新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開(kāi)了一種基于冗余特征消減的醫(yī)學(xué)超聲圖像自動(dòng)識(shí)別方法。首先從待處理的醫(yī)學(xué)超聲圖像中提取感興趣區(qū)域，從感興趣區(qū)域提取特征；然后對(duì)提取的特征進(jìn)行主成分分析，以去除冗余和無(wú)關(guān)的特征分量，確定獨(dú)立有效的特征；最后依據(jù)獨(dú)立有效的特征，利用分類(lèi)器對(duì)感興趣區(qū)域分類(lèi)。本發(fā)明通過(guò)計(jì)算機(jī)對(duì)醫(yī)學(xué)超聲圖像進(jìn)行分析，提取的圖像特征涵蓋了空域和頻域，更為全面地反映了圖像的本質(zhì)特性，有助于進(jìn)行正確分類(lèi)，具有較好的臨床實(shí)用性。

一種基于顯著直方圖特征的行人檢測(cè)方法及系統(tǒng)，訓(xùn)練階段包括首先分別將樣本數(shù)據(jù)集中每個(gè)正樣 本或負(fù)樣本歸一化為預(yù)設(shè)尺寸，然后作為輸入圖像提取特征，根據(jù)所得特征訓(xùn)練分類(lèi)器;正樣本的圖像 包含行人，負(fù)樣本的圖像不包含行人;測(cè)試階段包括對(duì)測(cè)試數(shù)據(jù)集中任一測(cè)試圖像，首先以測(cè)試圖像為 輸入圖像，分別以輸入圖像的每個(gè)像素為中心建立預(yù)設(shè)尺寸的局部區(qū)域，并提取每個(gè)局部區(qū)域的特征， 然后將每個(gè)局部區(qū)域的特征輸入訓(xùn)練階段所得分類(lèi)器，得到各局部區(qū)域是否包含行人的分類(lèi)結(jié)果。提取 特征時(shí)，將梯度的幅值和相應(yīng)局部區(qū)域顯著概率值結(jié)合

本發(fā)明公開(kāi)了一種基于感知哈希特征的視頻目標(biāo)跟蹤方法，其特征在于，包括以下步驟：(1)讀取待跟蹤視頻序列的第一幀；(2)在圖像中畫(huà)一恰好將目標(biāo)包圍的矩形框，作為目標(biāo)框；(3)對(duì)視頻幀圖像進(jìn)行灰度化處理；(4)提取目標(biāo)框的局部哈希特征，并對(duì)特征進(jìn)行為運(yùn)算化處理；(5)讀取視頻下一幀，并采用同步驟(3)同樣的方式對(duì)圖像進(jìn)行灰度化處理；(6)在當(dāng)前幀中，采用倒金字塔候選框搜索方法在上一幀目標(biāo)相同位置附近獲取候選框；(7)采用

