针对弱光照条件下交通标志易发生漏检和定位不准的问题，本文提出了增强YOLOv3（You only look once）检测算法，一种实时自适应图像增强与优化YOLOv3网络结合的交通标志检测与识别方法。首先构建了大型复杂光照中国交通标志数据集；然后针对复杂的弱光照图像提出自适应增强算法，通过调整图像亮度和对比度强化交通标志与背景之间的差异；最后采用YOLOv3网络框架检测交通标志。为了降低先验锚点框设置精度以及图像中背景与前景比例严重失衡对检测精度造成的影响，优化了先验锚点框聚类算法和网络的损失函数。对比实验结果表明，在实时性大致相当的情况下，本文提出的增强YOLOv3检测算法较标准YOLOv3算法对交通标志有更高的回归精度和置信度，召回率和准确率分别提高0.96%和0.48%

高中数学必修_第三章 函数的应用_试题_长白山一高12-13上高一数学必修1第三章各节同步检测（Word有详解答案）_第三章同步检测_3-1-2

高中数学必修_第三章 函数的应用_试题_长白山一高12-13上高一数学必修1第三章各节同步检测（Word有详解答案）_第三章同步检测_3-2-1

高中数学必修_第三章 函数的应用_试题_长白山一高12-13上高一数学必修1第三章各节同步检测（Word有详解答案）_第三章同步检测_3-2-2

离子选择性电极的性能参数 Nernst响应、线性范围、检测下限 以离子选择电极的电位对响应离子活度的负对 数作图(见图),所得曲线称为校正曲线。若这种 响应变化服从于 Nernst方程,则称它为 Nernst响应。此校准曲线的直线部分所对应的离子活度范围称为离子选择电极响应的线性范围。该直线的斜率称为级差。当活度较低时,曲线就逐渐弯曲,CD和FG延长线的交点A所对应的活度a;称为检测下限

基本内容 概述:检测的意义、测量的基本要素、检测的 一般步骤计量单位与量值传递:长度单位及其基准、 量块、长度的量值传递 测量器具与测量方法:测量器具的分类、 测量器具的技术性能指标、测量方法分类。测量误差:测量误差及表达式、误差的分类误差的来源及减小其影响的措施、测量不确定度、测量数据的处理

实验一 细菌的单染色及油镜的使用 实验二 细菌染色法及微生物的观察 实验三 酵母菌的形态观察 实验四 霉菌的形态观察 实验五 培养基的制备 实验六 消毒与灭菌 实验六 微生物的生理生化反应 实验七 微生物接种技术 实验七 水和食品中微生物的检测 实验八 放线菌的形态观察 实验八 噬菌体效价的测定 实验九 微生物的分离纯化技术 实验十 微生物生长，数量及大小的检测

首先给出了通过矩形块与三角像素特征块相结合所构造的八种用于眼睛检测的扩展三角特征原型块.考虑扫描块在人脸背景中遍历时眼睛样本图像块数量远少于非眼睛样本块数的实际,提出了一种结合Haar特征和三角特征的AdaBoost快速眼睛检测算法.通过级联分类器的前几层强分类器完成排除大部分非眼睛样本;然后,通过后续强分类器进行判断大部分的眼睛图像块和少量非眼睛图像块.检测时间消耗有所下降,这样可以保证整体的检测速度.实验结果进一步表明该算法具有更好的检测性能,与仅使用Haar特征相比正检率有一定程度提高

Ⅰ. 细胞培养  细胞培养实验室  细胞培养一般程序  细胞计数  细胞生长增殖测定  细胞系鉴定  细胞的微生物和病毒污染检测  特殊类型细胞培养 Ⅱ. 细胞分离技术 Ⅲ. 细胞转染 Ⅵ. 细胞凋亡检测 Ⅳ.细胞侵袭实验 Ⅴ. 细胞周期分析

浮选回收率是金矿选矿过程重要的生产指标，目前主要是通过人工化验的方法检测获得，人工检测周期较长，造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上，分别采用多元线性回归和BP神经网络的方法，建立了金矿厂浮选回收率的预测模型.预测误差分析表明，BP神经网络预测模型能较好地预测金矿厂的浮选回收率，当预测相对误差在±3%范围内时，模型的预测精度达到91%，对于实际生产具有良好的参考作用