全文获取类型
收费全文 | 93篇 |
免费 | 21篇 |
国内免费 | 23篇 |
专业分类
综合类 | 2篇 |
化学工业 | 1篇 |
机械仪表 | 1篇 |
矿业工程 | 2篇 |
无线电 | 21篇 |
自动化技术 | 87篇 |
综合类 | 23篇 |
出版年
2023年 | 1篇 |
2022年 | 3篇 |
2021年 | 2篇 |
2020年 | 4篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2017年 | 3篇 |
2016年 | 7篇 |
2015年 | 8篇 |
2014年 | 5篇 |
2013年 | 3篇 |
2012年 | 14篇 |
2011年 | 12篇 |
2010年 | 11篇 |
2009年 | 7篇 |
2008年 | 10篇 |
2007年 | 7篇 |
2006年 | 5篇 |
2005年 | 11篇 |
2004年 | 11篇 |
2003年 | 2篇 |
2002年 | 7篇 |
1995年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有137条查询结果,搜索用时 18 毫秒
1.
针对目前由于行人重识别普遍存在的遮挡以及多姿态变化等原因,导致的行人重识别率低的问题,提出一种基于多尺度加权特征融合的行人重识别方法(Person Re-identification Method Based on Multi-scale Weighted Feature Fusion, MSWF)。该方法首先使用基准网络ResNeSt-50提取图像特征,获得下采样3倍、下采样4倍和下采样5倍的特征图,输入到加权特征金字塔网络中,然后使用快速归一化融合方法进行特征融合,在特征融合中引入加权操作可以让模型在训练过程中学习如何给融合特征的权重值进行分配,这样可以充分利用不同尺度的特征,获得更加丰富的行人特征。最后将融合后的富含语义信息的高层特征作为全局特征,将融合后的高分辨率特征作为局部特征。在训练过程中,联合Softmax分类损失函数、三元组损失函数和中心损失函数对模型进行训练,在测试阶段,将全局特征和局部特征沿通道维度进行拼接表示行人特征,并使用欧氏距离计算行人之间的距离。该方法在Market-1501、DukeMTMC-reID、CUHK03-Labeled和CUHK03-Detected数据集上,mAP分别达到了89.2%、79.7%、80.1%和76.6%,Rank-1分别达到了95.8%、90.4%、82.4%和80.1%。实验结果说明了该算法的识别精度和平均正确率优于当前很多主流算法。 相似文献
2.
针对高光谱图像分类中基于流形的降维方法进行了研究。提出一种改进的局部保持投影(LPP)方法即MLPP方法。该方法利用标签信息避免了传统LPP在邻接图构建中很难确定的邻域大小的选择问题,同时采用更能反映高维数据间相关性的统计特征量相关系数来衡量数据之间的相似程度。设计的权重矩阵既保持类内数据的几何结构,又最大化类间距离。而且MLPP不依赖任何参数和先验知识。在两个高光谱图像上的实验结果表明MLPP增加了不同光谱特征地物之间的可分性,在提高分类性能上明显优于其他传统的降维方法。 相似文献
3.
双支持向量机是近年提出的一种新的支持向量机.在处理模式分类问题时,双支持向量机速度远远超过传统支持向量机,而且显示出较好的推广能力.但双支持向量机没有考虑不同输入样本点可能会对分类超平面的形成产生不同影响,在某些实际问题中具有局限性.为了克服这个缺点,提出了一种基于混合模糊隶属度的模糊双支持向量机.该算法设计了一种结合距离和紧密度的模糊隶属度函数,给不同的训练样本赋予不同的模糊隶属度,构建两个最优非平行超平面,最终实现二值分类.实验证明,该模糊双支持向量机的分类性能优于传统的双支持向量机. 相似文献
4.
5.
针对目前难以提取到适合用于分类的人脸特征以及在非限条件下进行人脸识别准确率低的问题,提出了一种基于深度神经网络的特征加权融合人脸识别方法(DLWF)。首先,应用主动形状模型(ASM)提取出人脸面部的主要特征点,并根据主要特征点对人脸不同器官区域进行采样;然后,将所得采样块分别输入到对应的深度信念网络(DBN)中进行训练,获得网络最优参数;最后,利用Softmax回归求出各个区域的相似度向量,将多区域的相似度向量加权融合得到综合相似度评分进行人脸识别。经ORL和WFL人脸库上进行实验验证,DLWF算法的识别准确率分别达到97%和88.76%,与传统算法主成分分析(PCA)、支持向量机(SVM)、DBN及FIP+线性判别式分析(LDA)相比,无论是限制条件还是非限制条件下,识别率均有提高。实验结果表明,该算法具有高效的人脸识别能力。 相似文献
6.
7.
高光谱遥感图像空谱联合分类方法研究 总被引:4,自引:0,他引:4
在遥感影像研究领域里,高光谱数据分类是一个热点问题。近年来,在这个问题上涌现出很多研究方法,然而,大多数方法都是用浅层的方法提取原始数据的特征。将深度学习的方法引入高光谱图像分类中,提出一种新的基于深信度网络(DBN)的特征提取方法和图像分类架构用于高光谱数据分析。将谱域-空域特征提取和分类器相结合提高分类精度。使用高光谱数据进行实验,结果表明该分类器优于当前的一些先进的分类方法。此外,本文还揭示了深度学习系统在高光谱图像分类研究中具有的巨大潜力。 相似文献
8.
9.
针对不规则场景中光线跟踪算法绘制速度慢的问题,在深入学习和比较近些年的光线跟踪加速算法的基础上,提出了一种改进的网格细分的光线跟踪算法。首先,设置矩形场景包围盒,剔除对场景没有影响的外部光线,进而简化求交运算;其次,采用新方法创建空间网格,该方法可使空间单元数量和存储空间复杂度都限定在一定范围内;最后,对网格进行细分,这一步骤消除了传统空间网格算法忽略部分空白区域对加速效果产生的不良影响, 极大完善了传统空间网格算法。通过实验证明,该方法能有效提高光线在空白空间的穿行速度,不仅提高了时间效率,而且减少了空间开销。 相似文献
10.
针对现有变换域遥感影像数字水印算法存在的问题,提出一种基于Contourlet变换的遥感影像数字水印方案。算法首先对宿主遥感影像进行图像归一化;然后,对水印图像进行Arnold置乱预处理,并将置乱后的水印图像利用行扫描形成一维向量,得到二值水印序列作为数字水印信息;最后对宿主遥感影像进行Contourlet变换,并通过奇偶量化将水印嵌入所选Contourlet变换系数中。实验证明该算法对JEPG压缩、滤波和噪声以及旋转、缩放、平移等几何攻击均具有较好的鲁棒性。 相似文献