全文获取类型
收费全文 | 51208篇 |
免费 | 5802篇 |
国内免费 | 3321篇 |
专业分类
电工技术 | 3728篇 |
技术理论 | 3篇 |
综合类 | 4974篇 |
化学工业 | 1605篇 |
金属工艺 | 827篇 |
机械仪表 | 3560篇 |
建筑科学 | 5224篇 |
矿业工程 | 1237篇 |
能源动力 | 1113篇 |
轻工业 | 2101篇 |
水利工程 | 2089篇 |
石油天然气 | 1209篇 |
武器工业 | 2813篇 |
无线电 | 12361篇 |
一般工业技术 | 2735篇 |
冶金工业 | 1005篇 |
原子能技术 | 128篇 |
自动化技术 | 13619篇 |
出版年
2024年 | 114篇 |
2023年 | 2001篇 |
2022年 | 1966篇 |
2021年 | 2167篇 |
2020年 | 2054篇 |
2019年 | 2246篇 |
2018年 | 969篇 |
2017年 | 1277篇 |
2016年 | 1499篇 |
2015年 | 2055篇 |
2014年 | 3619篇 |
2013年 | 3013篇 |
2012年 | 3832篇 |
2011年 | 4053篇 |
2010年 | 3207篇 |
2009年 | 3192篇 |
2008年 | 4006篇 |
2007年 | 3436篇 |
2006年 | 2370篇 |
2005年 | 2373篇 |
2004年 | 2193篇 |
2003年 | 1587篇 |
2002年 | 1178篇 |
2001年 | 1030篇 |
2000年 | 868篇 |
1999年 | 680篇 |
1998年 | 534篇 |
1997年 | 506篇 |
1996年 | 466篇 |
1995年 | 385篇 |
1994年 | 306篇 |
1993年 | 253篇 |
1992年 | 242篇 |
1991年 | 206篇 |
1990年 | 204篇 |
1989年 | 168篇 |
1988年 | 38篇 |
1987年 | 14篇 |
1986年 | 10篇 |
1985年 | 3篇 |
1984年 | 4篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1980年 | 2篇 |
1979年 | 1篇 |
1977年 | 1篇 |
1965年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
针对单一彩色相机对低辨识度目标识别准确率低的问题,提出了一种利用彩色相机和红外热成像仪同时检测自动驾驶目标的方案。为了同时提取彩色图像的颜色特征与红外图像的温度特征,在单模态YOLOv3网络基础上改进网络结构得到双模态YOLOv3神经网络,并设计四种特征融合对比实验以确定最佳融合方案;建立双模态数据集同步采集系统,采集彩色图像与红外图像对并用于双模态网络的训练与测试;使用未经网络训练的验证集得到4种双模态特征融合模型的平均精度值与损失值。实验结果表明,在训练30次后,该双模态网络模型的平均精度值最高可达59.42%。 相似文献
2.
2020年,受国际油价断崖式下跌影响,企业生存发展面临严峻挑战。面对诸多挑战,四川石化保持战略定力,主动担当作为,聚焦生产经营目标,压实重点工作任务,突出工作刚性执行,多角度深入开展提质增效专项行动,逆境奋起、质效齐升,夺取疫情防控和生产经营“双胜利”,企业建设取得卓越成果。 相似文献
3.
在竹条表面缺陷检测中,竹条表面缺陷形状各异,成像环境脏乱,现有基于卷积神经网络(CNN)的目标检测模型面对这样特定的数据时并不能很好地发挥神经网络的优势;而且竹条来源复杂且有其他条件限制,因此没办法采集所有类型的数据,导致竹条表面缺陷数据量少到CNN不能充分学习。针对这些问题,提出一种专门针对竹条表面缺陷的检测网络。该网络的基础框架为CenterNet,而且为提高CenterNet在较少的竹条表面缺陷数据中的检测性能,设计了一种基于从零开始训练的辅助检测模块:在网络开始训练时,冻结采用预训练模型的CenterNet部分,并针对竹条的缺陷特点从零开始训练辅助检测模块;待辅助检测模块损失趋于稳定时,通过一种注意力机制的连接方式将该模块与采用预训练的主干部分进行融合。将所提检测网络与CenterNet以及目前常用于工业检测的YOLO v3在相同训练测试集上进行训练和测试。实验结果表明,所提检测网络的平均精度均值(mAP)在竹条表面缺陷检测数据集上比YOLO v3和CenterNet的mAP分别提高了16.45和9.96个百分点。所提方法能够针对形状各异的竹条表面缺陷进行有效检测,且没有增加过多的时耗,在实际工业运用中具有很好的效果。 相似文献
4.
图像描述是计算机视觉、自然语言处理与机器学习的交叉领域多模态信息处理任务,需要算法能够有效地处理图像和语言两种不同模态的信息。由于异构语义鸿沟的存在,该任务具有较大的挑战性。目前主流的研究仍集中在基于英文的图像描述任务,对图像中文描述的研究相对较少。图像视觉信息在图像描述算法中没有得到足够的重视,算法模型的性能更多地取决于语言模型。针对以上两个方面的研究不足,该文提出了基于多层次选择性视觉语义属性特征的图像中文描述生成算法。该算法结合目标检测和注意力机制,充分考虑了图像高层视觉语义所对应的中文属性信息,抽取不同尺度和层次的属性上下文表示。为了验证该文算法的有效性,在目前规模最大的AI Challenger 2017图像中文描述数据集以及Flick8k-CN图像中文描述数据集上进行了测试。实验结果表明,该算法能够有效地实现视觉-语义关联,生成文字表述较为准确、内容丰富的描述语句。较现阶段主流图像描述算法在中文语句上的性能表现,该文算法在各项评价指标上均有约3%~30%的较大幅度提升。为了便于后续研究复现,该文的相关源代码和模型已在开源网站Github上公开。 相似文献
5.
