图像处理

AI研习丨专题:新冠肺炎CT影像智能诊断系统的关键技术与应用

非 Y 不嫁゛ 提交于 2020-09-28 18:44:18
     摘 要   截至2020 年6月12日,新冠肺炎感染已遍及200多个国家和地区,成为了全球性的大流行病。面向斩断新冠传播链的早筛过程和提高治疗水平的病变评估需求,人工智能的计算机辅助诊断系统可进行快速、智能、全天候地进行筛查和病变评估,对于缓解疫区放射科医生工作压力,提高诊断效率和水平具有重要意义。然而,新冠肺炎复杂和多样的CT影像学表现给辅助诊断系统的开发带来了巨大挑战。本文介绍了智能化新冠肺炎早筛和病变评估的难点和相关关键技术,以及开发的新冠肺炎早筛和病变评估平台。   关 键 字   新型冠状病毒;肺炎;CT影像;神经网络;诊断系统   0 引言   COVID-19(Coronavirus Disease 2019,COVID-19)已经成为自第二次世界大战以来,全世界面临的最大的公共健康危机。截至2020年6 月10 日,全球新型冠状病毒肺炎的总确诊人数已突破750 万,总死亡人数高达42 万,且确诊病例数和死亡病例数仍在快速增长。为了应对COVID-19,多国采取了包括居家令,以及停止生产和娱乐活动的措施,严重影响了世界各国经济发展,给世界经济造成了重大冲击。   COVID-19 具有多个特点使其难以控制:① COVID-19 是高度传染性的,可以通过直接传播、气溶胶传播和接触传播。一个新冠病人的传播力在3~4 之间,面对着新冠病人的快速增长

基于忆阻器的神经网络应用研究

喜你入骨 提交于 2020-09-27 23:20:42
来源:文章转载自期刊《微纳电子与智能制造》,作者:陈 佳,潘文谦,秦一凡,王 峰,李灏阳,李 祎,缪向水。 摘 要 基于忆阻突触器件的硬件神经网络是神经形态计算的重要发展方向,是后摩尔时代突破传统冯·诺依曼计算架构的有力技术候选。综述了国内外忆阻硬件神经网络的近期发展现状,从器件发展和神经网络两个方面,详细阐述了忆阻器这一新兴信息器件在神经形态计算中所发挥的角色作用,讨论了依然存在的关键问题和技术挑战。忆阻器为实现存算一体化架构和超越摩尔定律提供了技术障碍突破的可行方案。 引 言 在当今数据量爆炸式增长的背景下,传统计算架构遭遇冯·诺依曼瓶颈,晶体管微缩,摩尔定律已难以延续,这已成为继续提升计算系统性能过程中难以克服的技术障碍[1-4]。神经形态计算概念的提出无疑是可以实现技术突破的一大曙光,人脑信息处理系统的复杂程度是最先进的超级计算机也无法媲美的。在已报道的神经形态计算架构芯片中,其计算能力显著提高,并且体积和能耗远小得多。因此,神经形态计算架构的发展在软件和硬件领域都被极度重视,有望替换当前计算系统架构。 而在众多用于实现神经形态计算的硬件元件中,忆阻器以其高集成度、低功耗、可模拟突触可塑性等特点成为一大有力备选。忆阻器早在1971年就由蔡少棠教授[5]以第4种无源基本电路元件的概念提出,2008年由惠普实验室首次在 Pt/TiO2/Pt三明治叠层结构中通过实验验证[6]

