摘要：针对多视图三维重建中存在的内存和时间消耗过大、高分辨率重建完整性差等问题,提出一种基于深度学习的多视图重建网络。网络由特征提取模块、级联的Patchmatch模块和深度图优化模块组成。首先,设计U型的特征提取模块,提取多阶段特征图,并在每个阶段引入相对位置编码的局部自注意力层,捕捉图像中的局部细节和全局上下文,提升网络特征提取性能。其次,设计深度残差网络,通过密集连接和残差结构对特征进行融合,充分利用彩色图像先验知识来约束深度图,提升深度估计的准确性。在公开数据集DTU(Technical University of Denmark)上进行测试,实验结果表明,三维重建质量到了有效的提升,与PatchmatchNet相比在完整性上提升了6.1%,在整体性上提升了2.5%,与其他的SOTA(State-Of-The-Art)方法相比,在完整性和整体性上都得到了较大提升。

摘要：为了提高去噪网络的可解释性,将传统滤波算子的优势融入到网络设计中,提出了基于跨尺度边缘增强的深度卷积神经网络(CEDCNN).将传统边缘算子与卷积相结合,设计出轻量化的边缘增强模块,增强边缘信息对网络结果的影响.基于自适应一致性先验算法构建深度迭代网络,进一步提取边缘增强特征,从而实现端到端可训练、可解释的深度去噪网络.将均方误差和多尺度注意残差感知损失相结合,解决了重建图像过平滑的问题.实验结果表明,CEDCNN去噪网络的PSNR、RMSE、SSIM评价指标分别为43.647 5 dB、0.006 8、0.987 5,说明该方法可显著提高去噪后的图像质量,有效保证低剂量X射线下CT图像的成像质量和精度,去噪效果与正常剂量CT图像所展现的人体组织细节相当.

摘要：该文设计一种基于Gem5模拟器和NVMain模拟器的混合存储全系统构建模拟实验方法,以更好地对混合存储体系架构的性能优化进行研究分析。文章对混合存储体系框架进行分析,阐述Gem5模拟器和NVMain模拟器的特性及它们的源程序结构;介绍如何构建Gem5全系统运行环境、基于NVMain模块配置混合存储组件,以及相应测试程序集的配置过程;对构建的配置了混合存储模块的全系统进行了模拟测试。实验结果表明,该文构建的混合存储系统实验方法有效可行。

摘要：Hadoop分布式框架被广泛应用于各行业大数据处理领域,但在存储大量小文件时会产生更多的元数据信息,导致名称节点的内存占用过多,影响其对外提供高性能和高并发访问的能力。对小文件进行归档存储,是有效解决该问题的常用方案。同时,考虑到数据压缩可有效减少数据存储空间大小与网络数据传输负载,本文提出一种基于实时无损压缩算法LZO的Hadoop文件归档优化方法LA(LZO-Archive)。该方法先对小文件进行归档合并,在索引文件生成阶段融合LZO压缩算法,减少索引文件的生成时间。同时,设计一种文件压缩存储算法,对数据文件和索引文件进行压缩存储,有效减少了数据所占用的数据节点磁盘空间大小和名称节点内存空间占用大小。实验结果表明,相对于原始的HDFS数据存储方法、基准的文件归档方法HAR以及对比方法LHF,本文提出的LA方法在文件归档时间、名称节点内存占用、数据节点磁盘空间占用、文件访问时间等方面表现更好。

摘要：为解决多种数据类型兼容的并行采集困难、接入计算机串口资源匮乏、采集数据传输误码率高等诸多问题,设计并实现了多串口映射TCP端口(MSMTPS)的多种核辐射数据类型连续并行采集系统。采用以太网实现核辐射数据采集系统与计算机的数据交互,系统由STM32F103处理器与W5500以太网芯片构成,具有多个串口同时与以太网口交互的能力。为接收不同辐射数据的串口分配队列缓冲区,使多个串口与同一个TCP端口映射,基于TCP端口与上位机建立连接,实现多类串口与单网络端口双向快速传输。测试使用3个串口,分别以0.5 s,1 s,5 s时间间隔发送,各发送498 bytes,499 bytes,499 bytes数据,连续发送10 min。结果显示系统传输稳定,无误码,符合设计要求。