【摘 要】
：
在其电子计算机互联网技术得以飞速发展之后,物联网成为信息科技中的又一次历史性的变革,也是其信息科技进一步的发展与延伸。由于其物联网技术所触及的范围十分的广泛,比如智能化的家电、智能化的车载应用以及医疗行业中的远程服务技术等,都是其作用与涉及的展现。同时,其与电力行业而言也是息息相关的。由于物联网技术所具有的十分旷阔的运用空间,且其运用方面也是十分的成功,这也在一定程度上增进了其在电力行业中的营销服
论文部分内容阅读
在其电子计算机互联网技术得以飞速发展之后,物联网成为信息科技中的又一次历史性的变革,也是其信息科技进一步的发展与延伸。由于其物联网技术所触及的范围十分的广泛,比如智能化的家电、智能化的车载应用以及医疗行业中的远程服务技术等,都是其作用与涉及的展现。同时,其与电力行业而言也是息息相关的。由于物联网技术所具有的十分旷阔的运用空间,且其运用方面也是十分的成功,这也在一定程度上增进了其在电力行业中的营销服务水平,进而为电力市场带来了新的思路。
其他文献
《Photoshop图形图像处理》课程是高职院校许多专业重要的一门课程,课程教学中,由于学生对计算机应用能力不一、缺乏后续课程支持、学生审美能力不足等问题,影响到对本课程的深入学习,应加强与美学等相关学科融合,运用任务驱动、产教结合等方式,提高本课程的教学效果。
针对传统的红外图像智能融合算法存在清晰度较低、运行时间较长等问题,提出基于SNNT变换的区域分割下序列红外图像智能融合算法。利用熵率法将图像划分为若干超像素,选取信息度量精度较高的模糊相关与考虑空间相关性的图割相结合。引用最大模糊相关时,集合划分概率设定图割的数据项,建立模糊相关性图割2-划分算子,引用2-划分算子对目标区域进行分割。在上述基础上,分别对可见光图像与红外图像进行NSST变换,对所有
近年来生成对抗网络在计算机视觉领域快速发展,尤其在图像数据生成领域占据着主导地位。图像翻译是在不改变图像内容的前提下,将图像转换成另一领域的图像,类似语言翻译。研究总结了基于生成对抗网络的图像翻译方法的最新进展,详细介绍并对比了近两年来的各个方法(Pix2Pix、Cycle GAN、Star GAN等)基本原理与网络框架结构,最后,探讨了在相关领域的应用前景、目前存在的问题以及后续发展趋势。
Echinococcosis—a parasitic disease caused by Echinococcus granulosus or Echinococcus multilocularis larvae—occurs in many regions in the world. This disease can pose a serious threat to public health
在激光光斑探测系统中,需要对多个目标光斑信息进行提取,针对这种情况,提出了一种多目标光斑自适应快速检测算法。该算法首先对整个多目标光斑图像与背景图像进行差分处理、中值滤波、边缘检测等预处理,使用迭代法实时获取不同的阈值对光斑图像进行二值化处理,利用图像的对称特点快速精准的提取光斑区域像素面积、质心位置坐标、直径等参数。最后通过实验验证该算法可以在不同背景光干扰的情况下自适应的选取阈值,且能有效、稳
手写数字识别在当今社会有着重要的应用价值,在金融、社交、教育、通信等领域有着广泛的应用前景。手写数字识别是光学字符识别技术的一个分支,目前大多采用BP神经网络进行识别,但BP神经网络存在局部极小值、学习速度慢、结构选取上无确定准则三方面缺陷,影响其识别效果。通过遗传算法寻优BP神经网络最佳的初始阈值、初始权值、结构来克服其缺陷。通过MATLAB仿真,结果表明,用遗传算法优化后的BP神经网络具有辨识
针对基于分类模型的目标跟踪算法中存在的样本划分不精确,实时性较差,当目标形变和背景光照变化较大时跟踪不稳定的问题,提出一种以加权模型匹配为框架,结合样本约束学习的实时跟踪算法。该算法利用样本约束函数来解决样本划分不精确、过程复杂的问题。将得到的正、负样本进行对比度及亮度变换等处理,并采用二值采样进行特征提取,从而得到丰富的特征集以提供给随机蕨分类器进行学习与训练,使其适应跟踪时目标或背景的光照变化
自动机器学习(Automatic Machine Learning,AutoML)可实现语义分割,使机器学习大部分步骤自动化。针对面向超参数优化、迁移学习、神经架构搜索等方法的算法思想、优化对象、实现技术、技术指标、应用效果及场景,结合语义分割的机器学习超参数多、数据集规模较小、标注工作量大等问题,指出超参数优化、迁移学习、神经架构搜索分别有助于提升训练效率、降低样本标注工作量、自动构建专用卷积神
通常采用图像特征智能识别以提高对图像高频成分的识别度。基于大数据集域自适应快速算法构建图像特征智能识别模型。在图像特征智能识别模型构建过程中,对于图像特征智能识别过程中容易产生伪图像特征识别、细节性模糊与图像特征智能识别的不间断性问题,使用大数据集域自适应快速算法可以提高图像特征智能识别的效率。经过实验表明,基于大数据集域自适应快速算法的识别特征模型能够有效提升微小图像特征平均识别率,且鲁棒性较好
针对金属镁冶炼还原罐排渣机器人在工作时需要对还原罐工人进行有效规避的问题,提出一种改进的Faster RCNN镁还原罐工人检测方法,使用多层卷积神经网络替代传统工业检测方法。运用深度学习目前主要的目标检测框架Faster RCNN,以其算法为基础,对其中的RPN网络进行改进并提出一种"RPN-Incep"结构,解决还原罐工人的检测问题。同时针对提取特征分辨率小的问题,提出特征层堆叠技术,将多个卷积