短时间梳理#2021届秋招投递简历及面试#的通用小技巧

♀尐吖头ヾ 提交于 2020-09-26 12:44:32
文章目录 秋招简历制作技巧 秋招面试技巧_自我介绍 秋招技巧——角色翻转换位思考 秋招简历制作技巧 投递邮件的小技巧 :姓名+岗位+学历+联系方式 例如:肥鼠路易_算法实习生_本科+137xxx.pdf 悄悄告诉你:“ 传说95%HR想要雇佣的应聘者都拥有完美的1页纸简历。 ” 最开始的求职意向不可以模糊,直接写出目标岗位的名称,岗位名称需要和简历具有匹配性。 专业技能描述 可以分成 熟悉某某基础框架 对某某原理有初步理解 精通xxxx,熟悉xxxx,了解xxxx 熟练掌握xxxx开源框架,以及xxxx项目构建工具 拖延症ICU患者感觉写专业技能描述也好难啊! 查看相关公司的岗位要求如下: 岗位要求 具备扎实的编程实现能力,熟练使用C/C++,Python/Matlab等编程语言;熟悉Linux编程和熟悉中间件(ROS/DDS等)者优先; 具备良好的团队合作精神、沟通协调能力、执行力,对前沿领域有高度的技术敏感性,勇于接受挑战 有以下经历优先考虑: 1、具备移动机器人等领域研究经验,参与国内外知名相关竞赛,如未来挑战赛等; 2、具备相关工程或开发经验,如深度学习、仿真系统搭建/开发经验等; 3、传感器融合算法方向要求熟悉视觉、毫米波雷达、激光雷达和GPS/IMU等传感器; 4、发表过领域知名会议/期刊论文。 那么,我们编程相关的专业技能结合自身能力情况与岗位要求可以这样写:

ir camera基础知识整理

与世无争的帅哥 提交于 2020-09-26 00:57:02
1. 加串解串芯片作用? A: 加串和解串是成对出现的,串行器在模组内,将并行信号转换为串行信号,然后用一根线可以实现远距离传输。sensor输出的raw data如果不加串,需要8根线传输,很难传输很远,加串之后,一根线即可传输,而且能实现远距离传输(十几米都可以)。加串后的数据,通常通过lvds协议进行传输,从模组内传输到soc端,整个流程是: raw->isp->加串->lvds接口把数据从模组内传输到开发板->开发板侧解串器解串->解串后的数据按mipi协议包装->soc内部mipi模块硬解mipi数据->数据保存在ddr/sram中供上层使用。 注意: mipi是板内和soc的串行接口协议,传输速度很快,解串后的数据,通常要包装成mipi格式,然后传输到soc端,由soc端的mipi模块进行硬解。 lvds是控制器和camera之间的通信协议,是板间通信接口。lvds是一种通信方式的统称,fpdlink是TI的lvds叫法,美信的叫GMSL. Q2: camera模组内一定要有ISP吗? A: 不一定。sensor输出的是raw data, ISP可以对raw data进行处理,例如raw转yuv,也可以对图像进行自动曝光、自动白平衡、去噪等,ISP是专用的图像处理芯片,对这类任务,计算效率高、效果好。当camera模组内拥有ISP时,ISP能很好的完成这些工作

钢铁侠马斯克的野望:实现载人航天,开源特斯拉自动驾驶!

我怕爱的太早我们不能终老 提交于 2020-08-20 08:48:18
作者 | 硬核云顶宫 责编 | 夕颜 出品 | CSDN(ID:CSDNnews) 最近,“钢铁侠”马斯克旗下的航天公司SpaceX,在空间探测方面的突破性进展不断,先是在6月13日其搭载三颗Planet Labs的地球观测卫星的最新型号火箭猎鹰9号发射升级,这也是人类首次实现“拼火箭”的壮举,而北京时间 8 月 2 日,载有Bob Behnken 和 Doug Hurley两位宇航员的“龙飞船”,也成功结束了为期两个月的国际空间站任务,在墨西哥湾成功降落,完成回归,这也标志着有史以来首次商业载人航天项目的圆满成功。 而且在自动驾驶方面钢铁侠也在前天正式在Twitter上宣布, “对外开放软件的授权许可,并提供动力总成和电池” 。消息一经发布就获得了热烈的讨论,甚至有网友将此举比成当年林纳斯对于Linux内核的开源级别相同的重大事件,不过笔者这里想说由于Tesla自动驾驶的级别比较低,而且并未使用激光雷达等精确定位技术,因此哪怕是马斯克本人都要求驾驶员在使用Tesla的自动驾驶功能时需要全神贯注,并且手也不能离开方向盘。而如果完全依赖于Telsa自动驾驶,其实经常爆出事故,甚至在今年5月份的FaceBook还爆出一国内Model 3在开启AutoPilot的情况下,大白天径直撞向了一辆大货车的录像。 当时这里并不是要质疑马斯克征服太空的雄心壮志,或是SpaceX的黑科技水平

