检索结果-维普期刊中文期刊服务平台

“三阶段”渐进式高职学生创业服务网络支持系统的构建被引量：4: 1; 作者程君青楼晓春《职业技术教育》北大核心 2018年第14期65-68,共4页; 依据高职学生创业服务需求,根据认知灵活性理论,借鉴O2O电子商务思维,按启蒙、推进、实践"三阶段"渐进式设计思路,构建高职学生创业服务网络支持系统,包括创业启蒙、创业推进、创业实施和资源定制等5个模块。该系统突破了资... 展开更多; 关键词高职学生三阶段渐进式创业服务网络支持系统; 在线阅读下载PDF 职称材料

基于U-net边缘生成和超图卷积的两阶段修复算法被引量：1: 2; 作者李海燕熊立昌 +1 位作者郭磊李海江《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第3期331-339,共9页; 为了有效修复背景复杂、大面积不规则缺失区域,得到合理的结构和精细的纹理,提出了基于U-net边缘生成和超图卷积的两阶段修复算法.首先,将缺失图像输入基于U-net门控卷积的粗修复网络,通过跳跃连接将图像的上下文信息向深层传播,获取丰... 展开更多; 关键词图像修复 u-net边缘生成超图卷积混合空洞卷积两阶段网络; 在线阅读下载PDF 职称材料

基于改进U-net和CNN的绝缘子自爆检测方法研究被引量：26: 3; 作者李俊任景 +4 位作者王晔琳张小东薛晨任冲范国伟《智慧电力》北大核心 2021年第8期98-103,共6页; 针对绝缘子自爆故障人工检测效率低,成本高的问题,基于改进U-net和卷积神经网络(CNN)模型,提出一种可有效识别绝缘子自爆故障的双阶段目标检测算法。首先,在语义分割阶段使用改进U-net模型,通过翻倍提高图像分辨率的方法有效提高图像分... 展开更多; 关键词绝缘子自爆故障改进u-net 卷积神经网络双阶段目标检测算法; 在线阅读下载PDF 职称材料

基于双解码U型卷积神经网络的胰腺分割被引量：8: 4; 作者毕秀丽陆猛 +1 位作者肖斌李伟生《软件学报》 EI CSCD 北大核心 2022年第5期1947-1958,共12页; 计算机断层成像(computed tomography,CT)中,胰腺分割作为医学图像分析中最具挑战的任务之一,由于其体积小、形状多变的特点,导致传统的自动分割方法无法达到理想的分割精度.利用高级语义特征指导低级特征的思想,提出一种基于双解码U型... 展开更多; 关键词医学图像胰腺分割卷积神经网络单阶段分割模型双解码u-net; 在线阅读下载PDF 职称材料

基于双域多阶段联合降噪的低剂量CT图像重建: 5; 作者王艳飞强彦 +1 位作者王梦南张振庆《太原理工大学学报》 CAS 北大核心 2022年第2期266-273,共8页; 针对计算机断层成像中辐射剂量的暴露具有癌症诱发的潜在危险,以及单一数据在重建结果中易产生噪声残留、结构过度平滑等问题,提出基于两种不同数据域的低剂量CT图像多阶段联合降噪模型。在生成器第一阶段对低剂量投影数据采用残差U-Ne... 展开更多; 关键词低剂量多阶段残差u-net 多尺度卷积 VGG网络; 在线阅读下载PDF 职称材料

一种基于课程学习的胚胎图像语义分割方法被引量：1: 6; 作者汤红忠王蔚 +3 位作者王涛陆旺达黄向红章兢《电子学报》 EI CAS CSCD 北大核心 2023年第11期3365-3376,共12页; 胚胎植入前形态学特征是人类体外受精胚胎质量评估的重要依据.目前,胚胎学家主要利用胚胎时差成像(Time-Lapse Imaging,TLI)技术观察胚胎图像形态变化,从而筛选最有发育潜能的胚胎进行移植或冷冻保存.然而,人工评估不仅费时费力,且需要... 展开更多; 关键词课程学习胚胎时差图像多阶段渐进式u-net网络语义分割评分函数步调函数; 在线阅读下载PDF 职称材料

题名“三阶段”渐进式高职学生创业服务网络支持系统的构建被引量：4: 1; 作者程君青楼晓春; 机构杭州职业技术学院杭州职业技术学院党政办; 出处《职业技术教育》北大核心 2018年第14期65-68,共4页; 基金 2016年浙江省教育厅教育技术研究规划课题重点项目“基于Web的高职学生创业服务支持系统的设计与开发”(JA041) 2016年度杭州市社科规划“人才培育计划”专项课题“教育生态学视阈下的高职院校创业教育支持体系研究”(2016RCZX20),主持人：程君青; 文摘依据高职学生创业服务需求,根据认知灵活性理论,借鉴O2O电子商务思维,按启蒙、推进、实践"三阶段"渐进式设计思路,构建高职学生创业服务网络支持系统,包括创业启蒙、创业推进、创业实施和资源定制等5个模块。该系统突破了资源瓶颈,搭建了共享平台,创建了O2O的服务环境,提高了高职学生参与创业的积极性。; 关键词高职学生三阶段渐进式创业服务网络支持系统; Keywords higher vocational school students three stages progressive model entrepreneurship service network support system; 分类号 G718.5 [文化科学—职业技术教育学]; 在线阅读下载PDF 职称材料