項(xiàng)目組在國(guó)家科技重大專(zhuān)項(xiàng)和國(guó)家自然科學(xué)基金的支持下，提出了以加工動(dòng)態(tài)特征為載體進(jìn)行加工全過(guò)程工藝知識(shí)建模的技術(shù)思路，攻克了加工動(dòng)態(tài)特征驅(qū)動(dòng)的自動(dòng)數(shù)控編程和加工變形精確控制技術(shù)，為復(fù)雜結(jié)構(gòu)件從計(jì)算機(jī)輔助加工到智能數(shù)控加工的跨越提供了理論和技術(shù)支撐。 一、項(xiàng)目分類(lèi) 關(guān)鍵核心技術(shù)突破 二、成果簡(jiǎn)介 飛機(jī)復(fù)雜結(jié)構(gòu)件的數(shù)控加工能力是衡量一個(gè)國(guó)家航空制造水平的重要標(biāo)志。新一代飛機(jī)結(jié)構(gòu)件更復(fù)雜、精度要求更高、制造周期要求更短，對(duì)五軸聯(lián)動(dòng)數(shù)控加工技術(shù)提出了更高的要求。項(xiàng)目組在國(guó)家科技重大專(zhuān)項(xiàng)和國(guó)家自然科學(xué)基金的支持下，提出了以加工動(dòng)態(tài)特征為載體進(jìn)行加工全過(guò)程工藝知識(shí)建模的技術(shù)思路，攻克了加工動(dòng)態(tài)特征驅(qū)動(dòng)的自動(dòng)數(shù)控編程和加工變形精確控制技術(shù)，為復(fù)雜結(jié)構(gòu)件從計(jì)算機(jī)輔助加工到智能數(shù)控加工的跨越提供了理論和技術(shù)支撐。成果在多家航空航天企業(yè)推廣應(yīng)用，完成了多個(gè)軍機(jī)和C919、ARJ21 等民機(jī)型號(hào)多件復(fù)雜結(jié)構(gòu)件的研制生產(chǎn)，被工信部、發(fā)改委和國(guó)防科工局作為航空領(lǐng)域國(guó)產(chǎn)高檔數(shù)控機(jī)床應(yīng)用示范工程三大關(guān)鍵共性技術(shù)之一，向全國(guó)軍工制造行業(yè)推廣。 三、創(chuàng)新點(diǎn) 1.揭示了加工過(guò)程中間狀態(tài)幾何參數(shù)、工藝參數(shù)、監(jiān)測(cè)檢測(cè)量等動(dòng)態(tài)信息的動(dòng)態(tài)迭代規(guī)律和傳遞規(guī)律，突破了基于加工動(dòng)態(tài)特征的加工全過(guò)程工藝知識(shí)建模技術(shù)，實(shí)現(xiàn)了復(fù)雜結(jié)構(gòu)件工藝知識(shí)積累由以零件為載體到以加工動(dòng)態(tài)特征為載體的模式轉(zhuǎn)變。 2.提出了基于特征識(shí)別的加工特征自動(dòng)排序、加工驅(qū)動(dòng)幾何自動(dòng)創(chuàng)建、工藝參數(shù)自動(dòng)迭代方法，構(gòu)建了加工特征切削參數(shù)優(yōu)化模型，實(shí)現(xiàn)了復(fù)雜結(jié)構(gòu)件的快速編程和高效加工。 3.提出加工過(guò)程中自適應(yīng)釋放和消除工件變形的加工模式，研制出能監(jiān)測(cè)工件變形的浮動(dòng)裝夾工藝裝備，突破了基于加工動(dòng)態(tài)特征的裝夾/加工/監(jiān)測(cè)/檢測(cè)自適應(yīng)協(xié)同控制技術(shù)，實(shí)現(xiàn)了加工變形精確控制。 四、主要技術(shù)指標(biāo) 1.特征自動(dòng)識(shí)別率大于95%； 2.刀軌自動(dòng)生成率大于95%； 3.數(shù)控編程效率提高3倍以上； 4.加工效率提高30%以上； 5.大型復(fù)雜結(jié)構(gòu)件加工變形控制在0.05mm/m以?xún)?nèi)。 五、知識(shí)產(chǎn)權(quán)及獲獎(jiǎng) 加工動(dòng)態(tài)特征驅(qū)動(dòng)的智能數(shù)控編程與加工技術(shù)，研究成果2016年獲“國(guó)家技術(shù)發(fā)明二等獎(jiǎng)”、2015年獲“中國(guó)機(jī)械工業(yè)科學(xué)技術(shù)一等獎(jiǎng)”。目前已擁有授權(quán)國(guó)家發(fā)明專(zhuān)利60余項(xiàng)。 六、成果圖片   圖1 成果總體技術(shù)   圖2 加工過(guò)程零件面型檢測(cè)

本發(fā)明公開(kāi)了一種 SIFT 特征向量梯度直方圖多通道更新電路，使用 16 個(gè)八維四更新的直方圖組來(lái)取代 1 個(gè) 128 維 16 更新的直方圖，每一個(gè)八維四更新的直方圖代表同一空間位置的 NBO 方向維度的子特征值向量。所述電路包括：第一三線(xiàn)性插值模塊、第二三線(xiàn)性插值模塊、方向地址仲裁模塊、第一至第十六四通道更新仲裁模塊、第一至第十六八維四通道更新直方圖模塊。本發(fā)明的電路硬件面積開(kāi)銷(xiāo)僅占傳統(tǒng)128維16更新的直方圖電

基于載荷強(qiáng)化和損傷的載荷譜處理新技術(shù)，用于加載譜和耐久性評(píng)價(jià)規(guī)范的制定。通過(guò)載荷的強(qiáng)化和損傷、結(jié)構(gòu)抗疲勞設(shè)計(jì)和載荷譜中強(qiáng)度變化特征等提出了基于強(qiáng)度特征的輕量化設(shè)計(jì)和可靠性設(shè)計(jì)，并應(yīng)用到等速萬(wàn)向傳動(dòng)軸零件的具體設(shè)計(jì)。

