全文获取类型
收费全文 | 1364篇 |
免费 | 296篇 |
国内免费 | 176篇 |
专业分类
电工技术 | 56篇 |
综合类 | 91篇 |
化学工业 | 34篇 |
金属工艺 | 14篇 |
机械仪表 | 54篇 |
建筑科学 | 168篇 |
矿业工程 | 11篇 |
能源动力 | 9篇 |
轻工业 | 108篇 |
水利工程 | 13篇 |
石油天然气 | 15篇 |
武器工业 | 17篇 |
无线电 | 312篇 |
一般工业技术 | 66篇 |
冶金工业 | 4篇 |
原子能技术 | 1篇 |
自动化技术 | 863篇 |
出版年
2024年 | 11篇 |
2023年 | 176篇 |
2022年 | 147篇 |
2021年 | 151篇 |
2020年 | 120篇 |
2019年 | 94篇 |
2018年 | 50篇 |
2017年 | 34篇 |
2016年 | 42篇 |
2015年 | 50篇 |
2014年 | 97篇 |
2013年 | 65篇 |
2012年 | 84篇 |
2011年 | 121篇 |
2010年 | 86篇 |
2009年 | 95篇 |
2008年 | 103篇 |
2007年 | 68篇 |
2006年 | 74篇 |
2005年 | 63篇 |
2004年 | 34篇 |
2003年 | 27篇 |
2002年 | 8篇 |
2001年 | 12篇 |
2000年 | 5篇 |
1999年 | 1篇 |
1998年 | 3篇 |
1997年 | 5篇 |
1996年 | 5篇 |
1995年 | 1篇 |
1994年 | 2篇 |
1989年 | 2篇 |
排序方式: 共有1836条查询结果,搜索用时 31 毫秒
1.
目的:提高工业环境下樱桃分级分拣工作的效率。方法:提出了基于Faster R-CNN框架改进的樱桃缺陷识别分拣模型。结果:通过对比VGG16、MobileNet-V2和ResNet50网络,主干网络为ResNet50的效果最优,改进后的Faster R-CNN模型对樱桃裂口、双生、刺激生长、霉变、褐变腐烂和完好果的检测精度分别为97.75%,99.77%,98.90%,97.56%,96.67%,98.80%,平均检测精度达98.24%,高于其他模型,检测速度为31.16帧/s。结论:试验方法对樱桃缺陷类别的检测具有较高的识别精度。 相似文献
2.
针对通用目标检测算法在检测航空影像目标所表现的性能缺陷,提出一种改进Mask R-CNN算法用于航空影像的目标检测。该算法增加图像融合网络,将可见光图像与红外图像进行融合,消除目标被阴影遮蔽对检测造成的影响;同时改进了特征金字塔结构,使特征提取过程中的高层语义特征和低层定位信息得到充分融合,各尺度目标的检测精度得到提升;为解决小目标检测精度低和定位难度高的问题,该算法采用新型区域建议网络SD-RPN,在不同深度的卷积层设置合理大小的滑动窗口,用以检测不同尺度类型目标,使建议区域更加精准。实验结果表明,相比较主流检测算法,该算法在VEDAI数据集上表现出色,检测精度提升较大,尤其是小目标检测的精度提升显著。 相似文献
3.
4.
为了更加合理地求解需求可拆分的车辆路径问题(SDVRP),克服传统先路径后优化两阶段的求解方法容易陷入局部最优的缺点,以及解决智能优化算法在优化阶段未能将竞争与协作有机地融合为一体的问题,以配送路径最短和配送车辆最少为优化目标,提出了一种改进的金字塔演化策略(IPES)。首先,以金字塔为基础,提出了求解SDVRP的编码、解码方式以及层级间的协作策略;其次,根据遗传算法的随机、“适者生存”的高度并行、自适应等特点,以及金字塔结构各层分工不同,设计了一种适合SDVRP的自适应邻域算子,使得算法能够快速收敛到最优;最后,得到最优解。相较于分段求解算法、聚类算法、粒子群算法、人工蜂群算法、禁忌搜索算法,四个仿真实验的结果表明,在求解各案例的最优路径时,所提IPES的求解精度分别至少提升了0.92%、0.35%、3.07%、9.40%,验证了在求解SDVRP时,IPES具有良好的性能。 相似文献
5.
针对目前主流的基于分割的文字检测方法中由于需要复杂的后处理过程保证检测精度,通常难以实现高检测速度的问题,提出一种应用位置注意力模块和金字塔注意力网络2种注意力机制的方法.首先用金字塔注意力网络对图像进行特征提取及语义分割;同时将位置注意力模块应用于高层特征,通过加强图像中相似物体的权重加强对文字的检测效果;最后进行简单有效的后处理,在实现较高检测准确度的前提下提高检测速度.实验结果表明,在Total-text数据集中,采用更轻量化的骨干网络时,所提方法在检测速度上优势明显;采用更深层的骨干网络时,所提方法的检测准确度领先2.0%. 相似文献
7.
针对室内人群目标尺度和姿态多样性、人头目标易与周围物体特征混淆的问题,提出了一种基于多级特征和混合注意力机制的室内人群检测网络(MFANet)。该网络结构包括三部分,即特征融合模块、多尺度空洞卷积金字塔特征分解模块以及混合注意力模块。首先,通过将浅层特征和中间层特征信息融合,形成包含上下文信息的融合特征,用于解决浅层特征图中小目标语义信息不丰富、分类能力弱的问题;然后,利用空洞卷积增大感受野而不增加参数的特性,对融合特征进行多尺度分解,形成新的小目标检测分支,实现网络对多尺度目标的定位和检测;最后,用局部混合注意力模块来融合全局像素关联空间注意力和通道注意力,增强对关键信息贡献大的特征,来增强网络对目标和背景的区分能力。实验结果表明,所提方法在室内监控场景数据集SCUT-HEAD上达到了0.94的准确率、0.91的召回率和0.92的F1分数,在召回率、准确率和F1指标上均明显优于当前用于室内人群检测的其他算法。 相似文献
8.
9.
10.