js获取图片的EXIF,解决图片旋转问题

家住魔仙堡 提交于 2020-08-19 16:41:56
相信大家在做项目的时候会遇到在canvas里加入图片时,图片发生90°,180°的旋转。当时的你肯定时懵逼的,为毛。 其实这就是图片的EXIF搞的鬼。 什么是EXIF 简单来说,Exif 信息就是由数码相机在拍摄过程中采集一系列的信息,然后把信息放置在我们熟知的 JPEG/TIFF 文件的头部,也就是说 Exif信息是镶嵌在 JPEG/TIFF 图像文件格式内的一组拍摄参数,它就好像是傻瓜相机的日期打印功能一样,只不过 Exif信息所记录的资讯更为详尽和完备。Exif 所记录的元数据信息非常丰富,主要包含了以下几类信息: 拍摄日期 摄器材(机身、镜头、闪光灯等 拍摄参数(快门速度、光圈F值、ISO速度、焦距、测光模式等 图像处理参数(锐化、对比度、饱和度、白平衡等) 图像描述及版权信息 GPS定位数据 缩略图 这里面就包含了图片的角度信息,就是说你用手机拍照时是不是倒着拍还是侧着拍,这些都是有记录的。 接下来就是教大家怎么获取图片内的exif信息 先给大家看看exif信息都存在哪里:(角度就在0x0112) // 这里的获取exif要将图片转ArrayBuffer对象,这里假设获取了图片的baes64 // 步骤一 // base64转ArrayBuffer对象 function base64ToArrayBuffer(base64) { base64 = base64

开源项目OEIP 游戏引擎与音视频多媒体(UE4/Unity3D)

拜拜、爱过 提交于 2020-08-19 13:08:41
  现开源一个项目 OEIP 项目例子: 项目实现的功能Demo展示      这个项目演示了在UE4中,接入摄像机通过OEIP直接输出到UE4纹理上,并直接把UE4里的RenderTarget当做输入源通过OEIP里GPU管线处理后推流出去,而另一边Unity3D也是把RenderTarget当做输入,用OEIP处理后推流,经过OEIP封装signalR技术的直播SDK通知,二边各自拉另一边的流并通过OEIP相应管线直接输出到Texture2D并显示出来。演示的机器配置是i5-7500,8G内存,有二个推1080P,拉1080P流的处理,再加上生成截屏视频和yolov3-tiny神经网络识别,所以CPU有点吃不消。   这是我个人验证一些技术所搭建的DEMO级方案,接入了基本的普通摄像头处理,也没有提供稳定的直播供应商的实现,一些基本的图像处理,推拉流也只支持422P/420P格式。但是我自己还是花了大量业余时间在这方案上,并以及大热情来完善,不过业余时间毕竟有限,测试不完善,加上本人C++不是太熟悉,所以肯定有很多隐藏问题,欢迎指出问题,更欢迎提交修改。   本项目重点主要在图像处理并与游戏引擎的对接上,主要实现与游戏引擎对接更少的性能消耗,方便引入各种图像处理,包括相关神经网络图像处理,余下处理都是结合网上代码加上测试完善逻辑

刷脸支付科技推动人类社会进步

故事扮演 提交于 2020-08-19 11:16:46
科技改变人们生活,科技推动人类社会进步。近几年移动支付崛起,让人们实现了“一个手机走天下”的便捷。而如今,随着人工智能、大数据等技术的积累突破,支付方式再一次出现重大突破,即将从手机移动支付跨越到刷脸支付时代。据了解,刷脸支付技术已经成熟,今后用户们不用带手机,直接刷脸,就能将东西买回家了。 8月15日,在蚂蚁金服开放日广州站上,支付宝宣布在经过经验积累和技术升级之后,刷脸支付已经具备了商业化的能力,在未来一年内将向各种商业场景普及自助收银和刷脸支付的解决方案。刷脸支付,智慧医疗,智慧校园,餐饮超市酒店,无感停车场,各场景解决方案,软件定制开发,支付硬件批发,详细请百度“掌优电子 魏” 业内人士认为,随着AI、图像处理等技术的成熟,像刷脸支付这种“旧时王谢堂前燕”的高科技,终于成为“飞入寻常百姓家”的寻常物,在支付宝刷脸支付商业化之后,在未来几年很有可能像二维码支付一样普及。 “在经过这些经验累积之后,我们认为刷脸支付已经具备了大规模商用的能力。”蚂蚁金服零售行业负责人锋笙说,据他介绍,蚂蚁金服是行业内最早布局人脸识别技术的公司之一,有着深厚的技术积淀。自2015年起,支付宝率先将人脸识别技术应用于用户登录后,这一技术先后用于实名认证、找回密码、支付风险校验等场景,迄今已服务过数亿用户。 尽管如今移动支付已经相当普及,但在线下场景用户常会遇到不方便掏手机的时候,比如手里拿着很多东西

