全文获取类型
收费全文 | 51324篇 |
免费 | 5919篇 |
国内免费 | 3466篇 |
专业分类
电工技术 | 3324篇 |
技术理论 | 3篇 |
综合类 | 4230篇 |
化学工业 | 1215篇 |
金属工艺 | 745篇 |
机械仪表 | 3744篇 |
建筑科学 | 2092篇 |
矿业工程 | 985篇 |
能源动力 | 552篇 |
轻工业 | 1278篇 |
水利工程 | 518篇 |
石油天然气 | 2612篇 |
武器工业 | 982篇 |
无线电 | 14997篇 |
一般工业技术 | 3964篇 |
冶金工业 | 310篇 |
原子能技术 | 238篇 |
自动化技术 | 18920篇 |
出版年
2024年 | 83篇 |
2023年 | 2075篇 |
2022年 | 2107篇 |
2021年 | 2389篇 |
2020年 | 2538篇 |
2019年 | 2967篇 |
2018年 | 1153篇 |
2017年 | 1584篇 |
2016年 | 1683篇 |
2015年 | 1929篇 |
2014年 | 3436篇 |
2013年 | 2851篇 |
2012年 | 3394篇 |
2011年 | 3339篇 |
2010年 | 3180篇 |
2009年 | 3442篇 |
2008年 | 3676篇 |
2007年 | 3438篇 |
2006年 | 2735篇 |
2005年 | 2428篇 |
2004年 | 2067篇 |
2003年 | 1552篇 |
2002年 | 1211篇 |
2001年 | 959篇 |
2000年 | 753篇 |
1999年 | 628篇 |
1998年 | 560篇 |
1997年 | 473篇 |
1996年 | 399篇 |
1995年 | 334篇 |
1994年 | 320篇 |
1993年 | 233篇 |
1992年 | 194篇 |
1991年 | 168篇 |
1990年 | 172篇 |
1989年 | 192篇 |
1988年 | 29篇 |
1987年 | 12篇 |
1986年 | 16篇 |
1985年 | 2篇 |
1984年 | 2篇 |
1983年 | 2篇 |
1979年 | 1篇 |
1976年 | 1篇 |
1959年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
行人再识别是实现多目标跨摄像头跟踪的核心技术, 该技术能够广泛应用于安防、智能视频监控、刑事侦查等领域. 一般的行人再识别问题面临的挑战包括摄像机的低分辨率、行人姿态变化、光照变化、行人检测误差、遮挡等. 跨模态行人再识别相比于一般的行人再识别问题增加了相同行人不同模态的变化. 针对跨模态行人再识别中存在的模态变化问题, 本文提出了一种自注意力模态融合网络. 首先是利用CycleGAN生成跨模态图像. 在得到了跨模态图像后利用跨模态学习网络同时学习两种模态图像特征, 对于原始数据集中的图像利用SoftMax 损失进行有监督的训练, 对生成的跨模态图像利用LSR (Label smooth regularization) 损失进行有监督的训练. 之后, 使用自注意力模块将原始图像和CycleGAN生成的图像进行区分, 自动地对跨模态学习网络的特征在通道层面进行筛选. 最后利用模态融合模块将两种筛选后的特征进行融合. 通过在跨模态数据集SYSU-MM01上的实验证明了本文提出的方法和跨模态行人再识别其他方法相比有一定程度的性能提升. 相似文献
2.
无监督跨域迁移学习是行人再识别中一个非常重要的任务. 给定一个有标注的源域和一个没有标注的目标域, 无监督跨域迁移的关键点在于尽可能地把源域的知识迁移到目标域. 然而, 目前的跨域迁移方法忽略了域内各视角分布的差异性, 导致迁移效果不好. 针对这个缺陷, 本文提出了一个基于多视角的非对称跨域迁移学习的新问题. 为了实现这种非对称跨域迁移, 提出了一种基于多对多生成对抗网络(Many-to-many generative adversarial network, M2M-GAN)的迁移方法. 该方法嵌入了指定的源域视角标记和目标域视角标记作为引导信息, 并增加了视角分类器用于鉴别不同的视角分布, 从而使模型能自动针对不同的源域视角和目标域视角组合采取不同的迁移方式. 在行人再识别基准数据集Market1501、DukeMTMC-reID和MSMT17上, 实验验证了本文的方法能有效提升迁移效果, 达到更高的无监督跨域行人再识别准确率. 相似文献
3.
为了促进智能新零售在线下业务场景的发展, 提高作为销售关键信息价格牌的识别精度. 本文对价格牌识别问题进行研究, 有效地提高了价格牌的识别精度, 并解决小数点定位不准确的难题. 通过深度卷积神经网络提取价格牌的深度语义表达特征, 将提取到的特征图送入多任务循环网络层进行编码, 然后根据解码网络设计的注意力机制解码出价格数字, 最后将多个分支的结果整合并输出完整价格. 本文所提出的方法能够非常有效地提高线下零售场景价格牌的识别精度, 并解决了一些领域难题如小数点的定位问题, 此外, 为了验证本文方法的普适性, 在其他场景数据集上进行了对比实验, 相关结果也验证了本文方法的有效性. 相似文献
4.
