排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
1 INTRODUCTIONArsenopyrite is the most common sulfide mineral in arsenic refractory gold ores. The ore refractoriness mainly results from dissemination of fine grained gold in arsenopyrite and other sulphide minerals. Oxidation of sulfides by either pyro-metallurgical or hydrometallurgical tech- niques to render these ores amenable to the standard cyanidation is therefore universally effective in gold extraction. A newly developed pretreating technology for arsenopyrite-type ores is oxyge… 相似文献
2.
深度信息在机器人、自动驾驶等领域中有着重要作用,通过深度传感器获取的深度图较为稀疏,研究人员为了补全缺失的深度信息提出了大量方法。但现有方法大多是针对不透明对象,基于卷积神经网络的强大表征能力,设计了一个双分支引导的编解码结构网络模型,通过针对透明物体的以掩码图为引导的编码分支,提升网络对透明物体特征信息的提取能力,并且使用谱残差块连接编解码部分,提高了网络训练稳定性及获取物体结构信息的能力,除此之外,还加入了注意力机制以提升网络空间和语义信息的特征建模能力。该网络在两个数据集上都达到了领先的效果。 相似文献
3.
于景 《电脑乐园·学生电脑》2021,(10)
在时代和科技不断发展过程中,5G 通信技术已经成为移动通信领域内的前沿技术。并且,5G 通信技术正处于发展的重要阶段,在当前社会得到了不断的普及和推广。5G 通信技术的服务功能也逐渐被世人所熟知。鉴于5G 通信技术的应用价值和服务功能,这一通信技术必须要得到重点关注。在本篇文章中,笔者以 5G 通信技术背景下传输技术发展趋势的探究为主题,及时参考了与此有关的文献资料,展开了分析。 相似文献
4.
在人机协作任务中,手部关键点检测为机械臂提供目标点坐标,A2J(Anchor-to-Joint)是具有代表性的一种利用锚点进行关键点检测的方法。A2J以深度图为输入,可实现较好的检测效果,但对全局特征获取能力不足。文中设计了全局-局部特征融合模块(Global-Local Feature Fusion, GLFF)对骨干网络浅层和深层的特征进行融合。为了提升检测速度,文中将A2J的骨干网络替换为ShuffleNetv2并对其进行改造,用5×5深度可分离卷积替换3×3深度可分离卷积,增大感受野,有效提升了骨干网络对全局特征的提取能力。文中在锚点权重估计分支引入高效通道注意力模块(Efficient Channel Attention, ECA),提升了网络对重要锚点的关注度。在主流数据集ICVL和NYU上进行的训练和测试结果表明,相比于A2J,文中所提方法的平均误差分别降低了0.09 mm和0.15 mm。在GTX1080Ti显卡上实现了151 frame·s-1的检测速率,满足人机协作任务对于实时性的要求。 相似文献
5.
6.
7.
8.
1