摘要：SAM是一种著名的通用图像分割模型。尽管SAM在自然图像上表现出色,但在处理对比度低、边界模糊的睑板腺医学图像时,其性能会明显下降,泛化能力有限。为此,文章提出了一种适合睑板腺图像分割的模型SAMG。该模型在SAM的图像编码器基础上,加入一个cnn分支,并通过一个交叉注意力模块将cnn分支与原图像编码器(ViT分支)联系起来。此外,在编码器的最后部分,通过一个SE模块使模型能够在更细粒度上理解图像内容。这种模型结构设计使得额外的参数量和计算量都相对较小。在专业的睑板腺医学图像数据集支持下,对比实验表明,SAMG模型在睑板腺图像分割任务上表现出色,且可部署于入门级别的GPU。

摘要：与其他三大电视网相比,cnn用来推销自己的广告时间最多.而这些广告,无论是其整体的形象广告还是栏目广告,都旗帜鲜明地将cnn定位于以下几个方面:与网络的紧密结合、新闻的及时性、事件的深度报道.它们是cnn借以标榜的优势.

摘要：最近关于“中国制造”（Made in China）的新闻不少。其一是我国商务部从2009年11月23日起在cnn连续6周播放一则30秒的广告。广告以非常国际化、专业化的创意和制作水平向世界传达了“中国产品、世界合作”（Madein China with the World）的主题；其二是在最新美国好莱坞电影《2012》中，

摘要：悬臂梁结构广泛用于微小质量测量,而温度变化会引起测量结果漂移。传统测量方法需要在温度稳定的环境中进行,但实际应用中通常难以满足此要求,且温度漂移对测量的影响难以直接解耦。本文提出了一种基于数据驱动,CBAM-cnn和压电悬臂梁的自适应温度解耦质量感知方法。首先,搭建谐振式压电悬臂梁温控测量平台采集不同质量负载下的阻抗响应信号,设计自适应加权预处理方法以增强结构特征并突出有限样本中的关键信息;其次,设计基于混合领域注意力机制的CBAM-cnn网络来评估信号中多个谐振峰的相对关系,实现温度解耦和质量感知。实验结果表明,该方法在25℃至55℃的温度范围内的对0.1~1 g的质量感知准确率高达99.70%,无需进行温度补偿即可实现大跨度温度下的精确质量感知。

摘要：当前球磨机负荷检测方法难以准确评估磨机内部变化,给磨机综合运行状态的控制和优化带来较大难度.本文设计了一款内嵌加速度传感器且与钢球介质物理性质相一致的智能磨矿介质用于识别磨机负荷,开展了不同充填率等磨矿条件下的磨矿试验,设计磨矿效果系数划分磨机负荷状态;分别采用了卷积神经网络方法(cnn)和优化的支持向量机(SVM)模型对智能磨矿介质获取的加速度信号进行球磨机负荷识别.基于优化的SVM模型将获取的一维加速度信号进行互补集合经验模态分解算法(CEEMD)去噪、时域特征值和样本熵提取等预处理,将上述磨机负荷的特征向量分别输入GA-SVM、GS-SVM、PSO-SVM分类模型进行训练,研究表明,PSO-SVM模型的识别准确率可达98.33%,但存在训练过程繁琐,耗费时间长的问题.在图像识别领域具有优秀应用能力的cnn模型是把智能磨矿介质检测加速度信号数据转换为二维图片后直接输入基于VGG19网络的cnn模型进行分类识别,磨机负荷分类识别准确率高于优化的SVM模型,可达98.89%,在保证识别准确率的同时有效节约了计算时间.基于cnn的智能磨矿介质球磨机负荷识别方法可为实现球磨机负荷检测与在线评估提供重要解决方案与技术保障.

