全文获取类型
收费全文 | 59篇 |
免费 | 2篇 |
国内免费 | 3篇 |
专业分类
电工技术 | 4篇 |
综合类 | 4篇 |
化学工业 | 8篇 |
金属工艺 | 8篇 |
机械仪表 | 4篇 |
建筑科学 | 2篇 |
矿业工程 | 2篇 |
轻工业 | 2篇 |
水利工程 | 6篇 |
石油天然气 | 2篇 |
无线电 | 6篇 |
自动化技术 | 16篇 |
出版年
2023年 | 2篇 |
2022年 | 4篇 |
2021年 | 1篇 |
2019年 | 2篇 |
2018年 | 1篇 |
2016年 | 1篇 |
2014年 | 5篇 |
2013年 | 4篇 |
2012年 | 4篇 |
2011年 | 4篇 |
2010年 | 7篇 |
2009年 | 4篇 |
2006年 | 4篇 |
2005年 | 1篇 |
2004年 | 4篇 |
2003年 | 3篇 |
2001年 | 5篇 |
2000年 | 1篇 |
1997年 | 1篇 |
1995年 | 1篇 |
1993年 | 1篇 |
1991年 | 3篇 |
1990年 | 1篇 |
排序方式: 共有64条查询结果,搜索用时 15 毫秒
21.
22.
23.
24.
H.264是最新的国际视频编码标准,它能够提供更高的编码效率,但其编码实现也非常复杂,三叉树结构的多编码模式和多帧参考技术是复杂度增加的两个重要因素.针对这两个因素提出一种用于帧间编码的快速模式判决算法FIMDA,它利用编码过程中获得的模式、码率开销等编码信息来减少那些对编码性能影响不大的参考帧和模式的搜索过程,从而降低编码复杂度.实验结果表明,对常用的5帧参考,与全搜索相比,FIMDA可将编码复杂度降低平均85%以上,而PSNR下降仅在0.07dB左右. 相似文献
25.
26.
结合深度学习模型实现光流端到端的计算是当前计算机视觉领域的一个研究热点.文中对基于深度学习的光流估计方法进行总结和梳理.首先,介绍了光流的起源与定义;其次,总结了现有的数据集合和评价指标;最重要的是,着重从3个方面回顾了深度光流估计方法,包括有监督的深度光流估计方法、无监督的深度光流估计方法以及对现有光流估计方法的性能... 相似文献
27.
基于轨迹行为模式特征的视频拷贝检测算法 总被引:1,自引:0,他引:1
为了有效地利用视频的时域运动信息来提高视频拷贝检测的精度和鲁棒性,提出一种基于特征点轨迹行为模式的拷贝检测算法.首先从视频连续帧中提取特征点轨迹的行为模式特征,然后采用视觉关键词典技术构造视频的运动特征,最后基于运动特征的相似度进行视频拷贝检测.该算法在TRECVID标准数据集上取得了较高的检测精度.实验分析表明,基于轨迹的运动特征具有较强的描述区分能力,对各种常见的拷贝变化具有鲁棒性. 相似文献
28.
2022年5月20日世界计量日期间,浙江省计量测试学会发布了T/ZSM 0005—2022《电子计价秤欺骗性使用特征与判定》团体标准,这是浙江省计量科学研究院联合宁波市计量测试研究院、海宁市计量检定测试所、无锡市检验检测认证研究院等机构总结前期电子计价秤作弊理论和作弊检测的经验,撰写团体标准,重点对欺骗性使用特征做解释和定义,对试验方法、现场执法中情况做了明确的规定,目的是统一认知,便于技术机构的理解和操作,护航贸易结算公正公平。 相似文献
29.
台标是视频的重要语义信息,其检测与识别面临类别多、结构复杂、区域小、信息量低、背景干扰大等难题.为提高模型的泛化能力,本文提出将台标图像叠加到背景图像中合成台标数据,来构建训练数据集.进一步,我们提出两阶段可伸缩台标检测与识别(scalable logo detection and recognition,SLDR)方法,其采用batch-hard度量学习方法快速训练匹配模型,确定台标类别.SLDR的检测与识别分离机制使得其可将检测目标扩展到未知类别.实验结果表明,合成数据可以有效提升模型的泛化能力和检测精度.实验亦显示SLDR方法在不更新检测模型的情况下,即可获得与端到端模型相当的精度. 相似文献
30.
台标识别是典型的细微目标识别问题,针对台标区域小、信息量低,且镂空、半透明台标极易受到画面背景影响的难题,提出一个基于端到端全卷积网络的像素级台标识别网络——PNET.首先构建一个像素级标注的台标数据集,通过视频抽帧和图像预处理获得台标图像集,并提出一种逐图像的像素级半自动标注方法获得二值标签图像集;然后提出一个像素级台标识别网络,在典型分类网络AlexNet,VGG的基础上,通过微调,将分类网络在分类任务中学习到的网络参数转换为像素级台标识别网络在台标分割任务中的所需的网络参数;最后引入跨层架构,融合来自网络深层的全局信息和浅层的局部信息.实验结果表明PNET实现了准确的像素级分割,准确率高达98.3%,在NVIDIA Tesla K80上单幅图像识别时间不超过1.5 s. 相似文献