首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   376篇
  免费   99篇
  国内免费   104篇
电工技术   29篇
综合类   32篇
化学工业   12篇
金属工艺   4篇
机械仪表   15篇
建筑科学   2篇
能源动力   3篇
轻工业   33篇
水利工程   1篇
武器工业   1篇
无线电   42篇
一般工业技术   13篇
冶金工业   2篇
自动化技术   390篇
  2023年   18篇
  2022年   38篇
  2021年   36篇
  2020年   29篇
  2019年   20篇
  2018年   17篇
  2017年   12篇
  2016年   18篇
  2015年   24篇
  2014年   28篇
  2013年   27篇
  2012年   26篇
  2011年   37篇
  2010年   23篇
  2009年   36篇
  2008年   31篇
  2007年   46篇
  2006年   16篇
  2005年   21篇
  2004年   14篇
  2003年   11篇
  2002年   15篇
  2001年   4篇
  2000年   6篇
  1999年   2篇
  1998年   2篇
  1997年   5篇
  1996年   3篇
  1995年   2篇
  1994年   4篇
  1993年   4篇
  1991年   1篇
  1989年   1篇
  1988年   1篇
  1985年   1篇
排序方式: 共有579条查询结果,搜索用时 15 毫秒
1.
基于人工设计特征的检测算法检测速度普遍较慢,检测精度也有待提高,已无法满足现今工业生产中的需求.而基于深度学习的检测技术,因其需要大量的计算和存储空间无法在资源受限的设备上部署使用.针对这些问题,引用一种通道剪枝方法实现YOLOv3检测网络的轻量化,得到剪枝模型SlimYOLOv3,并进一步提出将SlimYOLOv3用于工业场景下的实时检测任务.方法通过对通道缩放因子施加L1正则化来增强卷积层的通道级稀疏性,并对信息量较小的特征通道进行剪枝,最终获得轻量级的网络模型.与原模型相比,SlimYOLOv3剪枝模型减小了60%,计算量减少了50%,检测速度是原模型的1.7倍,更适于智能工业场景中复杂目标的实时检测.  相似文献   
2.
区域骨架去毛刺是骨架提取与应用中的重要问题。常见的去毛刺途径之一,是用基于区域重构的骨架显著性指标对骨架进行阈值化处理,但存在算法参数难以直观设置、去毛刺效果不易控制、运行速度较慢等问题。针对上述问题,提出了一种逐次剪除骨架分枝的去毛刺方法,以突出部分骨架长度为显著性指标,每次剪除显著性最低的一个分枝,直至剩余分枝达到给定数量;为提高算法速度,采用了游程森林结构加速区域重构操作,提出了重构触发策略来减少重构次数。在实际图像集上的实验结果表明,提出的方法的正确骨架分枝的召回率较对比算法高13%,准确率高近3%;采用重构触发策略的算法运行时间平均为未采用该策略算法的约56%。实验结果表明了所提方法的有效性。  相似文献   
3.
Although greedy algorithms possess high efficiency, they often receive suboptimal solutions of the ensemble pruning problem, since their exploration areas are limited in large extent. And another marked defect of almost all the currently existing ensemble pruning algorithms, including greedy ones, consists in: they simply abandon all of the classifiers which fail in the competition of ensemble selection, causing a considerable waste of useful resources and information. Inspired by these observations, an interesting greedy Reverse Reduce-Error (RRE) pruning algorithm incorporated with the operation of subtraction is proposed in this work. The RRE algorithm makes the best of the defeated candidate networks in a way that, the Worst Single Model (WSM) is chosen, and then, its votes are subtracted from the votes made by those selected components within the pruned ensemble. The reason is because, for most cases, the WSM might make mistakes in its estimation for the test samples. And, different from the classical RE, the near-optimal solution is produced based on the pruned error of all the available sequential subensembles. Besides, the backfitting step of RE algorithm is replaced with the selection step of a WSM in RRE. Moreover, the problem of ties might be solved more naturally with RRE. Finally, soft voting approach is employed in the testing to RRE algorithm. The performances of RE and RRE algorithms, and two baseline methods, i.e., the method which selects the Best Single Model (BSM) in the initial ensemble, and the method which retains all member networks of the initial ensemble (ALL), are evaluated on seven benchmark classification tasks under different initial ensemble setups. The results of the empirical investigation show the superiority of RRE over the other three ensemble pruning algorithms.  相似文献   
4.
为更高效利用变电站巡检机器人开展电力巡检工作,满足电力行业发展对智能化巡检的需求,研究了面向电力巡检机器人的电力设备状态检测算法。首先,根据深度网络部署硬件芯片应用情况与性能对比,选择海思Hi3559A芯片作为算法移植的嵌入式平台。然后综合考虑各种检测算法的精度与速度,选用YOLOv3算法作为设备状态检测的基本判别模型。为了提升检测算法速度并减少模型体积,开展模型压缩算法及轻量型YOLOv3模型设计研究,分别提出了改进的小型化YOLOv3模型和基于通道剪枝与层剪枝结合的模型压缩方法,提高模型上下层的语义信息及剪枝后模型的精度保持。根据测试结果选择最优的模型在机器人前端部署,提出的轻量化YOLOv3模型很好地保持了设备目标与异物检测的精度,检测速度提升了4倍。  相似文献   
5.