题名基于U-net边缘生成和超图卷积的两阶段修复算法被引量：1: 2; 作者李海燕熊立昌郭磊李海江; 机构云南大学信息学院云南交通投资建设集团有限公司; 出处《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第3期331-339,共9页; 基金国家自然科学基金资助项目(62266049,61861045) 云南省万人计划“教学名师” 云南省高校重点实验室建设计划项目(202101AS070031).; 文摘为了有效修复背景复杂、大面积不规则缺失区域,得到合理的结构和精细的纹理,提出了基于U-net边缘生成和超图卷积的两阶段修复算法.首先,将缺失图像输入基于U-net门控卷积的粗修复网络,通过跳跃连接将图像的上下文信息向深层传播,获取丰富的图像细节信息,下采样提取缺失区域边缘特征,上采样还原缺失区域边缘细节,同时使用混合空洞卷积增大信息感受野,获取细节纹理信息.然后,将粗修复结果输入含超图卷积的细修复网络,捕获和学习输入图像中的超图结构,使用空间特征的互相关矩阵捕获空间特征结构,改善结构完整性并提升细节细粒度.最后,将细修复结果输入鉴别器进行判别优化,进一步优化修复结果.在国际公认数据集上进行实验仿真,结果显示:本文提出的算法在修复大面积不规则缺失时,可以生成合理的结构和丰富的纹理细节,修复的视觉效果,PSNR,SSIM和L1损失优于对比算法.; 关键词图像修复 u-net边缘生成超图卷积混合空洞卷积两阶段网络; Keywords image inpainting u-net edge generation hypergraphs convolution hybrid dilated convolution two-stage network; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进U-net和CNN的绝缘子自爆检测方法研究被引量：26: 3; 作者李俊任景王晔琳张小东薛晨任冲范国伟; 机构国家电网公司西北分部西安理工大学电气学院; 出处《智慧电力》北大核心 2021年第8期98-103,共6页; 基金国家自然科学基金资助项目(51707155)。; 文摘针对绝缘子自爆故障人工检测效率低,成本高的问题,基于改进U-net和卷积神经网络(CNN)模型,提出一种可有效识别绝缘子自爆故障的双阶段目标检测算法。首先,在语义分割阶段使用改进U-net模型,通过翻倍提高图像分辨率的方法有效提高图像分割精度。其次,在图像分类阶段提出更适合所提问题且有效提高分类准确度的新型CNN模型。最后,使用无人机拍摄的绝缘子图片为实验数据进行实验。实验结果表明所提算法识别精度较高。; 关键词绝缘子自爆故障改进u-net 卷积神经网络双阶段目标检测算法; Keywords insulator self-explosion fault improved u-net convolution neural network two-stage target detection algorithm; 分类号 TM216 [一般工业技术—材料科学与工程] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于双解码U型卷积神经网络的胰腺分割被引量：8: 4; 作者毕秀丽陆猛肖斌李伟生; 机构图像认知重庆市重点实验室; 出处《软件学报》 EI CSCD 北大核心 2022年第5期1947-1958,共12页; 基金国家自然科学基金(61806032,61976031) 国家重点研发计划(2016YFC1000307-3) +1 种基金重庆市教委科学技术研究计划(KJZD-K201800601,KJQN201800611)。; 文摘计算机断层成像(computed tomography,CT)中,胰腺分割作为医学图像分析中最具挑战的任务之一,由于其体积小、形状多变的特点,导致传统的自动分割方法无法达到理想的分割精度.利用高级语义特征指导低级特征的思想,提出一种基于双解码U型卷积神经网络的单阶段胰腺分割模型.模型由一个编码器和两个解码器构成,两个解码器利用不同编码深度的特征将低级空间信息与高级语义信息有效结合,加强分割网络对特征信息的高效利用,能够对未裁剪、未降低分辨率的CT切片实现高精确度的分割.实验结果表明,方法能够在全尺寸的输入下实现较好的分割性能,在公开胰腺数据集上的分割效果优于现有单阶段胰腺分割方法.; 关键词医学图像胰腺分割卷积神经网络单阶段分割模型双解码u-net; Keywords medical image pancreas segmentation convolutional neural networks(CNN) single-stage model dual-decoding u-net(DDUNet); 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于双域多阶段联合降噪的低剂量CT图像重建: 5; 作者王艳飞强彦王梦南张振庆; 机构太原理工大学信息与计算机学院; 出处《太原理工大学学报》 CAS 北大核心 2022年第2期266-273,共8页; 基金国家自然科学基金资助项目(61872261) 山西省自然科学基金资助项目(201801D121139)。