首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

揭秘睡眠的奥秘—高效修复神经元DNA损伤

俗话说,“熬夜一宿,魂都要丢”,俗话又说“中午不睡,下午崩溃”,睡觉对我们人甚至其他动物来说都是至关重要的。如果每天24个小时,8个小时用来睡觉,这么算下来人的一生1/3的时间都在睡眠中度过了。然而,我们每天身处快节奏的忙碌生活之下,为什么还要“浪费”很多时间用来睡觉呢?对于这个问题,研究者进行了不断的探索。近日,发表在《Nature Communications》杂志上的一项研究中,以色列巴伊兰大学的研究员发现睡眠可以增强单一神经元的染色体活力从而减少累积的DNA损伤,揭示了睡眠是怎样影响大脑单个神经元正常运作的。接下来,就让小编带领大家一起简单地回顾一下这篇文章。

00

GAN-Based Day-to-Night Image Style Transfer forNighttime Vehicle Detection

数据增强在训练基于CNN的检测器中起着至关重要的作用。以前的大多数方法都是基于使用通用图像处理操作的组合,并且只能产生有限的看似合理的图像变化。最近,基于生成对抗性网络的方法已经显示出令人信服的视觉结果。然而,当面临大而复杂的领域变化时,例如从白天到晚上,它们很容易在保留图像对象和保持翻译一致性方面失败。在本文中,我们提出了AugGAN,这是一种基于GAN的数据增强器,它可以将道路行驶图像转换到所需的域,同时可以很好地保留图像对象。这项工作的贡献有三个方面:(1)我们设计了一个结构感知的未配对图像到图像的翻译网络,该网络学习跨不同域的潜在数据转换,同时大大减少了转换图像中的伪影; 2) 我们定量地证明了车辆检测器的域自适应能力不受其训练数据的限制;(3) 在车辆检测方面,我们的目标保护网络在日夜困难的情况下提供了显著的性能增益。与跨领域的不同道路图像翻译任务的竞争方法相比,AugGAN可以生成更具视觉合理性的图像。此外,我们通过使用转换结果生成的数据集训练Faster R-CNN和YOLO来定量评估不同的方法,并通过使用所提出的AugGAN模型证明了目标检测精度的显著提高。

02

Cross-Domain Car Detection Using UnsupervisedImage-to-Image Translation: From Day to Night

深度学习技术使最先进的模型得以出现,以解决对象检测任务。然而,这些技术是数据驱动的,将准确性委托给训练数据集,训练数据集必须与目标任务中的图像相似。数据集的获取涉及注释图像,这是一个艰巨而昂贵的过程,通常需要时间和手动操作。因此,当应用程序的目标域没有可用的注释数据集时,就会出现一个具有挑战性的场景,使得在这种情况下的任务依赖于不同域的训练数据集。共享这个问题,物体检测是自动驾驶汽车的一项重要任务,在自动驾驶汽车中,大量的驾驶场景产生了几个应用领域,需要为训练过程提供注释数据。在这项工作中,提出了一种使用来自源域(白天图像)的注释数据训练汽车检测系统的方法,而不需要目标域(夜间图像)的图像注释。 为此,探索了一个基于生成对抗网络(GANs)的模型,以实现生成具有相应注释的人工数据集。人工数据集(假数据集)是将图像从白天时域转换到晚上时域而创建的。伪数据集仅包括目标域的注释图像(夜间图像),然后用于训练汽车检测器模型。实验结果表明,所提出的方法实现了显著和一致的改进,包括与仅使用可用注释数据(即日图像)的训练相比,检测性能提高了10%以上。

02

Neuron综述|昼夜节律和情绪障碍:是时候看清真相了

摘要:时间的重要性在我们的世界中一直很普遍,正常的光/暗和睡眠/觉醒周期的中断现在已经成为常态。所有情绪障碍,包括季节性情感障碍(SAD)、重度抑郁症(MDD)和双相情感障碍(BD),都与各种生理过程中的异常睡眠和昼夜节律密切相关。光/暗变化和季节变化都有可能对正常睡眠/觉醒模式产生破坏。此外,针对昼夜节律系统的治疗已被证明在某些情况下是有效的。这篇综述将总结这些疾病如何与特定昼夜节律表型相关联,以及将生物钟与情绪调节联系起来的神经元机制。我们还讨论了从昼夜节律的治疗中学到的东西,以及我们如何利用现有知识开发更多个性化设计的治疗方法。

01

Web 三维组态的仿真运用案例:民航飞机的数据监控

在飞机航行的过程中,客舱里座位上方的荧屏上,除了播放电视剧和广告之外,还会时不时的切换到一个飞机航行的监控系统。这个监控系统的主要目的是,让乘客可以了解到飞机在航行过程中的整体状况、距离目的地的航线进程以及一些有可能出现的突发事件。飞机航行的监控系统在一定程度上,可以使乘客在旅途过程中得到准确的信息源,最重要的是可以使乘客在旅途中得到安心。在保障乘客获取到实际信息源的同时,飞机航行的监控系统也能将采集到的数据及时的反馈给航务人员,而且将数据记录保存下来,在飞机过站或航后供航务和机务人员使用和监测维护。介于 2D 组态和 3D 组态上,Hightopo(以下简称 HT )的 HT for Web 产品上的有着丰富的组态化可供选择,本文将介绍如何运用 HT 丰富的 2/3D 组态搭建出一个飞机航行的监控系统的解决方案。

02

Android音频播放(本地/网络)绘制数据波形,根据特征有节奏的改变颜色

上一期刚刚掀完桌子没多久《Android MP3录制,波形显示,音频权限兼容与播放》,就有小伙伴问我:“一个音频的网络地址,如何根据这个获取它的波形图?”··· WTF(ノಠ益ಠ)ノ彡┻━┻,那一瞬间那是热泪盈眶啊,为什么我就没想到呢···反正肯定不是为了再水一篇文章就对了<( ̄︶ ̄)>。

我是DEMO

02

Let There Be Light: Improved Traffic Surveillancevia Detail Preserving Night-to-Day Transfer

近年来,在深度卷积神经网络(CNNs)的帮助下,图像和视频监控在智能交通系统(ITS)方面取得了长足的进步。作为最先进的感知方法之一,检测视频监控每帧中感兴趣的目标是ITS广泛期望的。目前,在具有良好照明条件的日间场景等标准场景中,物体检测显示出显著的效率和可靠性。然而,在夜间等不利条件下,物体检测的准确性会显著下降。该问题的主要原因之一是缺乏足够的夜间场景注释检测数据集。在本文中,我们提出了一个框架,通过使用图像翻译方法来缓解在不利条件下进行目标检测时精度下降的情况。 为了缓解生成对抗性网络(GANs)造成的细节破坏,我们建议利用基于核预测网络(KPN)的方法来重新定义夜间到日间的图像翻译。KPN网络与目标检测任务一起训练,以使训练的日间模型直接适应夜间车辆检测。车辆检测实验验证了该方法的准确性和有效性。

02
领券