【摘 要】
：
我国寒武系产有非常丰富的古生物微体化石,出现了很多与现代生物完全不同的生物种类,它们对地球上早期生命演化和寒武纪生命大爆发具有非常高的研究价值。但是由于微体化石个体微小,传统的微体化石分拣工作都是通过人工在显微镜下逐个观察挑选完成,该方式效率低下。近年来,图像识别技术在各个领域被广泛研究应用,在此背景下,将图像识别技术引入到微体化石研究工作中,无疑会提供很大的便利。针对不同场景下的微体化石识别问题
论文部分内容阅读
我国寒武系产有非常丰富的古生物微体化石,出现了很多与现代生物完全不同的生物种类,它们对地球上早期生命演化和寒武纪生命大爆发具有非常高的研究价值。但是由于微体化石个体微小,传统的微体化石分拣工作都是通过人工在显微镜下逐个观察挑选完成,该方式效率低下。近年来,图像识别技术在各个领域被广泛研究应用,在此背景下,将图像识别技术引入到微体化石研究工作中,无疑会提供很大的便利。针对不同场景下的微体化石识别问题,本文提出基于SIFT特征的SVM化石图像识别算法和融合注意力机制的SSD网络检测算法,分别对人工采集和机器采集的化石图像进行分类、检测。在基于SIFT特征的SVM化石图像识别算法中,先使用分水岭算法从人工采集的混合化石图像中分割出单个样本,再提取其SIFT特征;为了加强提取特征的表达能力,我们对所有样本的SIFT特征聚类后构成“视觉词典”,再根据各类样本特征的出现次数和词典中特征总数,对每个特征加权,强化特征的表达能力;最后使用加权后的特征训练多分类支持向量机,对各类别的微体化石图像进行分类、识别,在人工采集的微体化石图像上取得了良好的识别效果。在融合注意力机制的SSD网络检测算法中,使用机器采集的有粘连、重叠的图像,构建出一个微体化石数据集,对数据集中微体化石的种类、位置进行标注,然后分析该数据集与公开数据集的差异,结合微体化石数据集中图像的尺度、宽高比等特点,对原始SSD网络进行改进,并为改进SSD网络的前两层特征层引入注意力机制,由此提升了网络模型检测精度、缩短了网络训练耗时、减少了网络参数量。最终网络模型在微体化石数据集上获得93.45%的m AP,相比原始SSD网络模型提升了5.54%,训练耗时16.2小时,较原始网络模型提升了12.3%,参数量83.2M,较原始网络模型减少了10.8%,并能在39FPS速度下检测微体化石图像。
其他文献
移动硬件及移动技术的飞速发展极大的扩展了移动用户的交互空间和交互方式,如虚拟现实技术Virtual Reality,VR)、增强现实技术（Augmented Reality,AR）和混合现实技术（Mixed Reality,MR）,该类技术为用户在娱乐、医疗保健和教育领域提供了前所未有的沉浸式体验。其中,由于AR技术在传统移动设备中便可实现,有较强的可操作性,由此也被工业界和学术界所推崇。随着移动
随着区块链技术的快速发展,以太坊的应用也日趋广泛,开发者们在以太坊中部署了许多智能合约以实现各种功能。不幸的是,投机者将传统金融领域的庞氏骗局引入到智能合约中,给投资者造成数百万美元的损失。当前,在互联网金融背景下,针对新欺诈模式的定量识别方法很少,以太坊中的庞氏骗局检测方法则更少。因此,如何有效的检测出智能合约是否为庞氏骗局,这对于以太坊的发展至关重要。目前已有的庞氏骗局检测方法分为基于规则的检
宫颈液基薄层细胞学检测（Thinprep cytologic test,TCT）是进行宫颈癌筛查的重要途径。目标检测算法可以辅助医生对TCT切片中的病变细胞进行定位及分类。但是,训练数据中的缺失标注、训练样本的类别不平衡以及切片中的细胞数量巨大而且特征不统一,导致现有的算法在检测TCT切片中的病变细胞时性能受限。针对这些问题,本文提出了对应的解决方案。工作总结如下:（1）针对缺失标注在网络训练中引
X射线发光断层成像（XLCT）由于一次激发即可同时获得光学信息及解剖结构信息而成为一种具有潜力的分子成像技术,在预临床研究中被广泛关注。光学传输模型和重建算法是影响XLCT性能的两个关键因素,实现XLCT快速准确的重建是实际应用的迫切需求。本研究基于光传输理论和稀疏重建理论,在混合光传输模型与重建算法等方面展开研究。通过构建扩散方程（DE）与三阶简化球谐近似（SP3）的混合模型解决XLCT中光传输
智能移动设备的普及和GPS、北斗定位、智能计算等科学技术的进步,极大地推进了基于位置服务（Location-based services,LBS）的发展,LBS相关应用已经出现在日常生活的方方面面,人们越来越离不开这类服务。然而我们在提供个人位置信息享受这些服务给我们带来的便利同时,也导致了个人位置信息的暴露,甚至是个人身份标识等关联信息的泄露。目前常用的位置隐私保护方法是基于k匿名及其扩展的方法
个性化位置推荐算法研究是近年来一个热门的讨论话题,而社交媒体平台中大量签到数据的收集使得平台向用户提供精准的位置推荐服务成为可能。现有的工作通过研究用户历史签到数据中蕴含的时空信息,向用户提供位置推荐服务。然而现有算法却忽略了用户行为的时间相关性以及同类型位置在空间的聚集分布对用户位置访问的影响;此外,现有算法忽略了用户在跨域位置访问场景下特有的时空访问模式。针对上述问题,本文进行如下研究:（1）
近年来,随着空间感知能力和点云大规模处理技术的愈加成熟,基于激光的三维扫描技术已经广泛应用于实时导航、虚拟现实、建筑信息模型建模等各个领域中,而点云分割技术是面向这些应用领域的必要技术之一。点云分割是对点云模型进行有效利用的关键技术,点云分割技术实现了对点云模型的分而治之,无论是识别还是分类都需要先对点云进行分割提取,提高点云分割精度与效率是目前主要的研究方向。本文提出基于图卷积神经网络的点云特征
文物是最具有代表性文化遗产的瑰宝。由于传统人工复原效率低下,且会对文物造成损坏,使用计算机对文物进行数字化保护与复原成为必要的趋势。其主要应用于对文物碎片分类,匹配,拼接以及孔洞修补。文物碎片数量庞大,形状既不规则又不完整,表面几何纹理特征复杂,如此本文以兵马俑碎片的三维模型作为研究对象,展开对文物碎片的分类相关技术研究,主要的研究内容如下:1.针对三维模型的特征提取只能提取局部表面几何特征,而丢
本文以教育学习理论、教育心理学为指导,采用问卷调查的方法,对江苏省张家港市乐余高级中学高一学生进行了抽样调查和分析,力求从中概括出造成农村高中化学学习成绩差异的非智力因素,并提出了相应的教育教学对策。
在古代瓷器鉴定领域,判定这个瓷器的生产年代、它的烧制窑口、它的所属类别这些问题依旧是陶瓷考古的重要内容。在古代文物的保护与研究过程中,经常会发掘出大量古代瓷器碎片,这些混杂在一起的文物碎片属于不同的类型,来自不同的器物和产自不同的年代,从而加重了碎片分类的工作量,影响了瓷器复原的速度,不便于文物的管理和保护工作。本文围绕古代瓷器碎片的自动分类问题,通过理论分析、数据集制作、方法设计与实验对比,分别