- 年份
- 2024(204)
- 2023(339)
- 2022(312)
- 2021(268)
- 2020(200)
- 2019(522)
- 2018(496)
- 2017(1024)
- 2016(483)
- 2015(514)
- 2014(518)
- 2013(463)
- 2012(422)
- 2011(316)
- 2010(308)
- 2009(267)
- 2008(230)
- 2007(173)
- 2006(115)
- 2005(73)
- 学科
- 济(2410)
- 经济(2409)
- 方法(1795)
- 数学(1771)
- 数学方法(1745)
- 管理(1336)
- 业(1249)
- 企(1027)
- 企业(1027)
- 财(627)
- 技术(474)
- 务(418)
- 财务(414)
- 财务管理(413)
- 企业财务(403)
- 中国(398)
- 贸(398)
- 贸易(398)
- 易(390)
- 技术管理(350)
- 农(307)
- 出(307)
- 环境(294)
- 业经(271)
- 融(255)
- 金融(255)
- 划(250)
- 地方(250)
- 产业(243)
- 制(239)
- 机构
- 大学(6668)
- 学院(6539)
- 济(3109)
- 经济(3073)
- 管理(2685)
- 理学(2432)
- 理学院(2415)
- 管理学(2345)
- 管理学院(2332)
- 研究(1614)
- 财(1285)
- 京(1166)
- 中国(1161)
- 经济学(1161)
- 财经(1144)
- 经(1078)
- 经济学院(1068)
- 业大(1018)
- 科学(942)
- 工程(939)
- 财经大学(925)
- 中心(879)
- 商学(839)
- 商学院(838)
- 农(814)
- 经济管理(748)
- 江(714)
- 信息(674)
- 农业(670)
- 所(641)
共检索到7699条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 物流技术
[作者]
范海红
针对目前我国快递包裹中转中心面临的快递包裹文件数量密集型问题以及包裹辨识检测算法技术，提供了一个经过改进的Faster R-CNN辨识检测算法。通过修改Faster R-CNN算法中的损失函数，用RepGT损失函数替代原回归项中的损失函数，使得选取的包裹候选框更接近包裹目标框,完成图像检测。通过数据实验发现，改进后的算法比传统的Faster R-CNN在精度上提升了2.38AP，同时发现当损失函数中参数σ=1时，检测精确度达到最高。
[期刊] 实验技术与管理
[作者]
王文卿 张春丽 张纪乾 刘涵 李余兴
为了让学生更深入地掌握机器学习知识和Python语言程序设计，该文采用Faster R-CNN技术设计了颌面部囊肿目标识别系统综合实验，旨在辅助医生对患者病情的诊断。利用Python语言，在Faster R-CNN算法基础上，编写颌面部囊肿目标识别系统，实现颌面部囊肿图像预处理、特征提取、特征选择和网络模型参数训练，识别单幅计算机断层扫描图像的颌面部囊肿并可视化输出。该实验不仅可以帮助学生综合应用图像处理与机器学习知识，更好地理解和利用Faster R-CNN来进行目标识别的基本原理和方法，还能使学生更深入、熟练地掌握Python程序设计语言，提高学生的科研素质和动手实践能力。
[期刊] 清华大学学报(自然科学版)
[作者]
彭秋辰 宋亦旭
