排序方式: 共有8条查询结果,搜索用时 5 毫秒
1
1.
得益于深度卷积神经网络在特征提取和语义理解的强大能力,基于深度神经网络的语义分割技术逐渐成为计算机视觉研究的热点课题.在无人驾驶、医学图像,甚至是虚拟交互、增强现实等领域都需要精确高效的语义分割技术.语义分割从图像像素级理解出发,为每个像素分配单独的类别标签.针对基于深度神经网络的语义分割技术,根据技术特性的差异,从编码-解码架构、多尺度目标融合、卷积优化、注意力机制、传统-深度结合、策略融合方面展开,对现有模型的优缺点进行梳理和分析,并当前主流语义分割方法在公共数据集实验结果进行对比,总结了该领域当前面临的挑战以及对未来研究方向的展望. 相似文献
2.
3.
4.
5.
为解决计算机安全实验教学平台中多用户同时操作入侵检测实验模块时的并发控制性和透明管理性问题,文中研究、设计并实现了一种大规模并发入侵检测实验系统,利用Recator模型服务器进行网络流量包备份和入侵检测引擎代理,设计出特定的检测规则数据结构和规则解析器,从而支持多用户并发访问不冲突。利用Apache Jmeter工具进行系统的负载和性能测试,验证了系统的有效性和可行性。 相似文献
6.
针对当前混凝土建筑裂缝走向不规则、细小裂缝特征难以提取的问题,提出一种基于YOLOv4改进的混凝土建筑裂缝检测算法.该算法以YOLOv4框架为基础,在其特征提取网络部分引入感受野更宽的RFB模块捕获特征图;并基于PANet多尺度路径融合结构,提出新的多尺度特征融合方式SL-PANet.该方式首先增加浅层网络特征信息,提高模型对细小裂缝识别的精度,其次采用DUpsampling上采样模块充分还原图像的特征信息,并在上采样和下采样过程中融入CBAM注意力机制模块,突出裂缝的特征信息,去除背景冗余信息的干扰,以此增强裂缝特征的表达能力.该算法同时利用AdamW优化器加快网络训练的收敛.实验结果表明:文章改进的算法检测精度高达94.47%,较原YOLOv4算法提高6.44%,能够满足当前混凝土建筑裂缝检测需求. 相似文献
7.
蛋白质与生命活动密切相关,脱氧核糖核酸(DNA)结合蛋白作为一种特殊的蛋白质,在生命活动中有着不可替代的作用.因此,研究DNA结合蛋白有很重要的现实意义,这个课题的研究前景十分广阔.传统生物技术虽然精度较高,但其成本十分的昂贵,效率比较低,设备要求极高,并不适合现代社会大量研究蛋白质的需求.机器学习的方法在一定程度上弥补了生物实验技术的不足,但是在数据处理方面远不如深度学习技术来的高效与便捷.在本研究中提出了一种基于双向平行长短期记忆神经网络(BiLSTM)和Transformer的深度学习框架来预测DNA结合蛋白.该模型不仅可以进一步提取蛋白质序列的信息和特征,还可以进一步提取进化信息的特征,最后,将这两个特征融合起来进行训练和测试.该模型拓展了研究人员在蛋白质特征提取方面的研究思路,为使用Transformer编码器块提取蛋白质全局特征提供参考.在PDB2272数据集上,与PDBP_Fusion模型相比,精度(ACC)和Matthew相关系数(MCC)分别提高了2.64%和5.51%.该模型的实验结果具有一定的优势. 相似文献
8.
文章以数字技术赋能传统产业为背景概述了传统产业绿色低碳转型的必要性,并在剖析数字技术赋能传统产业绿色低碳转型现状及需求的基础上,分别从产业经济增长方式、绿色低碳转型机制、产业与技术深度融合三个方面,提出了几点较有针对性的建议。 相似文献
1