简介：提出了一种新型的二维码编码和译码方案,基于Turbo码的编码和软译码方法,对二维条码进行改进,使其具有更强的识读能力.使用（13,15）的Turbo码编码器和矩阵交织器对源信息流进行编码得到一组二进制流,对编码得到的二进制流进行图像生成得到新型的二维条码.对使用后的二维条码图片进行图像采集,然后进行灰度量化得到软比特信息流,对软比特信息流使用矩阵解交织器和Turbo码译码器进行译码得到源信息流.通过这样的方法可以提高二维条码图片的可识别性.运用这种新型的二维条码图片在工业零部件和军事零部件上,可减少因二维条码无法识别产生的经济损失.

简介：本文阐述了用超声波短时作用来处理水样,从而找到更科学地计数水体中微囊藻细胞数的方法。并通过实验进一步研究了超声波频率和作用时间对处理效果的影响。

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.