为了让机器人能识别物体类别、探测物体形状、判断物体距离,提出一种基于Mask R-CNN模型的双目视觉的物体识别和定位方法。该方法利用Mask R-CNN处理双目图像,对每张图像进行物体识别和形状分割,然后利用神经网络特征对双目图像中的相同目标进行匹配。以物体形状为依据,使用最近点搜索算法估计视差并计算距离。实验结果表明,该方法能够以准实时的速度进行物体的识别和定位,与传统的依赖计算全局视差图的方法相比,在速度和精度上都有提高。
[期刊] 图书馆论坛
[作者]
倪劼 叶江松 谢恩泽
开展馆藏报纸图像内容分割研究，能提升文字识别准确率，对促进机器识别取代人工操作、提高图书馆数字化工作效率具有重要意义。文章根据报纸图像呈现的特征，提出一种基于改进Mask R-CNN的算法，实现报纸图像内容分割。首先，通过优化锚框比例和损失函数，对原始Mask R-CNN算法进行改进。其次，采用数据增强、调整训练参数开展样本训练。最后，通过实验的方式对改进后的Mask R-CNN算法训练模型和原始算法训练模型进行比较，并采用AP＿bbox和AP＿segm评价指标对实验结果进行评估，改进后的算法训练模型AP＿bbox为0.935，AP＿segm为0.943，均超过原始算法训练模型。实验结果表明，改进后的Mask R-CNN算法能够实现报纸图像内容有效检测与分割。
[期刊] 中国农业科学
[作者]
王赟赟 李毅念 陈玉仑 丁启朔 何瑞银
【目的】针对小麦籽粒性状参数获取需要脱粒后测量，测量程序繁杂、费时费力的缺点，提出基于深度学习的小麦在穗籽粒表型参数测试方法。【方法】采集镇麦25、宁麦13和农麦88这3个品种小麦穗两侧正视图像，利用小麦穗正视图像构建图像增强数据集，提出深度学习与形态学处理相结合的小麦在穗籽粒表型参数测试方法。首先，建立基于改进Mask R-CNN网络的麦穗颖壳分割模型，模型以ResNet和FNP为特征提取网络并引入坐标注意力（CA）模块、聚合模块和半卷积模块，实现麦穗图像中颖壳的准确定位、分割和籽粒计数。其次，利用分割的麦穗颖壳掩膜图经形态学处理方法提取麦穗颖壳的5个表型参数，并建立麦穗颖壳表型参数与颖壳内籽粒表型参数之间的线性相关关系。最后，利用麦穗颖壳表型参数与籽粒表型参数之间的线性相关关系预测籽粒表型参数。【结果】（1）基于改进Mask R-CNN网络的麦穗颖壳分割模型的平均精确率AP为94.13%,F1值为91.12%，召回率为88.30%，单幅图像平均检测耗时97 ms，可以快速、精准地识别单粒麦穗颖壳。模型的籽粒计数的均方根误差和平均相对误差分别为0.94个和0.65%，可见模型分割籽粒的精度较高。（2）麦穗颖壳与籽粒之间的表型参数粒长、粒厚、面积、周长、长径比线性相关关系式为：y=0.7258x、y=0.5166x、y=0.3748x、y=0.6756x、y=1.4085x，其决定系数（R~2）均在0.85以上。（3）利用图像获取的麦穗颖壳参数数据对上述相关性模型进行验证并预测籽粒表型参数，粒长、粒厚、面积、周长、长径比5个参数的均方根误差和平均相对误差分别为0.17 mm、0.08 mm、0.46 mm~2、0.33 mm、0.12和0.02%、0.02%、0.02%、0.02%、0.03%，每个参数的预测数据与实际数据之间的决定系数（R~2）均在0.85以上，说明本文提出的籽粒表型预测方法可行。【结论】基于深度学习的小麦在穗籽粒表型测试方法能够通过麦穗颖壳表型参数精确预测小麦在穗籽粒的表型参数，为快速简便提取小麦籽粒表型参数提供了新的方法。
关键词：
麦穗 籽粒表型 深度学习 坐标注意力
[期刊] 沈阳农业大学学报
[作者]
周云成 许童羽 邓寒冰 苗腾
