全文获取类型
收费全文 | 1406篇 |
免费 | 552篇 |
国内免费 | 312篇 |
专业分类
电工技术 | 130篇 |
综合类 | 188篇 |
化学工业 | 17篇 |
金属工艺 | 18篇 |
机械仪表 | 83篇 |
建筑科学 | 13篇 |
矿业工程 | 11篇 |
能源动力 | 8篇 |
轻工业 | 29篇 |
水利工程 | 3篇 |
石油天然气 | 49篇 |
武器工业 | 8篇 |
无线电 | 456篇 |
一般工业技术 | 136篇 |
冶金工业 | 8篇 |
原子能技术 | 10篇 |
自动化技术 | 1103篇 |
出版年
2024年 | 15篇 |
2023年 | 173篇 |
2022年 | 334篇 |
2021年 | 317篇 |
2020年 | 237篇 |
2019年 | 148篇 |
2018年 | 98篇 |
2017年 | 59篇 |
2016年 | 25篇 |
2015年 | 38篇 |
2014年 | 43篇 |
2013年 | 48篇 |
2012年 | 50篇 |
2011年 | 78篇 |
2010年 | 54篇 |
2009年 | 55篇 |
2008年 | 61篇 |
2007年 | 71篇 |
2006年 | 55篇 |
2005年 | 36篇 |
2004年 | 39篇 |
2003年 | 35篇 |
2002年 | 28篇 |
2001年 | 26篇 |
2000年 | 21篇 |
1999年 | 15篇 |
1998年 | 12篇 |
1997年 | 15篇 |
1996年 | 11篇 |
1995年 | 10篇 |
1994年 | 6篇 |
1993年 | 8篇 |
1992年 | 6篇 |
1991年 | 9篇 |
1990年 | 8篇 |
1989年 | 5篇 |
1988年 | 3篇 |
1987年 | 1篇 |
1986年 | 1篇 |
1985年 | 3篇 |
1984年 | 3篇 |
1983年 | 4篇 |
1982年 | 1篇 |
1980年 | 2篇 |
1978年 | 1篇 |
1975年 | 1篇 |
1959年 | 1篇 |
排序方式: 共有2270条查询结果,搜索用时 15 毫秒
1.
针对目前大多数人脸识别算法参数多、计算量大,难以部署到移动端和嵌入式设备中的问题,提出了一种基于改进MobileFaceNet的人脸识别方法。通过对MobileFaceNet模型结构的调整,将bottleneck模块优化为sandglass模块,改良深度卷积和逐点卷积的相对位置,适当增大sandglass模块的输出通道数,从而减少特征压缩时的信息丢失,增强人脸空间特征的提取。实验结果表明:改进后的方法在LFW测试数据集上准确率达99.15%,模型大小和计算量分别仅为原算法的61%和45%,验证了所提方法的有效性。 相似文献
2.
提出了一种基于FCOS神经网络的小建筑物目标检测算法,针对FCOS模型在特征提取阶段提取到的小建筑物目标特征较少问题,引入多尺度检测和可变形卷积方式,加强网络对小建筑物目标的特征提取能力,并通过改进后的SGE注意力机制降低特征图中的干扰噪声权重。改进后的网络可以提取到更多的小建筑物目标特征,对环境干扰噪声的鲁棒性更强。在自己搭建的数据集上进行了实验测试,结果表明,在相同环境下网络改进后建筑物的整体检测准确率提升了1.7%,其中对小建筑物目标提升了3.6%,减少了小建筑物目标漏检、误检的问题。 相似文献
3.
动作识别是计算机视觉基础任务之一,骨架序列包含了大部分的动作信息,因此基于骨架的动作识别算法受到很多学者关注。人体骨架在数学上是一个天然的图,所以图卷积被广泛应用于动作识别。但普通的图卷积只聚合两两节点间的低阶信息,不能建模多节点间的高阶复杂关系。针对此问题,本文提出一种多尺度超图卷积网络,在空间和时间两个维度聚合更丰富的信息,提高动作识别准确度。多尺度超图卷积网络采用编解码结构,编码器使用超图卷积模块聚合超边中多个节点间的相关信息,解码器使用超图融合模块恢复原始骨架结构,另外基于空洞卷积设计了多尺度时间图卷积模块以更好地聚合时间维度运动信息。NTU-RGB+D和Kinetics数据集上的实验结果验证了算法的有效性。 相似文献
4.
针对传统故障诊断方法过于依赖人为经验的缺陷,提出小波变换和二维密集连接扩张卷积神经网络(WT-ICNN)的风电齿轮箱智能故障诊断方法. 所提方法将一维振动信号通过连续小波变换(WT)转换成二维故障图像;再将二维故障图像输入ICNN中进行训练和测试. 通过齿轮箱开源数据和风场实测数据验证结果表明,与传统故障诊断方法相比,所提方法采用密集连接的结构自适应特征提取时频图,有效加强了故障特征的利用效率;在对风电齿轮箱的故障诊断中,所提方法具有更好的特征复用能力和更高的诊断精度. 相似文献
5.
