排序方式: 共有6条查询结果,搜索用时 5 毫秒
1
1.
2.
3.
针对部队武器仓库等重要场所的门禁管理方式安全性较低等问题,设计了基于改进卷积神经网络的门禁系统.首先对卷积神经网络进行介绍,引入PSO算法设计优化的卷积神经网络的初始权值以及阈值.然后对手写数字数据集进行分类实验.实验结果证明,基于PSO算法的卷积神经网络改进方案能够使得训练过程收敛速度较快,损失较小,效果优于传统卷积神经网络.在此基础上,根据部队实际工作情况,将粒子群算法应用于MTCNN以及孪生Res Net算法,设计基于改进卷积神经网络的门禁系统,使得部队重要场所的门禁管理具有更高的安全性和可靠性. 相似文献
4.
本文设计实现了基于物联网的远程物资监测系统,实时地保护重要物资,将安全隐患扼杀于萌芽之中.该系统安装于重要物资之上,管理软件将实时显示物品的位置、运动轨迹、环境状态等信息,满足了对重要物品的实时监控、状态监测及防盗预警的需求,实现了室内室外定位无缝连接,监控范围无死角.该系统能对物品全时域全方位进行定位报警,还能辅助工... 相似文献
5.
6.
海军某部队导弹出入库使用人工登记,导致了出入库过程浪费大量的人力时间;利用深度学习,可实现自动登记;文章介绍了AA-CRNN算法,即在CRNN中加入非对称卷积,提升宽度感受区域,加入Attention机制对特征序列进行加权平均;通过在人工合成的数据集上进行实验对比分析,AA-CRNN算法识别目标导弹编号模型的准确率以及LOSS均达到较好的性能,较其他先进的文本识别算法,其字符准确率达到了98.9%,同时其平均编辑距离低至0.92,且经实际测试其均能准确识别出导弹编号;因此,利用改进的CRNN算法识别导弹编号,辅助工作人员进行导弹出入库自动登记方案是可行的. 相似文献
1