为提高番茄器官目标识别的准确率,提出一种基于RGB和灰度图像输入的双卷积链Fast R-CNN番茄器官识别网络。该方法通过番茄器官图像数据集训练基于VGGNet基本结构的特征提取网络,并用其参数初始化Fast R-CNN,通过再训练,用以识别植株图像中的番茄花、果、茎器官。首先分析了网络深度和宽度、图像输入类型、激活单元对特征提取及网络分类性能的影响。详细阐述了基于Fast R-CNN的番茄器官识别网络的设计及训练方法,基于试验观察,提出了基于双卷积链的Fast R-CNN,融合自动提取的RGB和灰度图像
[期刊] 上海海洋大学学报
[作者]
董兆鹏 岳晓雪 田中旭 侯思凡 姜立盛
基于YOLO的贻贝（Mytilus edulis）识别与检测技术，是实现贻贝分级、分苗等作业环节机械化和智能化的关键。然而，贻贝因外部特征不够清晰明确，给识别准确率的提高带来了挑战。本文提出一种基于改进YOLOv5算法的贻贝目标检测模型（CST-YOLO）。该算法融合CoordAttention注意力机制，以增强特征表达能力；采用SIoU作为边界框回归损失函数，以减少边界框回归损失，提高模型的检测速度；将Head替换为改进的解耦头TSCODE Head来提高检测准确率。并在自制的贻贝数据集上进行算法测试，实验结果显示：相比YOLOv5算法，CST-YOLO算法准确率P提高了0.428%，mAP＿0.5:0.95达到92.221%，提高了1.583%。实验表明CST-YOLO算法在保证检测速度的前提下，有效提高了贻贝目标的检测精度。本研究有助于机器视觉技术在贻贝养殖业自动化与智能化生产加工中的应用。
[期刊] 中国农业大学学报
[作者]
曾凯 王慧婷
针对种子破损局部特征的检测,提出一种基于多尺度角点准确性检测的簇分类算法。该算法对多尺度破损特征角点分类并进行分类点空间位置和尺度上非最大值抑制确定破损局部结构的簇候选特征点,并以候选特征点来参与特征准确性精化的迭代计算。试验结果表明,该算法去除了常规多尺度角点算法检测破损特征存在的冗余点,有效提高了多尺度下种子破损特征定位准确度,降低了迭代计算的时间复杂度。
关键词：
种子 多尺度 角点 簇分类 破损特征
[期刊] 实验技术与管理
[作者]
李志鹏 于鸿彬 邵宏宇
为提高传统Canny算法的灵活度和自适应能力,提出了一种改进的自适应Canny边缘检测算法。采用双边滤波代替高斯滤波滤除噪声并锐化图像边缘;再使用水平、垂直、45°、135°等4个方向的梯度模板对图像的梯度幅值进行计算。对传统的Otsu阈值分割算法进行了改进,改进的思路是找出类内和类间方差的最大值作为阈值,阈值搜索范围的缩小可以使计算量减少,实现快速分割。通过道路标线图像验证,说明改进后的Canny算法对道路标线的分割效果更好,减少了边缘断裂和假边缘,处理的时间也相对缩短。
[期刊] 中国农业大学学报
[作者]
赵颖 王书茂 陈兵旗
针对机器视觉导航中道路引导线检测方法复杂、实时性不能满足使用要求的问题提出了基于改进Hough变换的公路车道线快速检测算法:根据车道线与路面颜色的不同判断车道线位置计算出车道线的方向候补点群,根据车辆所处车道的情况对方向候补点群进行聚类,以每一类的中点为基准点使用基于一点的改进Hough变换算法计算出车道线的斜率。实验结果表明,一幅图片的处理时间约85 ms,处理结果与实际情况吻合。算法能够检测出高速公路上所有车道线的斜率,为道路引导线的实时检测提供了一种新思路。
[期刊] 中南林业科技大学学报
[作者]
叶铭亮 周慧英 李建军
