础之上实现了U-Net网络模型;然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。
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%。
简介:【摘要】新型屋面刚性保护层分割缝设置包括有硬质塑料条、软质塑料条、结构胶、螺丝钉及沥青油膏等材料。待屋面混凝土保护层浇筑完成并满足强度要求后,将软质条剔除,在原软质塑料条位置灌注沥青油膏,即完成屋面刚性保护层分割缝的设置。
简介:摘要:在图像分析中,经常会对图像中的几何参数进行比较分析,其中涉及长宽,面积等,通常采用最小外接矩阵的方法进行分割测量,测量的时候一般先提取叶片的最小矩形,由于植物叶片表面粗糙并且不规整,边缘的棱角也呈现的极不规律,这就要求我们在处理的过程中,针对最小外接矩阵的各项参数以及所采用的算法都具有一定的特性,。如今,通常采用目标旋转法,顶点链码法两种。但是之前的算法要求高速的计算机运算。在原有的基础上,提出一种优化算法进行分析在植物叶片上。