摘要：通过对永定区大石凹森林公园现状调查以及项目建设条件分析评价,结果表明:森林公园规划区面积1813.8 hm^(2),森林覆盖率91%,成为永定城区居民休闲康养的又一个森林氧吧;森林、林木、林地权属清楚;森林旅游资源融合了众多的自然景观、宗教文化和人文景观等旅游元素,项目建设是必要的,而且是可行的。风景资源质量评价分值为36.42分,风景资源质量等级为二级,达到设立省级森林公园的基本条件。由此明确了森林公园主题定位与规划思路,提出了公园规划设计的技术措施,旨为进行同类森林公园的规划设计提供参考。

摘要：重庆的时尚之巅大都会商场6楼,有一家乐凯与爱普生的“数码快乐印”连锁店,走进店里,个性和创意满地流动,让人有窒息之感。

摘要：为探究不同结构体系斜拉桥在双向地震作用下的内力和位移响应变化规律,依托实际工程,运用midas有限元分别建立3种结构体系的斜拉桥模型,采用非线性时程分析法,对比分析3种结构体系斜拉桥的地震响应规律,结果表明:纵向+竖向地震作用下半漂浮体系斜拉桥的主塔和主梁位移响应均较大,刚构体系斜拉桥的主塔塔底内力响应最大,漂浮体系斜拉桥的主塔塔底内力响应最小;横向+竖向地震作用下半漂浮体系斜拉桥的主塔塔顶位移响应较大,主梁跨中横向位移响应最小;地震作用下半漂浮体系斜拉桥的受力性能更好,更合理。

摘要：ThinkPad的经典不在于其有强大的性能,不在于其有绚丽时尚的外形设计,不在于其有平易近人的价格,恰恰相反,主流型的配置,适用的功能,被评价为“中庸”、“呆板”的黑色设计,足以让Fans们窒息的价格,却能让Fans心甘情愿地掏空腰包去拥有它。曾经我们有过一段担忧,当ThinkPad不再是以前的ThinkPad时,IBM的经典还能延续吗?我们有理由相信,ThinkPad的经典设计还会延续,因为每一款产品,每一个设计都蕴含了设计者的心血。

摘要：阳光五月,天气转暖,和风吹送,百花齐放,这个时节走出繁华喧闹的都市,来到郊外的青山绿水,与亲朋好友消遣散心,游山玩水,其乐融融,再带上一款轻薄的本本,一起去享受五月的阳光,下面就挑选了现在市场上最新的二十二款轻薄型笔记本电脑供大家选购。

摘要：肿瘤组织中T细胞表面的程序性细胞死亡1受体(PD-1)和肿瘤细胞分泌的程序性死亡配体1(PD-L1)的过度表达在一定程度上抑制了机体的细胞免疫反应,从而使肿瘤细胞的生长得以逃避免疫系统的监视和清除。PD-1/PD-L1抑制剂就是针对PD-1或PD-L1表达设计的特定蛋白质抗体,可阻止PD-1和肿瘤细胞上PD-L1相互作用,进而部分恢复T细胞功能,增强T细胞杀死肿瘤细胞的作用。然而,在临床应用中,PD-1/PD-L1抑制剂的耐药问题越来越凸显,部分患者的疗效不能持久,甚至无应答。近年来的研究发现,PD-1与PD-L1表达受许多免疫因子调控,PD-L1的转运和降解等过程也会受到糖基化、磷酸化、泛素化等多种因素的影响。对一些可能干预PD-1/PD-L1通路的调控因子的研究将有助于发现新的治疗策略,克服肿瘤对PD-1/PD-L1抑制剂耐药,改善肿瘤免疫治疗效果。

摘要：通过研究气动降水与轻型井点组合降水工法,给出该工法井点埋置深度、井点数量与间距的确定方法,以示例的方式给出通用布置方案,并应用于山东省滨州市某项目作为工程实例。研究分析了该布置方案的降水效果,突出了该组合降水井相比传统的止水帷幕降水工法,止水效果好、节能降耗效果突出的优点,总结出了一种气动降水与轻型井点组合降水井设计方案的确定方法。

摘要：猪舍场景下,光照变化、母猪体表颜色不均及与环境颜色对比度不大、母猪与仔猪的粘连等,均给目标分割带来很大的困难。该文提出了基于全卷积网络(FCN,fully convolutional networks)的哺乳母猪图像分割算法。以VGG16为基础网络,采用融合深层抽象特征与浅层细节特征并将融合的特征图上采样8倍的跳跃式结构,设计哺乳母猪分割的FCN。利用Caffe深度学习框架,以7栏伴有不同日龄仔猪的3811幅哺乳母猪训练样本进行母猪分割FCN训练,在另外21栏的523幅哺乳母猪测试集上的分割结果表明:该算法可有效避免光线变化、母猪颜色不均、小猪遮挡与粘连等影响,实现完整的哺乳母猪区域分割;分割的平均准确率达到99.28%,平均区域重合度达到95.16%,平均速度达到0.22 s/幅。与深度卷积网络的SDS(simultaneous detection and segmentation)及传统的基于图论的图像分割、基于水平集的图像分割方法做了对比试验,该文分割方法平均区域重合度分别比这3种方法高出9.99、31.96和26.44个百分点,有较好的泛化性和鲁棒性,实现了猪舍场景下哺乳母猪准确、快速分割,可为猪只图像分割提供了技术参考。

摘要：本文基于某公司设计变更流程,分析研究设计变更申请ECR阶段健康度管理方法,使设计变更流程得以顺畅运行,从而降低变更成本,提高变更效率。

摘要：猪舍场景下,昼夜交替光线变化、热灯光照影响,及仔猪与母猪的粘连等因素,给全天候哺乳母猪姿态自动识别带来很大困难。该文以深度视频图像为数据源,提出基于改进Faster R-CNN的哺乳母猪姿态识别算法。将残差结构引入ZF网络,设计ZF-D2R网络,以提高识别精度并保持实时性;将Center Loss监督信号引入Faster R-CNN训练中,以增强类内特征的内聚性,提升识别精度。对28栏猪的视频图像抽取站立、坐立、俯卧、腹卧和侧卧5类姿态共计7 541张图像作为训练集,另取5类姿态的5 000张图像作为测试集。该文提出的改进模型在测试集上对哺乳母猪的站立、坐立、俯卧、腹卧和侧卧5类姿态的识别平均准确率分别达到96.73%、94.62%、86.28%、89.57%和99.04%,5类姿态的平均准确率均值达到93.25%。在识别精度上,比ZF网络和层数更深的VGG16网络的平均准确率均值分别提高了3.86和1.24个百分点。识别速度为0.058 s/帧,比VGG16网络速度提高了0.034 s。该文方法在提高识别精度的同时保证了实时性,可为全天候母猪行为识别提供技术参考。