【摘 要】
：
傅里叶空间图像相似度计算是冷冻电镜三维重建计算模型的重要组成部分，由于其大量的计算开销导致模型整体运行速度缓慢，从而引起了国内外众多相关研究学者的密切关注。虽然目前该模型能够通过使用OpenMP等多线程技术获得可观的性能提升，但其在单节点的性能仍得不到充分发挥。为了解决这样的问题，本文提出一种基于SIMD高效并行傅里叶空间图像相似度计算的方法。首先，通过手动负载均衡提升CPU的线程使用率，以最大化
论文部分内容阅读
傅里叶空间图像相似度计算是冷冻电镜三维重建计算模型的重要组成部分，由于其大量的计算开销导致模型整体运行速度缓慢，从而引起了国内外众多相关研究学者的密切关注。虽然目前该模型能够通过使用OpenMP等多线程技术获得可观的性能提升，但其在单节点的性能仍得不到充分发挥。为了解决这样的问题，本文提出一种基于SIMD高效并行傅里叶空间图像相似度计算的方法。首先，通过手动负载均衡提升CPU的线程使用率，以最大化使用CPU资源。其次，利用高级矢量扩展AVX-512指令集充分发挥CPU矢量寄存器的作用，以获得更高的计
其他文献
乳腺癌是女性中最常见的癌症，乳腺肿块识别模型能有效地辅助医生的临床诊断工作。然而，医学图像样本稀缺使识别模型易过拟合。提出基于深层病理信息挖掘的乳腺肿块识别模型：构建样本精选策略，跨越不同乳腺造影图像数据集筛选优质样本，从数据增强（Data Augmentation）角度应对医学图像样本稀缺；由浅入深挖掘有限标注样本中蕴含的病理信息，从特征优选（Feature Selection）角度应对医学图像
大多数行人重识别方法仅将注意力机制作为提取显著特征的辅助手段，缺少网络对行人图像关注程度的量化研究。本文基于此，提出一种可解释注意力部件模型（Interpretable Attention Part Model，IAPM）。该模型有三个优点：1）利用注意力掩码提取部件特征，解决部件不对齐问题；2）为了根据部件的显著性程度生成可解释权重，设计可解释权重生成模块（Interpretable Weigh
针对图像探测系统从复杂的地面场景中探测及识别目标的问题，提出基于距离轮廓信息与排序模型相融合的显著性目标检测方法，利用二维简易距离轮廓信息对可见及红外图像实施分割，采用流行排序模型对图像进行处理，提高图像探测装置对复杂场景中目标的检测性能。仿真结果表明，基于距离信息与流行排序模型相融合的显著性目标检测方法在保证图像处理速度的前提下，可显著提高图像探测装置从复杂地面场景中检测目标的正确性。
干旱影响植物生长发育，是限制农业生产的关键因素。本文以1/2 MS培养基中硫含量(0.75 mmol·L~(-1))为参考(1S)，设置不同浓度硫处理组(1/4S,1S,3S,9S)，采用平板培养法研究根际硫酸盐水平对拟南芥植株干旱生理的调节作用。研究发现，非干旱条件下，培养基采用标准硫浓度(CK-1S)时拟南芥幼苗主根最长，根部H_2O_2含量最低，但高硫(CK-3S)组幼苗未出现氧化应激；干旱
本研究选取1979－2013年欧洲空间局气候变化项目（European Space Agency climate change initiative， ESA CCI）的土壤湿度数据集构建东北地区土壤干旱指标，整理研究区内70个站点逐日气象数据，构建同期标准化降水蒸发指数（Standardized precipitation evapotranspiration index， SPEI）作为气象干
以江苏常熟和湖南桃源水稻土为研究对象，通过室内~(15)N示踪实验研究水稻土中Fe~(2+)氧化耦合硝酸根异化还原成铵（Dissimilatory nitrate reduction to ammonium， DNRA）过程及其对氧气存在和碳源添加的响应。结果表明，两种水稻土中均存在Fe~(2+)氧化耦合DNRA过程，常熟和桃源水稻土中DNRA的速率分别为0.38±0.15和0.36±0.21 n
为提高车辆前向防碰撞预警系统（Forward Collision Warning System，FCWS）对前方道路环境感知的准确性，提出一种基于毫米波雷达与视觉传感器信息融合的车辆跟踪方法。首先对雷达与视觉传感器进行联合标定，实现二者空间融合。接着将雷达有效目标投影至视觉图像中并生成ROI（Region of Interest，ROI），同时对该ROI进行对称性检测，改进其横向位置；然后，计算通
为了能够对细粒度菌类进行表型识别，在双线性卷积神经网络的细粒度图像识别框架基础上，提出了一种基于迁移学习和双线性Inception-ResNet-v2网络的菌菇识别方法，利用Inception-ResNet-v2网络的特征提取能力，结合双线性汇合操作，提取菌菇图像数据的细粒度特征，使用迁移学习，将ImageNet数据集上预训练的模型参数迁移到细粒度菌类表型数据集上。试验结果表明，在开源数据集和私有
基于深度学习的方法在某些工业产品的表面缺陷识别和分类方面表现出优异的性能，然而大多数工业产品缺陷样本稀缺，而且特征差异大，导致这类需要大量缺陷样本训练的检测方法难以适用。本文提出一种基于重构网络的无监督缺陷检测算法(Reconstruction network for defects detection， ReNet-D)，仅使用容易大量获得的无缺陷样本数据实现对异常缺陷的检测。本文提出的算法包括
为了解决设计图像去模糊神经网络依赖大量手工调参的问题，提出了基于可微分神经网络搜索技术的图像去模糊神经网络搜索方法。通过设计U型残差搜索空间，将去模糊网络的搜索过程分治为9个搜索单元的搜索过程，降低了搜索的复杂度。此外，本文给出了一个基于随机游走和最近邻插值的算法，通过模拟相机运动轨迹的方式生成模糊核，进而用于生成足够的模糊图像用于训练。实验结果表明，本文的算法明显减少了人工调参的工作量，搜索得到