macz 软件测评|6月值得推荐的9款小众软件

时光毁灭记忆、已成空白 提交于 2020-08-19 05:27:53
刚刚过去的6月份,有哪些好用的Mac软件? 经过macz软件测评,给大家分享9款Mac小众软件,没有那么大名气,特色的功能却总能让人眼前一亮。比如,效果不错却比PS更容易上手的去水印软件Teorex Inpaint,极简设计的全屏时钟简黑时钟 for mac,可以将图片超分辨率的无损放大的WaiFu2x Mac版等等。 话不多说,让我们一起来看看吧!9款特色的Mac小众软件,总有一款是你喜欢的! 一、简黑时钟 for mac—自定义全屏时钟 简黑时钟Mac版是一款功能齐全、极简设计、极致省电、轻量高效的时钟app。简黑时钟Mac版拥有自定义颜色和标语功能,包含倒计时、番茄钟、调色板、倒计时、秒表等,您还可以自定义标语、日期、日夜模式和字体大小等。 二、Cisdem AppCrypt Mac版—给你的软件、网站加密保护 想要阻止别人不通过你的同意访问你的应用程序?Cisdem AppCrypt是一款优秀的应用程序和网站加密工具,只需要设置一个密码,加入你想锁定的应用程序,就没有人能够访问受保护的应用程序,除非他们有正确的密码,最大限度的保护了你的应用程序和网站! 三、WaiFu2x Mac版—照片无损放大 WaiFu2x Mac版采用卷积神经网络算法,可以将图片超分辨率的无损放大,支持批量图像处理。 四、AirServer 7 Mac版—苹果Mac电脑专用iOS投屏工具

【OCR技术系列之三】大批量生成文字训练集

谁说胖子不能爱 提交于 2020-08-19 04:26:52
放假了,终于可以继续可以静下心写一写OCR方面的东西。上次谈到文字的切割,今天打算总结一下我们怎么得到用于训练的文字数据集。如果是想训练一个手写体识别的模型,用一些前人收集好的手写文字集就好了,比如中科院的 这些数据集 。但是如果我们只是想要训练一个专门用于识别印刷汉字的模型,那么我们就需要各种印刷字体的训练集,那怎么获取呢?借助强大的图像库,自己生成就行了! 先捋一捋思路,生成文字集需要什么步骤: 确定你要生成多少字体,生成一个记录着汉字与label的对应表。 确定和收集需要用到的字体文件。 生成字体图像,存储在规定的目录下。 适当的数据增强。 第三步的生成字体图像最为重要,如果仅仅是生成很正规的文字,那么用这个正规文字集去训练模型,第一图像数目有点少,第二模型泛化能力比较差,所以我们需要对字体图像做大量的图像处理工作,以增大我们的印刷体文字数据集。 我总结了一下,我们可以做的一些图像增强工作有这些: 文字扭曲 背景噪声(椒盐) 文字位置(设置文字的中心点) 笔画粘连(膨胀来模拟) 笔画断裂(腐蚀来模拟) 文字倾斜(文字旋转) 多种字体 做完以上增强后,我们得到的数据集已经非常庞大了。 现在开始一步一步生成我们的3755个汉字的印刷体文字数据集。 一、生成汉字与label的对应表 这里的汉字、label映射表的生成我使用了pickel模块,借助它生成一个id