主流的目标跟踪算法只使用可见光(RGB)图像进行跟踪任务,当跟踪场景的光照条件较差时,表征颜色和纹理特征的可见光图像会严重限制跟踪器的跟踪性能.针对单一模态目标信息存在缺失的问题,在Siam-FC网络模型以及红外—可见光图像融合思想的基础上提出了双模态权值自更新孪生网络目标跟踪方法.根据红外图像可以采集运动目标热信息的特点,有效利用了红外和可见光图像在目标跟踪领域的互补优势;使用较浅的特征提取网络AlexNet即可提取到运动目标具有鲁棒性的特征,在保证跟踪精度的同时提高了跟踪模型的跟踪速度.在公开数据集OTB2015和红外—可见光数据集RGB-T210进行实验,结果表明提出的目标跟踪算法在各种跟踪场景下都取得了较好的跟踪效果. 相似文献
6.
随着射频识别(Radio Frequency Identification,RFID)技术的飞速发展,在各种特殊的环境下(如工厂、仓库、监狱等),对RFID阅读器天线优化部署的需求开始受到广泛关注.针对目前RFID阅读器天线部署中存在的部署难度大、约束条件多且不易找到最优解和Pareto前沿等问题,文中提出了一种基于改进型多目标樽海鞘群算法(Multi-obj ective Salp Swarm Algorithm,MSSA)的RFID阅读器天线优化部署方法.预先构建多目标RFID阅读器天线优化部署模型,设定优化目标;多目标樽海鞘群算法对RFID阅读器天线优化部署模型进行优化训练,引入分离算子以优化搜索能力,并通过迭代不断寻找满足条件的非支配解,构建满足条件的Pareto解集,其即为优化的结果.实验数据表明,MSSA算法求解时无需先验知识和设置加权系数,收敛速度快;在相同实验环境下,MSSA算法与带观察者机制的蝙蝠(BA-OM)算法、粒子群(PSO)算法、细菌觅食优化(MCBFO)算法相比,覆盖率分别提高了33%,28%,20%;与同类型的求Pareto解集的混合萤火虫(HMOFA)算法相比,MSSA算法的负载均衡提高了7.14%,经济效益提高了59.74%,阅读器干扰减少34.04%. 相似文献
7.
针对工业大麻收割机茎秆切割效率低、输送率低,以及关键作业参数研究空白的现状,本文结合工业大麻茎秆物理特性,运用中心组合试验设计理论开展关键部件作业参数试验与优化,重点研究工业大麻收割机切割-输送作业关键参数中切割速度、链条输送速度、切割位置与夹持点水平间距对切割效率、输送率的影响规律,并以切割效率、输送率为响应指标进行多目标优化.首先对主产区工业大麻茎秆物理和机械力学特性进行研究,并进行与收割相关的物理参数测定,然后采用二次正交旋转组合试验方法设计试验,并用Design-Expert进行数据处理,建立切割效率、输送率的回归数学模型并进行方差分析.通过响应曲面方法分析各因素交互作用对切割效率、输送率的影响,并根据优化目标的重要程度(输送率较切割效率更重要)对回归模型进行多目标优化,得出工业大麻收割机切割-输送关键作业参数的最优组合如下:切割速度为1.33 m/s,链条输送速度为1.35 m/s,切割与夹持点水平距离为63.9 mm.此时切割效率最高、输送率最高,其值分别为44.35株/s、93.93%.最优参数组合下田间试验切割效率为44.7株/s、输送率为92.21%,作业性能大幅提升,达到了较为理想的效果. 相似文献
8.
综合了近年来基于检测跟踪的主流行人多目标跟踪方法,介绍了基于检测的行人多目标跟踪方法概念,从目标检测、特征提取和数据关联与跟踪三个阶段对行人多目标跟踪方法进行了概述,比较并评价了这些方法在MOTChallenge系列数据集上的性能,阐述了多目标跟踪的未来研究方向. 相似文献
9.
通过植入到机器人控制单元,帮助机器人在感知环境的前提下更好的识别和追踪目标,本文研究设计了一种基于本地数据采集处理的目标识别追踪算法系统,通过对本地和云端两个方案测试验证设计系统在综合性能的优越性,主要解决室外机器人在实际场景中识别目标出现的高延迟、不稳定等问题。 相似文献
10.
车辆目标跟踪是实现车联网不可或缺的一环,旨在获取车辆的动态信息,以提高交通运行效率.其核心是对大量监控探头采集的视频图像进行分析处理,实现车辆的实时检测与跟踪.为了进一步提高目标检测效率,降低硬件成本,文中提出了基于二帧差分法的前景检测方法,以及基于质心法的车辆轮廓检测与跟踪方法.基于OpenCV3.4.1和VS2017进行验证实验和仿真测试,结果表明,该算法对车辆跟踪的精确率达到89.1%,平均处理耗时42.63 ms,具有较好的实时性和鲁棒性,可在车联网嵌入式设备上进行部署和应用. 相似文献