全文获取类型
收费全文 | 52篇 |
免费 | 2篇 |
国内免费 | 2篇 |
专业分类
电工技术 | 6篇 |
综合类 | 1篇 |
化学工业 | 4篇 |
金属工艺 | 3篇 |
机械仪表 | 1篇 |
建筑科学 | 12篇 |
能源动力 | 1篇 |
轻工业 | 4篇 |
无线电 | 6篇 |
一般工业技术 | 3篇 |
冶金工业 | 4篇 |
自动化技术 | 11篇 |
出版年
2023年 | 4篇 |
2022年 | 1篇 |
2021年 | 3篇 |
2018年 | 3篇 |
2015年 | 1篇 |
2014年 | 6篇 |
2013年 | 2篇 |
2012年 | 2篇 |
2011年 | 6篇 |
2010年 | 3篇 |
2009年 | 3篇 |
2007年 | 1篇 |
2004年 | 3篇 |
2003年 | 1篇 |
2002年 | 1篇 |
2001年 | 2篇 |
2000年 | 3篇 |
1998年 | 1篇 |
1996年 | 2篇 |
1993年 | 2篇 |
1990年 | 2篇 |
1988年 | 1篇 |
1984年 | 1篇 |
1980年 | 2篇 |
排序方式: 共有56条查询结果,搜索用时 11 毫秒
1.
针对现有眼底视网膜血管分割算法普遍存在的微小血管细节丢失和病灶信息误判等问题,提出一种基于改进HRNet的血管分割算法.在预处理阶段,利用限制对比度自适应直方图均衡化和自适应的Gamma矫正提高血管与背景对比度;在编码阶段,将HRNet原始卷积替换为可变形卷积,提升卷积对复杂血管形态结构的适应能力;在多尺度特征融合阶段,引入空间金字塔池化和多尺度卷积,扩大感受野同时增强对目标局部特征关注度,改善血管伪影和细微信息丢失的问题.该算法在DRIVE数据库上仿真实验,其准确率、灵敏度和特异性分别为95.79%、80.33%和98.12%. 相似文献
2.
针对皮肤病分割问题中皮肤病变区域大小不一且形状各异问题,提出一种基于多尺度特征融合的双U型皮肤病分割算法.该算法由粗分U型网络和细分U型网络两部分组成.首先粗分U型网络编码部分采用预训练VGG-19模型对相关特征进行多尺度特征提取;在解码阶段利用改进注意力残差块将底层与高层信息进行有效的映射融合,得到初步的Mask;然后将初步生成的Mask与原图像聚合,并输入多路特征提取编码器中进行二次特征蒸馏;而细分U型网络解码器同时与粗分U型网络编码部分和细分U型网络的编码部分特征映射进行融合,保证网络可以聚合更多的有效特征;最后利用Focal Tversky损失函数进一步提升分割效果.实验表明,所提算法在ISBI2016数据集上实验分割精度为96.11%、敏感度为93.59%、特异性为97.10%、Dice系数为93.14%、Jaccard系数为87.17%,能够有效地分割皮肤病病变区域. 相似文献
3.
1 前言机床液压系统由于压力损失,以及整个液压系统的机械损失和容积损失组成了总的能量损失。这些能量都转变为热能,使油温升高,油的物理性能有所变化,从而影响液压系统的正常工作,甚至会使热膨胀系数不同的运动副之间的间隙变小而卡死,也可能引起其间隙增大,使容积损失增加,失去工作能力。为了保证系统的良好工作性能,应进行发热计算,使最高油温控制在许可的范围之内。 相似文献
4.
眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注意残差块提升网络对特征信息的提取能力;其次,在网络底部嵌入特征相似模块以捕获特征之间的远程依赖关系,为了有效地抑制眼底图像中的噪声影响和捕获血管多尺度信息,在跳连部分分别引入双路径注意门机制与稠密的空洞空间金字塔池化模块;最后,在解码部分设置侧输出层生成与层级对应的局部预测图像,并配合多标签Dice损失函数进行训练.在DRIVE,STARE和CHASE_DB1数据集上进行实验,灵敏度分别为80.54%, 83.97%和82.40%,受试者曲线下的面积(AUC)分别为98.07%, 98.50%和98.36%. 相似文献
6.
针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特征。同时在跳跃连接部分增加改进的自适应特征融合模块,促进相邻层次特征之间的有效融合,以提取更多的细小血管特征。最后在解码部分设置侧输出的多级注意结构对多层次特征进行自适应细化。实验结果表明,该算法在DRIVE、STARE和CHASEDB1数据集上准确率分别达到0.9645、0.9694和0.9671,灵敏度分别达到0.8417、0.8465和0.8545,AUC分别达到0.9866、0.9908和0.9877,整体性优于现有算法。 相似文献
7.
针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%, 97.47%和97.48%,灵敏度分别为82.73%, 82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%, 98.90%和98.93%。其模型整体性能优于现有算法。 相似文献
8.
南京市地处江苏省西南部,是我国四大历史文化古城之一,是江苏省政治、经济、文化、教育、科技、信息的中心。南京市现辖十区五县,面积6515多平方公里,人口400多万,拥有3000多家大中型企业。南京市东距长江入海口约300公里,江宽水深,万吨海轮可终年畅通,是一个天然河海良港。今日的南京市,政通人和,百业兴盛,工业门类齐全,经济繁荣发达,在与毗邻省市长期的经济交往中,形成了南京经济区,初步显示出中心城市的地位和作用。纺织工业是南京市重要的地方工业,也是外向型经济的主要支柱。 相似文献
9.
10.