項(xiàng)目概況 該模塊提供了一個(gè)基于網(wǎng)絡(luò)的通過(guò)不同 CAD 系統(tǒng)導(dǎo)出零件模型信息并提取零件特征信 息的系統(tǒng)，融自動(dòng)識(shí)別、模糊匹配、通用性強(qiáng)于一體的、具有異地可操作性、多功能的實(shí)時(shí) 的科研開(kāi)發(fā)平臺(tái)及系統(tǒng)。 本項(xiàng)目處于國(guó)內(nèi)先進(jìn)水平，擁有自主知識(shí)產(chǎn)權(quán)。 18 主要特點(diǎn) 依據(jù)從 CAD 到 CAPP／CAM、從三維到二維的基本方法；采取基于網(wǎng)絡(luò)化可操作性手段， 以 CAD 系統(tǒng)導(dǎo)出的 STEP 文件為核心，實(shí)現(xiàn)了從三維 CAD 系統(tǒng)獲取產(chǎn)品零件加工特征，STEP 文件信息自動(dòng)識(shí)別準(zhǔn)確迅速，方便查詢(xún)，可實(shí)時(shí)修改和更新，基于網(wǎng)絡(luò)化的操作方法；有遍 歷的各項(xiàng)歷史記錄，通用性較強(qiáng)；特征識(shí)別通過(guò)模糊匹配，基本實(shí)現(xiàn)智能化判斷和匹配，實(shí) 現(xiàn)簡(jiǎn)單零件基本特征的提取；也可以根據(jù)具體的產(chǎn)品零件進(jìn)行定制開(kāi)發(fā)和提取，開(kāi)放性和靈 活性較強(qiáng)；也可以與實(shí)際的數(shù)控機(jī)床 NC 程序相結(jié)合進(jìn)行開(kāi)發(fā)；有通用或?qū)Ｓ媒涌冢蓮V泛 用于各個(gè)不同類(lèi)型的企業(yè)和不同地域的虛擬企業(yè)。該系統(tǒng)具有許多獨(dú)到的功能（網(wǎng)絡(luò)化操作、 三維軟件不限制、零件類(lèi)型不限制、智能故障診斷等） 技術(shù)指標(biāo) 基于網(wǎng)絡(luò)化操作、自動(dòng)信息識(shí)別、智能特征提取、實(shí)時(shí)故障診斷；實(shí)時(shí)修改和更新、查 詢(xún)操作方便、通用性強(qiáng)；遠(yuǎn)程數(shù)據(jù)發(fā)送，實(shí)現(xiàn)多企業(yè)和異地的共操作；有通用或?qū)Ｓ媒涌冢?開(kāi)放性好，可結(jié)合數(shù)控機(jī)床、企業(yè)實(shí)際情況等進(jìn)行定向開(kāi)發(fā)。一種基于網(wǎng)絡(luò)的通用的零件信 息提取科研開(kāi)發(fā)系統(tǒng)。 市場(chǎng)前景 近年來(lái)虛擬企業(yè)的迅猛增多和異地企業(yè)的合作增強(qiáng)，使得基于網(wǎng)絡(luò)化的零件特征提取具 有良好的市場(chǎng)前景，也使眾多一直需要解決的難題，因此受到廣大制造企業(yè)的青睞。 

本發(fā)明提出了一種基于壓縮感知特征選擇的實(shí)時(shí)檢測(cè)跟蹤框架與跟蹤方法(CFS)，本發(fā)明能夠?qū)?縮后的特征進(jìn)行選擇，只使用區(qū)分度高的樣本特征進(jìn)行分類(lèi);本發(fā)明能夠達(dá)到實(shí)時(shí)跟蹤，而且避免了由 于選擇了錯(cuò)誤的特征導(dǎo)致的跟蹤失敗現(xiàn)象，有效的抑制了不好的特征對(duì)跟蹤結(jié)果的影響，并且明顯提高 了跟蹤速度和跟蹤精度。

2020年2月3日，復(fù)旦大學(xué)張永振團(tuán)隊(duì)在Nature 在線(xiàn)發(fā)表題為“A new coronavirus associated with human respiratory disease in China”的研究論文，該研究報(bào)告了一名在海鮮市場(chǎng)上工作的患者，該患者于2019年12月26日入住武漢市中心醫(yī)院，患有嚴(yán)重的呼吸系統(tǒng)綜合癥，包括發(fā)燒，頭暈和咳嗽。支氣管肺泡灌洗液樣品的基因組RNA測(cè)序，鑒定了一種新型的RNA冠狀病毒，在此稱(chēng)為為WH-Human-1冠狀病毒（也是后面稱(chēng)為的2019-CoV）。 

本技術(shù)成果公開(kāi)了一種采用多特征融合的圖像自動(dòng)標(biāo)注方法和系統(tǒng)，標(biāo)注方法是使用多種特征類(lèi)型來(lái) 表示圖像內(nèi)容，引入多特征表示的特征簽名，結(jié)合K-Means聚類(lèi)算法得到基于多特征融合的圖像語(yǔ)義統(tǒng)計(jì) 模型，用于對(duì)圖像自動(dòng)標(biāo)注