【摘 要】
：
近年来,深度学习算法在众多领域内取得了巨大的成功,国内外学者几乎都投入到深度学习算法的研究中。深度学习算法在图像领域的应用非常普遍,它可以在大规模数据中通过深层网络构建出有效的预测模型来解决生活和学术中的实际问题。然而,现有两类问题尚未有学者通过深度学习中的图像分析方法进行解决,第一类是高速公路货车扫描图像的自动识别问题;第二类是生物分子结构预测问题。本文针对这两类问题展开了深入研究,通过图像分析
论文部分内容阅读
近年来,深度学习算法在众多领域内取得了巨大的成功,国内外学者几乎都投入到深度学习算法的研究中。深度学习算法在图像领域的应用非常普遍,它可以在大规模数据中通过深层网络构建出有效的预测模型来解决生活和学术中的实际问题。然而,现有两类问题尚未有学者通过深度学习中的图像分析方法进行解决,第一类是高速公路货车扫描图像的自动识别问题;第二类是生物分子结构预测问题。本文针对这两类问题展开了深入研究,通过图像分析方法分别构建了两个深度学习模型,一个是基于U-NET模型用以解决高速公路货车扫描图像的自动识别问题,另一个是基于CDCGAN模型用以解决生物分子结构预测问题。对于高速公路货车扫描图像的自动识别问题而言,为了有效检测货车是否存在违规夹带,目前普遍采用人工识别货车扫描图像的方法,该方法不仅速度慢而且容易造成误判。本文通过对该问题的深入研究,改进U-NET模型,使得检测速度和准确率大大提高,准确率高达96%以上,有效解决高速公路货车扫描图像的自动识别问题。对于生物分子结构预测问题而言,虽然已有学者尝试使用深度学习算法,但是受限于数据量少的原因使得实验结果并不理想,此外不曾有人尝试使用图像分析的方法突破该瓶颈。本文通过对生物分子数据的研究,采用两种特殊的编码方式把生物分子数据编码成图像数据,从图像的角度有效扩充了原有生物分子数据,为模型提供了良好的数据基础,突破了现有深度学习方法对于生物分子数据量不足的技术难关。此外,本文还改进了CDCGAN模型中的生成器网络架构,提出了多特征融合生成器。最终,模型取得了理想的实验结果,与传统预测方法相比预测精度有所提高,因此本文所做的研究工作具有非常重要参考意义和学术价值,是一次非常新颖且大胆的尝试。本文通过对深度学习图像分析算法的深入研究,改进了U-NET和CDCGAN两个深度学习模型,解决了高速公路货车扫描图像的自动识别和生物分子结构预测两个实际应用问题,为深度学习图像分析算法提供了新的研究思路。
其他文献
本文讨论非协调元有限体积法的后验误差估计和自适应计算,首先研究了二阶椭圆方程旋转双线性元有限体积法的后验误差估计,然后实现了三角形线性非协调元有限体积法的自适应数值计算。考虑二阶椭圆边值问题（?）对给定的矩形区域?做矩形剖分（?）h,试探函数空间Vhnc取为旋转双线性元空间,通过连接矩形单元的两条对角线获得了对偶剖分h*,检验空间Vh*取为相应于（?）h*的分片常数函数空间,在此基础上定义了旋转双
目的:椎管血管外皮细胞瘤（HPC）是一种罕见的侵袭性肿瘤,具有很强的复发和转移倾向。关于其临床特点以及治疗方案尚有很多争议。本研究旨在探讨椎管血管外皮细胞瘤的临床特征和影响肿瘤复发的相关因素。方法:应用Pub Med检索相关文献,并从纳入的研究中提取临床数据。对患者的临床资料进行描述和统计分析。并用KaplanMeier（KM）曲线、log-rank检验、单因素和多因素Cox回归分析尝试寻找与无复