施工人员检测在施工管理工作中有重要的应用价值。施工现场图像背景复杂且视角多样,给施工人员检测任务带来难度,同时施工现场大多基础配套设施不完善,并且网络条件较差,不适合在大型GPU工作站上进行模型部署。针对以上问题,以YOLOv3检测网络为基础,加入特征金字塔池化模块,增加多尺度特征融合并改进候选框,提升检测精度,同时采用通道剪枝算法对检测网络进行轻量化处理以适应边缘端设备算力,提出一种面向边缘端的施工人员实时检测方法。该方法在自制的施工人员数据集上平均准确率可达到88.23%,较YOLOv3检测方法提升4.89个百分点,且将模型大小压缩至原来的1/13,检测速度提升一倍,在嵌入式设备Jetson Xavier NX上检测速度可达到69.08帧/s,满足在施工现场进行实时边缘端检测的要求。  相似文献   
6.
为了解决对于尺度变换较大车辆及遮挡车辆检测性能不足的问题,提出了一种实时车辆检测模型。针对车辆检测算法对于尺度敏感的问题,通过使用深度残差网络作为特征提取层,构建特征金字塔网络用于多尺度检测;利用软化非极大抑制线性衰减置信得分解决车辆遮挡问题,从而降低车辆的漏检率;同时对模型进行通道级裁剪缩减模型参数规模,节省计算资源,提高模型检测速度。在VOC数据集上进行实验,结果表明,提出的方法在检测精度和检测速度上均获得较高的性能。在检测精度上,达到87.6%的准确率,相较于YOLOv3提升了3.7个百分点,相较于SSD提升了9.8个百分点;在检测速度上,每秒检测帧数达到42 f/s,实现了车辆的实时检测。特别地,将模型应用于环境复杂的Apollo数据集,相较于YOLOv3具有更好的鲁棒性。  相似文献   
7.
图像特征点及描述子提取是SLAM、SFM和3D重建等任务的基础,较好的图像特征点及描述子提取算法会对这些任务的进步产生十分重要的作用.本文聚焦于提取特征点和描述子算法中鲁棒性较高、性能较好的SuperPoint网络,对该网络进行了一定程度的改进.针对其计算量和参数较大的问题,首先将普通卷积改成深度可分离卷积,改变卷积层数和下采样方式,之后改进通道剪枝算法,使其可以应用于深度可分离卷积,对网络进行剪枝.实验结果显示,在轻微损失特征点检测和匹配效果的情况下,将网络参数量压缩为原来网络的15%,运算量压缩为原来网络的5%,FPS提升6.64倍,取得了较好的实验效果.  相似文献   
8.
Ensemble learning is the process of aggregating the decisions of different learners/models. Fundamentally, the performance of the ensemble relies on the degree of accuracy in individual learner predictions and the degree of diversity among the learners. The trade-off between accuracy and diversity within the ensemble needs to be optimized to provide the best grouping of learners as it relates to their performance. In this optimization theory article, we propose a novel ensemble selection algorithm which, focusing specifically on clustering problems, selects the optimal subset of the ensemble that has both accurate and diverse models. Those ensemble selection algorithms work for a given number of the best learners within the subset prior to their selection. The cardinality of a subset of the ensemble changes the prediction accuracy. The proposed algorithm in this study determines both the number of best learners and also the best ones. We compared our prediction results to recent ensemble clustering selection algorithms by the number of cardinalities and best predictions, finding better and approximated results to the optimum solutions.  相似文献   
9.
为了解决最大稳定极值区(MSER)提取过程中产生的大量重复文本区域和非文本区域难以被剔除影响算法精度的问题,提出了一种基于树修剪和多特征融合的场景文本检测方法。首先提取出边缘叠加的MSER作为文本候选区域;其次设计了一种MSER树修剪算法剔除重复文本区域;然后采用贝叶斯分类器融合多特征剔除非文本区域;最后设定了一系列相似性标准合并文本区域。ICDAR 2011数据集(f=76.8%)上的实验结果低于目前最好的算法\[19\],但算法在速度上具有明显的优势。  相似文献   
10.
为解决二进前馈神经网络(BFNN)缺乏高效实用学习算法的问题,提出一种新的融合自适应调节结构和权值的BFNN学习算法.该算法借鉴并改进了极限学习机(ELM)方法,可以高效地训练单隐层的BFNN来解决分类问题.为了满足网络的训练精度,算法可以自动增加隐层神经元个数和调节网络隐层及输出层神经元权值;同时为了提高网络的泛化精度,算法通过建立二进神经元敏感性作为度量隐层神经元重要性的尺度,自动地裁剪重要性小的神经元,并对裁剪损失的信息进行补偿.实验结果验证了该算法在处理离散分类问题时的可行性和有效性.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号