基于深度卷积特征的细粒度图像分类研究综述
标签： 卷积 特征 图像分类 细粒度
上传时间： 2018-11-25
上传用户：huangxiaomi
简单的数据融合，背景是煤矿专业的学生接触到的，地下的数据融合。 无线传感网中的数据融合
标签： 数据融合 论文
上传时间： 2019-11-06
上传用户：1023477475
配电物联〔2020〕5号-关于发布《台区智能融合终端相关技术规范》的通知
标签： 技术规范
上传时间： 2020-09-22
上传用户：
高维特征向量进行处理，可以解决过拟合问题
标签： matlab 降维 特征选择
上传时间： 2020-09-26
迅雷9极限精简融合版
标签： 迅雷
上传时间： 2020-12-01
基于微震信号多重分形特征的岩石边坡变形预警研究，很好的文章
标签： 信号 多重分形 变形 特征 岩石 预警
上传时间： 2020-12-31
基于增强算子的污染土雷达图像特征提取仿真这是一份非常不错的资料，欢迎下载，希望对您有帮助！
标签： 图像特征提取 雷达
上传时间： 2021-10-29
上传用户：trh505
该文档为面向5G的光纤无线融合通信技术讲解资料，讲解的还不错，感兴趣的可以下载看看…………………………
标签： 5g 光纤 无线融合 通信
上传时间： 2021-10-30
上传用户：fliang
红外图像检测技术因具有非接触、快速等优点，被广泛应用于电力设备的监测与诊断 中，而对设备快速精确地检测定位是实现自动检测与诊断的前提。与普通目标的可见光图像相比， 电力设备的红外图像可能存在背景复杂、对比度低、目标特征相近、长宽比偏大等特征，采用原 始的 YOLOv3 模型难以精确定位到目标。针对此问题，该文对 YOLOv3 模型进行改进：在其骨干 网络中引入跨阶段局部模块；将路径聚合网络融合到原模型的特征金字塔结构中；加入马赛克 （Mosaic）数据增强技术和 Complete-IoU（CIoU）损失函数。将改进后的模型在四类具有相似波纹 外观结构的电力设备红外图像数据集上进行训练测试，每类的检测精度均能达到 92%以上。最后， 将该文方法的测试结果与其他三个主流目标检测模型进行对比评估。结果表明：不同阈值下，该 文提出的改进模型获得的平均精度均值优于 Faster R-CNN、SSD 和 YOLOv3 模型。改进后的 YOLOv3 模型尽管在检测速度上相比原 YOLOv3 模型有所牺牲，但仍明显高于其他两种模型。对 比结果进一步验证了所提模型的有效性。
标签： 电力设备 红外目标检测
基于可分性的多类目标特征选择算法这是一份非常不错的资料，欢迎下载，希望对您有帮助！
标签： 特征选择
上传时间： 2021-12-01
上传用户：zhanglei193
