排序方式: 共有50条查询结果,搜索用时 93 毫秒
1.
针对目前SSD算法对小目标检测精确度低,泛化能力弱,且存在误检、漏检等问题,提出一种基于SSD网络的交通标识检测方法。为增加对目标的检测精度,使用ResNet-50网络作为SSD算法的骨干网络,在额外添加层中加入BN层,提高训练速度;使用sub-pixel来代替上采样,提高识别目标分辨率,并加入MFPN模型融合低层与高层特征信息,避免出现漏检问题。实验结果表明与现有的SSD算法相比,改进的SSD算法在公开数据集CCTSDB和GTSDB数据集上mAP值分别提高4.2%和3.1%,FPS保持在87.2 f/s,检测精度显著提升。满足对交通标识实时检测的要求,在无人驾驶领域具有广泛的应用前景。 相似文献
3.
钢结构的应用,促进城市建筑业蓬勃发展,成为了建筑行业中一颗耀眼的新星,被广泛的运用于当前各种建筑结构中。钢结构在提高建筑行业的经济效益的同时,也具有美化环境、节能降耗的作用。 相似文献
4.
数据业务的爆炸式增长使现有的“竖井式”业务网架构面临诸多挑战,而整合软、硬件资源,发挥服务器和存储虚拟化优势,构建融合、统一的下一代电信业务网成为运营商所需。 相似文献
5.
通过对猪胴体中心温度、pH值、肉色及菌落总数等指标进行测定,研究二段式预冷工艺条件下0~4 ℃单向风机排布预冷库内不同位置环境温度和环境相对湿度的差异对猪胴体品质的影响。结果表明:预冷库内不同位置环境温度和环境相对湿度之间存在显著差异(P<0.05);环境温度低的位置,其猪胴体中心温度下降快;预冷库内不同位置处pH值下降幅度存在差异,位置1、3、6处pH值下降较快,且与同轨道其他位置存在显著性差异(P<0.05);不同位置处猪胴体的肉色变化趋势存在显著差异(P<0.05),冷库内不同位置环境温度的差异可能是造成猪胴体亮度值和红度值有不同变化趋势的原因之一;不同轨道的猪胴体菌落总数存在显著差异(P<0.05),回风口位置处菌落总数最小。 相似文献
6.
近红外特征光谱定量检测羊肉卷中猪肉掺假比例 总被引:2,自引:0,他引:2
利用近红外漫反射光谱技术结合化学计量学方法对解冻掺假羊肉卷,进行猪肉掺假比例的定量检测研究。按照不同肥肉占比和不同猪肉掺假比例,制备324?个样品,并利用近红外光谱仪采集其光谱数据。对原始数据进行SG(Savitzky-Golay)平滑、SG一阶导、SG二阶导、多元散射校正、中心化、标准正态变量校正等预处理,并利用偏最小二乘回归(partial least square regression,PLSR)进行建模分析,其中SG平滑结合一阶求导预处理的模型预测效果最优。针对最佳预处理光谱采用竞争性自适应加权采样(competitive adaptive reweighted sampling,CARS)算法进行波长筛选,并建立特征波长PLSR模型,模型预测效果得到提高。其中,校正集和验证集决定系数分别为0.983?6和0.972?5,校正集和验证集的均方根误差分别为0.043?7和0.057?7,范围误差比为7.62。应用该CARS-PLSR模型对检验集进行预测,真实值与预测值的相关系数为0.913?8,结果表明采用近红外光谱分析技术可以实现不同肥肉占比羊肉卷中猪肉掺假比例的定量检测。 相似文献
7.
8.
虚拟企业中供应链管理的研究 总被引:2,自引:0,他引:2
本文主要研究了虚拟企业和供应键管理的运作原理和技术,提出了虚拟企业供应键管理运行的生产计划、采购、库存和销售管理模式.最后对具体实例进行了分析。 相似文献
9.
边缘设备的资源有限性促使部署边缘服务需要深入理解网络功能的资源消耗情况.通过无线路由器上容器化网络功能部署实验得出,除了处理业务流的计算开销外,网络功能实例间的通信也会消耗大量CPU资源.基于该发现,考虑在近距离和相对低负载的对等边缘设备上分布式地部署网络功能实例,在满足时延约束的条件下均衡流量,从而最小化边缘设备负载.为此,提出细粒度服务链负载模型,并在此基础上设计实现了一种面向边缘环境的多实例服务链在线部署算法.该算法包括基于剪枝搜索策略的时延满足路径搜索、基于嵌套Top K策略的部署路径选择和基于贪心策略的网络功能部署3个组成部分.仿真实验验证了该算法的有效性.实验结果表明,相比不考虑通信开销的网络功能链部署,该算法可以降低10% 边缘设备C P U负载,接近理论最优部署结果. 相似文献
10.
在北京市内收集生鲜羊通脊肉样品98个,研究应用便携式近红外仪快速无损检测生鲜羊通脊肉嫩度,结合化学计量学的方法建立可以快速无损检测生鲜羊通脊肉嫩度的近红外光谱检测模型。在建模过程中,研究了平滑、求导和信号校正等不同光谱预处理方法对模型的影响。结果表明:最佳的光谱预处理方法为均值中心化、Savitzky-Golay(SG)一阶导数、SG平滑和正交信号校正。应用偏最小二乘法建模所得模型的校正集标准偏差0.90、验证集标准偏差2.39、校正集相关系数(R c)=0.94、验证集相关系数(R p)=0.64、主因子数为4,说明模型具备较好的预测准确性,可应用于生鲜羊通脊肉嫩度的快速无损检测中。 相似文献