山区高速公路填石路基施工质量控制

目前对填石路基的质量通病及成因已经有了较一致的结论,但是对填石路基的施工工艺、质量控制标准,世界各国、各地区的方法不尽相同,各种措施和方法各有其优缺点。现行《公路路基施工技术规范》对填石路基的规定较为笼统、保守,本文以连怀高速公路为例,探讨山区高速公路填石路基的质量控制措施,从而总结出目前较为合理快速有效的质量控制方法。     

高层建筑综述

高层建筑物已成为我们城市生活的既定景观,它是几乎每个国家的主要城市都认可的一种国际技术。本文介绍了世界著名的高层建筑,高层建筑的结构形式以及高层建筑未来发展理念。     

和谐校园建设的研究与实践

从目前的现状来看,加强学生心理健康教育,创建平安校园应该放在创建和谐校园的首位,其次是加强学风建设,以及充分发挥党员及学生干部的作用,只有各方面协调发展才能达到明显的效果。     

基于Android的电视手机遥控系统

本文设计了一款基于Android平台的电视手机遥控系统.该遥控系统以手机作为控制终端,利用手机蓝牙发送控制指令到协议转换器,通过协议转换器对指令数据处理并转换为红外信号,实现对电视等红外家电的控制.实验测试证明该遥控器具有良好的实用性与扩展性.     

一种使用显著封闭边界的图像检索算法

在分析了基于边缘的图像检索方法的缺点后,提出了一种基于显著封闭边界的图像检索新算法。它使用基于图论方法的边缘比算法,从噪声图像中获取图像的显著封闭边界,然后以显著封闭边界来代表图像,每条显著封闭边界由边缘角度直方图来刻画,并以此特征进行图像间的相似性度量。由于图像的显著封闭边界代表了图像的显著结构,减少了短小边缘的噪声影响,故对图像检索十分有效。实验结果表明,本算法具有较高的检索准确率。     

一种基于小波突出点颜色及空间分布熵的图像检索方法

分析了基于兴趣点的图像检索方法的缺点，提出了一种基于小波突出点的图像检索新方法．该方法在小波域提取突出点，这些突出点既表示了全局变化也表示了局部变化；然后以小波突出点为线索，设计了基于小波突出点的颜色分布熵，既利用了小波突出点的局部特征，又考虑了小波突出点的空间分布结构；用图像间的颜色分布熵来度量图像间的相似性．该检索算法不但保证了对图像旋转、平移鲁棒性，而且克服了传统直方图没有空间位置的缺陷．实验结果表明，该方法对图像检索是有效的．     

一种新颖的单基因相位描述子的自然图像检索方法

提出了一种新的单基因相位描述子的自然图像检索方法,首先对图像进行Riesz变换,获得图像的能量信息和结构信息,然后编码局部区域的单基因相位变化和每个像素的单基因相位特征,接着计算抽取的局部特征的统计特征并运用基于块的fisher判别分析进行特征降维,最后进行相似性度量.实验结果表明提出的方法能够有效地描述自然图像,明显改善了图像检索的精度.     

兔疥螨副肌球蛋白基因的RT-PCR扩增克隆与序列分析

在首次建立兔疥螨人工感染增殖以及分离纯化方法的基础上,参考Gene Bank中登录的红狐疥螨副肌球蛋白基因序列(AF462195)以及人疥螨副肌球蛋白部分基因序列(AF317670)所设计的特异性引物,首次用RT-PCR方法直接扩增出了兔疥螨副肌球蛋白部分基因(登录号为DQ131648).序列分析表明:兔疥螨与红狐疥螨及人疥螨副肌球蛋白的序列相似性分别为99.3%和99.4%,推导氨基酸序列的相似性分别为99.5%和100%.进化树分析可知,3者在亲缘关系上极为相近,而兔疥螨与人疥螨则更为接近.     

加权局部二值模式和块线性判别投影的人脸识别方法

提出一种加权的局部二值模式和块线性判别投影的人脸识别方法,它首先编码人脸局部区域中心像素与邻域像素的灰度差的符号分量,体现了人脸局部结构的重要性.其次利用了局部二值模式的幅值分量作为像素局部二值模式的权重,最后利用块线性判别投影降低提出的描述符的特征维数,同时增强它的判别能力.在FERET人脸库的大量实验结果表明该算法可以获得有效的性能提升.     

基于YOLOv5的无人机航拍改进目标检测算法Dy-YOLO

由于无人机航拍具有场景复杂多样，目标尺度变化剧烈，高速低空运动模糊等诸多特性，给目标检测带来了很大的挑战。针对无人机航拍目标检测效果不佳的问题，提出了Dy-YOLO模型，在YOLOv5的基础上引入Dynamic Head注意力，从尺度感知、空间位置、多任务3个角度探索具有注意力机制的预测头潜力；设计了C3-DCN结构和Dynamic Head注意力相互配合增强特征提取能力；此外，还使用SimOTA标签分配方式来弥补小样本的损失，并使用CARAFE(content-aware resssembly of features)上采样算子，有效增强了不同卷积特征图的融合效果。在VisDrone2019测试集上，Dy-YOLO检测的平均均值精度达到了38.2%,较基线方法YOLOv5提高了7.1%,同时与主流的检测方法相比也取得更高的检测精度。结果表明，Dy-YOLO算法对于无人机航拍检测任务具有较好的性能。