; 文摘针对计算机断层成像中辐射剂量的暴露具有癌症诱发的潜在危险,以及单一数据在重建结果中易产生噪声残留、结构过度平滑等问题,提出基于两种不同数据域的低剂量CT图像多阶段联合降噪模型。在生成器第一阶段对低剂量投影数据采用残差U-Net模型进行正弦图恢复,在编解码过程通过嵌入跳跃连接为上采样增加多尺度信息,加快训练收敛速度。对去噪后投影图像用滤波反投影实现频域到空间域转换。在第二阶段利用多尺度卷积对CT重建图像再次去噪,丰富卷积多样性,提高重构精度。此外引入VGG网络捕获不同剂量图像间的感知差异,提高网络表征能力。实验结果表明,该方法获得了较高PSNR,相较于单一域变换,更能有效地利用投影数据与图像数据的互补效应来抑制噪声和伪影,提高重构效果。; 关键词低剂量多阶段残差u-net 多尺度卷积 VGG网络; Keywords low-dose multi-stage residual u-net multiscale convolution VGG network; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种基于课程学习的胚胎图像语义分割方法被引量：1: 6; 作者汤红忠王蔚王涛陆旺达黄向红章兢; 机构湘潭大学自动化与电子信息学院湘潭大学智能计算与信息处理教育部重点实验室湖南大学电气与信息工程学院湘潭市中心医院; 出处《电子学报》 EI CAS CSCD 北大核心 2023年第11期3365-3376,共12页; 基金湖南省出生缺陷协同防治科技重大专项子项目(No.2019SK1010) 湖南省自然科学联合基金(No.2023JJ50242) +2 种基金湘潭大学智能计算与信息处理教育部重点实验室(No.2020ICIP06)。; 文摘胚胎植入前形态学特征是人类体外受精胚胎质量评估的重要依据.目前,胚胎学家主要利用胚胎时差成像(Time-Lapse Imaging,TLI)技术观察胚胎图像形态变化,从而筛选最有发育潜能的胚胎进行移植或冷冻保存.然而,人工评估不仅费时费力,且需要较强的专业知识,并存在一定的主观性等.针对这一问题,该文提出一种基于课程学习的胚胎图像语义分割方法,实现了胚胎细胞、细胞质与雌雄原核的分割,为后续胚胎质量评估提供定量的形态特征参数.首先,利用评估语义分割算法性能的IoU指标(Intersection over Union,IoU)构建课程学习的难度评分函数(Scoring Function,SF),根据SF评分将所有样本从易到难进行排序;再结合SF评分与目标类别数定义课程学习的步调函数(Pacing Functions,PF),构建了难易程度递增的样本子集;最后,设计多阶段渐进式U-net语义分割(Multi-Stage Progressive U-net,MSPU)模型,根据课程难度顺序依次训练不同阶段的网络,从而实现胚胎图像的语义分割.相关实验结果表明,本文提出的MSPU模型在胚胎图像语义分割任务上获得较好的性能,与基准模型相比,IoU值提高1.4%;特别是在较易与较难的分割任务上具有不错的表现,如细胞与雌雄原核的分割IoU值分别提升了4.6%与1.2%.; 关键词课程学习胚胎时差图像多阶段渐进式u-net网络语义分割评分函数步调函数; Keywords curriculum learning embryo time-lapse image multi-stage progressive u-net semantic segmentation scoring function pacing function; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	“三阶段”渐进式高职学生创业服务网络支持系统的构建	程君青楼晓春	《职业技术教育》北大核心	2018	4	在线阅读下载PDF 职称材料
2	基于U-net边缘生成和超图卷积的两阶段修复算法	李海燕熊立昌郭磊李海江	《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
3	基于改进U-net和CNN的绝缘子自爆检测方法研究	李俊任景王晔琳张小东薛晨任冲范国伟	《智慧电力》北大核心	2021	26	在线阅读下载PDF 职称材料
4	基于双解码U型卷积神经网络的胰腺分割	毕秀丽陆猛肖斌李伟生	《软件学报》 EI CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料
5	基于双域多阶段联合降噪的低剂量CT图像重建	王艳飞强彦王梦南张振庆	《太原理工大学学报》 CAS 北大核心	2022	0	在线阅读下载PDF 职称材料
6	一种基于课程学习的胚胎图像语义分割方法	汤红忠王蔚王涛陆旺达黄向红章兢	《电子学报》 EI CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料