为了提高对原始红绿蓝(RAW)和标准红绿蓝(sRGB)2种格式的真实噪声图像的去噪性能,提出了一种基于卷积神经网络的阶梯式图像去噪方法。第一阶段,利用单个通道内空间结构信息对图像各个通道独立去噪,获得初步去噪结果。第二阶段,利用噪声图像在不同通道的相关性进一步去噪,获得增强的去噪结果。在所提方法中引入误差反馈机制来减少采样带来的信息损失;使用密集残差连接模块使得提取到的噪声图像特征能更有效地复用和传播;利用通道注意力使得网络有选择性地增强信息量大的特征,抑制无用特征。将所提方法与常用的其他去噪方法比较,实验结果表明,在达姆施塔特噪声数据集的RAW/sRGB数据集上,所提方法分别达到了49.55 dB和39.55 dB的峰值信噪比(PSNR);在跨通道数据集达到了39.52 dB的PSNR,较目前绝大多数方法具有更好的性能。 相似文献
6.
P2P僵尸网络因具有较高的隐蔽性和健壮性,已经成为新型的网络攻击平台,对网络空间安全造成的威胁越来越大,但现有基于规则分析或流量分析的检测方法不能有效检测。为了解决P2P僵尸网络隐蔽性强、难以识别等问题,提出了一种基于图神经网络(Graph Neural Network,GNN)的P2P僵尸网络检测方法。该方法先提取P2P僵尸网络流量中的源IP、目的IP、出度、入度和节点介数中心性,构建成拓扑图、出入度图和介数中心性图;再通过元素积对三种特征图的邻接矩阵加权求和进行图融合得到检测模型的输入;然后利用基于注意力机制的图卷积神经网络提取节点间特征,使用神经协同过滤算法实现中心节点注意力概率分配,完成节点状态更新;利用多层图卷积层之间的紧密连通性实现对交互特征的降维抽取和对高阶结构信息的挖掘,自动学习僵尸网络的内在特征,并通过节点分类模块判别分类,完成僵尸网络检测。该方法不依赖流量协议特征,而是基于P2P僵尸网络节点交互特征以及网络拓扑结构信息实现检测,能有效解决现有检测方法不能检测加密或混淆的僵尸网络流量的问题。使用ISCX-2014僵尸网络数据集对该方法验证,实验结果表明,对P2P僵尸网络的检测准确率达到了99.09%,F1-score达到了0.991,所提方法能有效提高P2P僵尸网络检测能力和泛化能力,降低误报率。 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.
神经风格迁移技术主要用于对图像、视频等进行风格化,使其具有艺术美感,该领域极具应用价值,是人工智能的热门研究领域之一。为推动神经风格迁移领域的研究发展,对神经风格迁移技术进行了全面概述。简述了非真实感渲染技术和传统的纹理迁移技术。对现有神经风格迁移模型进行了分类整理,并详细探讨了各类代表性模型的算法原理及后续改进,分析了神经风格迁移技术的应用市场。提出对风格迁移模型质量的评判应该从定性评估和定量评估两个方面来考虑,并从各个角度讨论了现阶段风格迁移技术存在的问题以及未来研究方向。最后强调应提高模型的综合能力,在保证生成质量的情况下提升生成速度以及泛化能力。 相似文献
9.
基于深度学习的水果缺陷实时检测方法 总被引:1,自引:0,他引:1
目的:对CenterNet方法进行优化改进。方法:使用MobileNetV3的轻量化卷积神经网络替代CenterNet 原有的骨干网络,加快检测速度,对MobileNetV3模块进行改进,增强模型对水果中小缺陷块的检测能力,并对CenterNet的预检测阶段进行优化,提高其检测准确度。结果:试验方法对显著缺陷如直径>4 mm的苹果识别率高达99.7%,检测速度为113帧/s,模型体积为1.31 MB。结论:与CenterNet_ResNet18和CenterNet_Shuffler模型相比,MO-CenterNet模型检测水果缺陷在训练时间、检测速度和准确率方面均衡性更好。 相似文献
10.
视频监控、军事目标识别以及消费型摄影等众多领域对图像清晰度有很高的要求.近年来,深度神经网络在视觉和定量评估的应用研究中取得较大进展,但是其结果一般缺乏图像纹理的细节,边缘过度平滑,给人一种模糊的视觉体验.本文提出了一种基于生成对抗网络的图像清晰度提升方法.为了更好的传递图像的细节信息,采用改进的残差块和跳跃连接作为生成网络的主体架构,生成器损失函数除了对抗损失,还包括内容损失、感知损失和纹理损失.在DIV2K数据集上的实验表明,该方法在提升图像清晰度方面有较好的视觉体验和定量评估. 相似文献