【目的】森林火灾常常会对人类的财产和生态多样性造成巨大损害，传统的森林火灾检测技术存在可靠性低、造价过高等不足。目前基于卷积神经网络的深度学习算法在处理图像型数据上具有准确性高、成本低、速度快等优势，但是其处理视觉要素和物体之间关系的能力不如Transformer。因此，本研究提出一种改进Swin Transformer网络的方法应用于森林火灾检测。【方法】Transformer是一种基于自注意机制的深度神经网络，其强大的表现能力使得其能够在计算机视觉领域大放异彩。Swin Transformer提出将Transformer应用于计算机视觉任务,构建了一种名为Swin Transformer Blocks的骨干网络，并且提出了一种滑动窗口多头自注意力机制。本文结合Transformer与深度学习算法并应用于森林火灾检测领域，在Swin Transformer网络结构中对窗口自注意力机制进行改进，采用了knn自注意力提高对小块噪声的识别，使用Augmentation数据增强方法增加模型的泛化能力。【结果】数据集为自建的森林火灾图像数据集，通过旋转、裁剪、模糊以及色彩调节等数据增广的方法将300张不同环境下的森林火灾图像数据扩充到1 900张图像，最后对Swin Transformer以及改进后的模型进行对比实验，改进后的算法准确率可达98.1%,bbox＿mAP、bbox＿mAP＿50和bbox＿mAP＿75分别达到了66.7%、96.4%和81.3%。【结论】本文提出一种改进Swin Transformer应用于森林火灾检测的方法。研究结果表明，改进的Swin Transformer模型能够有效检测不同环境下的森林火灾。
[期刊] 清华大学学报(自然科学版)
[作者]
邓力 周进 刘全义
由于火灾具有快速蔓延的特性和较高的破坏力,实现火灾的早期探测是十分必要的,针对火灾检测算法的研究也尤为重要。该文提出了一种改进的YOLOv8算法,通过集成轻量型模块Slim Neck和切片辅助推理方法SAHI,分别优化了YOLOv8算法的网络结构和推理框架,将火灾数据集目标分类为火焰(fire)、烟雾(smoke)和干扰项(default)。实验结果表明, Slim Neck-YOLOv8算法比相关的先进算法具有更优的火灾检测性能,与YOLOv8模型相比,查全率(recall)增长了2.7%、平均精度(m AP)增长了0.2%,检测速度提高了35 fps,同时也降低了计算负担。在Slim Neck-YOLOv8基础上进一步优化推理框架所得的Slim Neck-YOLOv8+SAHI算法,有效改善了漏检与误检现象。该研究有助于提升火灾检测系统的速度和精度,为火灾预警工作提供了有力的技术支持。
[期刊] 实验技术与管理
[作者]
傅荟璇 刘凌风 王宇超
3D目标检测结合了深度信息,能够提供目标的位置、方向和大小等空间场景信息,在自动驾驶和机器人领域发展迅速。针对PV-RCNN在3D目标检测时不能够充分适应不同的物体尺度、不同的点云密度、部分变形和杂波等问题,对3D目标检测的任务进行实验研究。通过加入自适应可变形卷积、上下文融合模块和Gumbel Subset Sampling模块来训练层级特征,使得编码关键点自适应地朝着最具有判别和代表性的特征对齐,提高提案框回归精度。实验结果表明,改进后的PV-RCNN 3D目标检测精度得到了提升,尤其是在远距离物体识别和检测方面。
[期刊] 统计与决策
[作者]
张斌 周伟灿 费文龙
文章针对过程异常导致均值和标准差同时发生漂移的情况,考虑田口质量损失、误报警损失、维修成本和抽样成本等,构建了综合损失模型,提出了可变抽样区间X-R图优化设计方法。通过选择最优样本容量、长短抽样区间、X和R图的控制限和警戒限,使单位时间平均损失最小。数值计算说明了模型的使用方法;灵敏度分析研究了均值漂移参数和标准差的大小对控制图优化设计的影响。
关键词：
控制图 可变抽样区间 损失函数
[期刊] 统计与决策
[作者]
尹占华 张文彬
文章研究了二项式扩展技术及其在测算CDO资产池损失分布中的应用,并对样本资产池的损失分布进行了实证分析。结果显示,二项式扩展技术在测评CDO资产池或信贷组合的损失分布方面具有一定的参考价值。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