目的:比较聚乙二醇化脂质体阿霉素（Pegylated liposome doxorubicin PLD）与传统蒽环类药物治疗乳腺癌的疗效和毒性。方法:本研究为非随机对照试验。按要求配对后进行前瞻性分析,共计160例经组织病理学检查确诊的乳腺癌患者纳入研究,观察组和对照组的患者1:1配对。配对按照患者年龄、分子亚型、腋窝淋巴结状态、新辅助化疗方案等方面匹配。化疗方案包含蒽环类药物,允许使用紫杉醇或多
眼底血管的结构和形态是诊断各类眼部疾病的重要依据。血管分割是临床诊断中不可缺少的工作,用计算机分析方法来实现眼底血管的自动分割,有效提升工作效率,节约医疗资源,具有很重要的现实意义。近年来,深度学习已经逐渐成为医学图像分割领域中的主流方法,U-Net网络因其对称的上采样和下采样过程,能获得更准确的分割效果,是目前最有效的医学图像分割模型。但是,在眼底图像血管分割任务中,由于视网膜中血管细小、位置分
随着我国大数据领域的快速发展,针对大数据计算,所产生的计算引擎工具应接不暇,然而测试计算引擎的工具却近乎于没有。故而,本文选定当前主流的计算引擎针对离线和实时两部分进行测试。除此之外,本文首次将机器学习算法应用到测试领域。在得到相应的测试项之后,在离线数据下,分别利用SVM、KNN、改进的KNN对测试项进行分析;在离线与实时情况下,采用SVM、决策树、以及Relief F＿decision Tre
近年来,随着海洋相关研究的发展,水下传感器网络越发受到研究人员的关注。由于水下网络使用声波作为通信媒介,其长传播延迟、有限的带宽等特性导致在水下MAC协议设计中面临着一系列挑战。这些挑战使陆上MAC协议直接用于水下环境时性能不佳,导致了水下MAC协议设计的困难。面对上述挑战,近年来研究人员设计出基于预约与调度类型的新型水下MAC协议。该类协议通过收集网络中的节点位置、信道情况、通信请求信息为网络中
19世纪末20世纪初西方工业化时代,经济发展迅速,贫富差距悬殊,产生了工业无产阶级,人们的生存状况受到了包括德莱赛在内的很多作家的广泛关注。德莱赛是20世纪美国著名的现实主义作家,《嘉莉妹妹》是他创作的第一部长篇都市小说,记录了19世纪末20世纪初处于转折时期的美国的社会状况,是美国小说史上的里程碑。小说生动、真实地反映了社会现实生活,思想深刻,给予读者心灵很大的震撼。美国在工业化以后社会发
随着国民物质生活水平的提高,我国交通运输基础和公共服务设施的建立日益健全,国内汽车的保有量随之飞速地增长,这极大地增加了交通事故发生的概率。据统计,80%的交通事故主要是由于司机在驾驶过程中不专心导致的。为了确保驾驶员的安全驾驶行为,对行驶车辆实行安全智能监控是至关重要的。基于这样的背景,经过分析对比了国内外针对危险驾驶行为监测的现有方法,本文以卷积神经网络为基础,研究了基于驾驶员头部及手部区域的
准确可靠地预测重症监护室（ICU）中患者的死亡率是一项非常有意义的工作,它能够对患者的病情进行提早评估,并对临床结果做出初步预测,这样可以使临床医生根据预测结果对重症患者实施早期干预,提供给患者及时有效的治疗,以防止他们病情的恶化。随着数据挖掘技术的发展,越来越多的科研人员就ICU中患者死亡率预测的问题展开研究,并取得了良好的进展。但是这些研究中使用的患者数据大多是结构化的形式,然而在现实生活中,
目标跟踪任务为给出某视频第一帧中运动目标的大小和位置,在后续视频帧中预测该运动目标的位置。目标跟踪一直以来都是计算机视觉研究的热门方向,应用广泛,如:通信、军事、交通等各个领域。在过去的几十年里,目标跟踪领域的相关研究取得了比较不错的成果,但依然存在许多的问题亟待解决。基于相关滤波器的跟踪算法和基于深度学习的跟踪算法是当前主要的两大类目标跟踪算法。神经网络应用于目标跟踪虽然提高了精度,但由于网络本