随着科学技术的进步,人们对情绪这一概念有了全新的认识,从过去认为情绪来源于“心”逐渐发展到了当下普遍认为情绪来源于“脑”。针对脑电信号所具有的诸多特性,首先通过去除心电、肌电噪声,滤波提取脑电信号中的有用波段;再利用集合经验模态分解算法(Ensemble Empirical Mode Decomposition,EEMD)对脑电信号进行特征提取,利用提取特征通过空间插值法绘制脑电地形图;接着利用LeNet-5算法开展具体情绪识别,并建立模型。最终通过不断地改进模型,显著提高了情绪识别准确率,准确率最高可达80.1%。 相似文献
5.
裂缝作为固体材料中较为常见的某种不连续现象, 是固体结构破坏的开始,及时对裂缝进行识别和检测,并对检测结果进行分析,采取相对应的措施,能够较好地防止事故发生,保障工程作业中的安全。目前裂缝识别主要依靠人工检测,存在劳动强度大、耗时长、精确度不高、危险、耗费高等问题,为此基于数字图像处理技术的裂缝智能识别被广泛研究,然而裂缝表面纹理不规则、噪声的复杂信息,影响了识别精度。为了解决常见固体材料的裂缝智能识别问题,提出了以轻量级语义分割网络模型BiSeNetV2来进行裂缝自动检测,同时自主构建裂缝数据集。实验表明,改进后的裂缝识别模型识别精度提升了7.6%。基于BiSeNetV2的裂缝识别模型,能对裂缝进行精准检测和识别,解决人工识别存在的各类问题。 相似文献
6.
根据隧道掘进机(TBM)工程对前方地质条件的超前预警需求,开展围岩识别算法研究。针对原始VGG16网络结构待定参数过多以及知识蒸馏训练模式准确率不足的问题,提出一种基于改进VGG16网络的围岩识别方法。基于原始VGG16网络结构,优化其分类层结构,并减少网络复杂度,大幅降低网络待定参数量。基于传统知识蒸馏训练模式,优化其训练逻辑,提升网络对目标任务的特征提取能力。采用某隧道掘进工程的岩渣图像数据集,对上述方法进行验证。试验结果表明,该方法可在小幅提升准确率的同时,大幅减少网络的待确定权值参数。综上所述,该方法创新性地同时改进模型结构和训练模式,更适用于硬岩掘进条件下的围岩识别任务。 相似文献
7.
为降低非线性结构智能电网系统中多源信息丢失或畸变问题、提高系统隐形故障的识别精度,提出了一种基于自适应遗传算法的多源信息融合技术,以实现对智能电网隐形故障识别。根据电网结构形成故障识别编码,由保护动作信息与设备状态期望关系建立适应度函数和状态期望值,提升采集信息的容错性能;利用遗传算法的交叉、变异计算,提升算法的寻优能力。通过建立的仿真模型进行算法验证。验证结果表明:采用该算法能有效克服多源信息的缺失和错误对隐形故障识别的影响。该算法进行了设备状态和动作信息的关联,由遗传算法进一步提升故障识别的最优解能力,对于后期建立智慧电网的实时故障诊断具有参考价值。 相似文献
8.
中文由于词边界模糊,字符信息获取不足等问题,使得中文实体识别较为困难.论文针对汉字的象形文字特点,提出一种结合字形特征的增强字符信息算法,该算法利用卷积神经网络和BERT模型得到增强字符向量;同时提出多粒度融合嵌入算法,利用注意力机制将增强字符向量与词向量融合,最终构建出多粒度融合嵌入的中文实体识别模型.实验表明,该模型在中文实体识别中优于其它常用模型. 相似文献
9.
语音情感识别已经成为下一代人机交互技术的重要组成部分,从语音信号中提取与情感相关的特征是语音情感识别的重要挑战.针对单一特征在情感识别中准确度不高的问题,该文提出了特征级-决策级融合的方法融合声学特征和语义特征进行情感识别.首先提取声学特征,包括:1)低层次手工特征集,包括基于谱相关、音质、能量、基频等相关特征,以及基于低层次特征的高级统计特征;2)DNN提取的谱相关特征的深度特征;3)CNN提取的基于Filter_bank特征的深度特征.并且使用基于Listen-Attend-Spell(LAS)模型的语音识别模块提取语义特征.然后将声学特征中的3类特征与语义特征进行特征级融合,在确定融合特征的先后顺序时引入了构造哈夫曼树的方法.最后得到融合后特征和原始4类特征各自的情感识别结果,在结果之上进行决策级融合,使用此方法在IEMOCAP数据集中分类准确度可达76.2%. 相似文献
10.
人机交互是物联网迈向智能化的重要途径,而人体动作识别已成为智能环境实现的关键环节.由于WiFi具有良好的用户体验和极高的普适性以及低廉的部署成本,基于WiFi的人体运动识别技术从众多交互技术中脱颖而出,已在智能安防、运动保健、老年活跃检测等领域展现了巨大的应用价值.现有的WiFi动作识别工作中,动作识别受人体的运动方向影响严重,为了确保识别精度往往需要固定动作方向,这种方向依赖性对基于WiFi的动作识别技术造成了极大的阻碍.为了克服这一限制,提出一种方向无关的动作识别模型.该模型利用天线分集消除随机的相位偏移,将人体运动在频域上造成的多普勒频移与快速傅里叶变换值作为识别特征,并引入注意力机制的双向GRU(gate recurrent unit)来对运动进行分类识别.该模型将空间特征集成到时间模型中,提升了无线信号对人体动作识别的鲁棒性与准确性.在典型室内环境下的实验结果显示了优越的性能与93%的准确率,验证了该模型优于之前的识别模型. 相似文献