摘要：用于机械振动监测的无线传感器网络节点的微控制器需要进行复杂的边缘计算,然而硬件资源受到限制。卷积神经网络作为一种性能优越的深度学习算法,若将其运行在MCU上可增强边缘WSN节点的计算能力。本文提出了一种不修改cnn模型的层次分解方法,解决了难以在资源受限的MCU上运行不轻量化cnn的问题,实现了机械振动WSN节点的计算能力增强。首先通过设计文件结构用于分解并存储cnn模型参数,然后提出内存管理方法并推导随机存取存储器的消耗过程,最后提出参数定位方法准确高效地读取模型参数。实验表明仅使用1.76 KB RAM与2.14 KB Flash,在3.15 ms内便可实现高准确率的边缘计算识别任务。

摘要：在机器臂抓取检测领域,RGB图像和深度图像的处理效率仍有很大提升空间.鉴于此,提出一种基于Transformer-cnn混合架构的新型跨模态交互融合的机械臂抓取检测方法.为了充分利用RGB和深度图像的特征信息,开发一种高效的跨模态特征交互融合模块,用来校准RGB和深度图像相对应的特征信息,并交互增强双模态的特征.此外,设计一种Transformer与cnn并行的网络模块,结合cnn的局部建模能力和Transformer的全局建模能力,获得更好的特征表示,从而提高抓取检测性能.实验结果表明,所提方法在Cornell与Jacquard抓取数据集上分别达到了99.1%和96.2%的准确率.在真实场景下的抓取检测实验验证了所提方法可以有效预测各种场景下物品的抓取位置.

摘要：绝缘缺陷作为引发封闭式开关设备局部放电的重要因素,对故障类型的有效判断具有重要工程意义,而气体组分分析法作为非电类局部放电检测法,不存在引入噪声,环境干扰等问题。为此提出一种基于概率卷积神经网络(probabilistic-convolutional neural network,P-cnn)融合故障诊断算法,即将特征数据组分快速特征提取和灰度图均衡化的数据预处理方式,引入3种气体组分特征,通过概率神经网络和卷积神经网络分别进行训练,将结果通过DS(Dempster-Shafer)证据理论进行融合。通过设计4种绝缘缺陷模型来模拟故障放电,并进行气体分解组分的特性研究。仿真预测结果表明,与传统机器学习对比,该算法可以在保证识别速度的情况下,有效提升识别正确率。

摘要：针对空间数据划分方法无法自适应选择问题,本文提出了基于cnn的数据自适应划分算法(Adaptive Partition Algorithm for Space Vector Data-Convolutional Neural Networks,SVDAP-cnn)。该算法首先基于应用场景和其他相关资源实现特征描述和表达;其次基于层次聚类设计特征矩阵表达算法,体现特征间的局部相关性以减少方法选择时间和提高选择精度;最后通过cnn模型实现空间数据自适应划分。本文选取南海区域真实数据和模拟数据进行验证,与已有的数据划分方法选择算法进行比较。结果显示:针对真实数据,SVDAP-cnn算法的精度和时间效率分别提高了24.18%和25.67%;针对特征和特征间关系表达欠完备的模拟数据,SVDAP-cnn算法的精度和时间效率分别提高了27.02%和26.80%;针对选择结果易出错的数据切分方法,SVDAP-cnn算法的精度提高了19.92%,证明了该算法有较好的普适性;另外,本文结合南海区的实际应用证明了该算法的应用可行性。SVDAP-cnn算法的提出可为大数据量、多变的自动化空间应用分析提供技术支撑。

摘要：比较一下cnn(有线新闻网——译者注)每周“世界报道”的新闻报道抽样,可以看出其在报道类型方面与ABC(美国广播公司——译者注)、CBS(哥伦比亚广播系统)和NBC(全国广播公司)的新闻报道不同,后面三者的报道类型已有研究涉及过。自1987年以来,“世界报道”一直不作删改地播发来自其它国家的短稿。这篇文章分析了1989年新闻报道抽样的内容。cnn将艺术主题放在第一位。而与此同时,对美国新闻网国际新闻报道的近期研究表明,艺术在其中只占第十三位。一些国家较充分地利用了这个提供新闻材料的机会,如日本、西德和越南。这篇论文讨论了cnn对有些类型的事件所采用的不同观点,并运用了更具建设性的语调。这些也许正是人们期望从所提供的新闻中得到的东西。