排序方式: 共有35条查询结果,搜索用时 0 毫秒
1.
针对传统视觉问答任务无法完全捕捉多模态特征之间复杂相关性的缺点,文中提出了基于多模态融合的视觉问答传输注意网络。在特征提取部分,分别利用GloVe词嵌入+LSTM提取问题特征,并使用ResNet-152网络提取图像特征。通过3层传输注意网络进行多模态融合来学习全局多模态嵌入信息,进而使用该嵌入重新校准输入特征。文中设计了一个多模态传输注意学习架构,通过对传输网络进行重叠计算,使组合特征聚焦在图像和问题的细粒度部分,提高了预测答案的准确率。在VQA v1.0数据集上的实验结果表明,该模型的总体准确率达到了69.92%,显著优于其他5种主流视觉问答模型的准确率,证明了该模型的有效性和鲁棒性。 相似文献
2.
为了研制小体积、低成本、高分辨率的微型傅里叶变换红外光谱仪,通过选择电热式微机电系统(MEMS)微镜作为迈克尔逊干涉仪动镜,在满足了傅里叶光谱仪小型化、便携化的同时,利用折叠双S型Bimorph驱动结构来实现双倍位移量以确保较高分辨率,并将分束器外置来进行不同波段的灵活选择,进而实现全光谱范围的应用。以1 310 nm激光作为参考光光源,钨灯宽带光作为待测光源信号,通过信号采集、滤波、插值、光谱恢复步骤完成原始信号采集到光谱信号复原的过程。测试结果表明:电热式微镜的位移量可达到500 m,光谱理论分辨率1 nm,光谱仪整机尺寸小至62 mm62 mm28 mm。测试基线噪声为0.000 04,基线重复性为0.000 32,吸光度重复性为0.000 48。性能指标能满足食品安全、药品检测、石油化工等领域的光谱检测应用。 相似文献
3.
为了能够在移动设备等计算力弱的平台部署菜品识别系统,帮助人们了解菜品信息,对传统目标检测模型SSD做轻量化改进,提高了检测准确率和检测速度.首先使用MobileNetV2代替SSD模型的VGG-16,减少模型体积,提升运行速度;使用注意力机制和混洗通道算法,设计新的注意力逆残差块,增强特征提取能力;优化IOU计算方式,对回归定位损失函数做改变,加快模型的收敛;最后在自建的中餐菜品数据集Chinesefood上进行训练.实验表明,本文提出的Att_Mobilenetv2_SS-DLite轻量型目标检测模型相比SSD和其它目标检测模型效果更佳. 相似文献
4.
5.
设计了一种用于高速ADC中的高速高增益的全差分CMOS运算放大器。主运放采用带开关电容共模反馈的折叠式共源共栅结构,利用增益提高和三支路电流基准技术实现一个可用于12~14 bit精度,100 MS/s采样频率的高速流水线(Pipelined)ADC的运放。设计基于SMIC 0.25μm CMOS工艺,在Cadence环境下对电路进行Spectre仿真。仿真结果表明,在2.5 V单电源电压下驱动2 pF负载时,运放的直流增益可达到124 dB,单位增益带宽720 MHz,转换速率高达885 V/μs,达到0.1%的稳定精度的建立时间只需4 ns,共模抑制比153 dB。 相似文献
6.
该文设计了一种基于光栅波导共振角耦合的生物传感器,通过光栅波导模式谱变化检测传感器表面有效折射率变化的方式,实现了传感器表面附着物的精确检测。并在平板介质光波导理论基础上,推导了三、四层结构理论模型,实验得到了入射角与检测溶液折射率及入射角与分子膜层厚度间的变化关系。结果表明,光栅波导共振角耦合生物传感器入射角与待测溶液折射率存在良好的线性关系,并具有较高灵敏度,精度可达0.01(°)/nm。通过该方法制作出无标记的生物传感器,能广泛应用于生物分子检测,尤其适合蛋白质分子生物检测。 相似文献
7.
为降低三维多目标跟踪系统计算复杂度,实现准确高效的多目标在线跟踪,提出一种激光点云中三维多目标在线跟踪方法。在目标检测阶段,通过3D深度相机获取五帧点云序列进行三维背景建模,将实时获取的序列与背景模型进行差分运算检测运动目标。在数据关联阶段,结合运动矢量一致性和最小欧式距离建立预测与检测之间的权值匹配矩阵,使用带权匈牙利算法完成匹配。实验结果表明,对于百万级点数的点云图本算法完成目标跟踪耗时每帧低于0.1 s,跟踪准确度高于95%,跟踪精度低于0.5 mm。能够实现毫米级工业小目标的在线跟踪,兼顾了精确性和实时性。 相似文献
8.
生成对抗网络(Generative Adversarial Networks,GAN)近年在计算机领域大火。它在保证生成效果的同时避免了原生成模型复杂的求解过程。但由于GAN的随机初始化输入,导致在训练模型生成与原始数据分布拟合的数据时花费大量时间成本。因此,提出一种基于奇异值分解的生成对抗网络(SVD-GAN)。通过奇异值分解对原始数据进行降维和去噪,生成对抗网络的输入,使输入数据在保留了原始数据重要特征的同时提高数据生成性能,减少训练时间成本。将SVD-GAN模型应用于图像分类,根据实验结果可知,该模型算法在优化生成网络的生成质量、提高图像分类的准确性和降低模型损耗方面效果显著。 相似文献
9.
随着工业现代化进程的加快,三维激光点云技术开始出现在工业目标检测中,对激光点云的目标分割提取也成了工业检测中的关键。常用的三维点云分割方法,如区域生长分割、RANSAC(随机抽样一致)分割、K-means(K均值聚类)等无法做到高水平的目标分割与提取。利用MEMS(micro electromechanical system)3D相机对4组目标进行点云数据采集,利用网状RANSAC分割算法,将目标三维点云进行封装,栅格化分割成网状模块,对每个网状模块中的点云进行平面粗分割,整合模块,用欧式聚类对分割后的目标进行细分割,得到最终的目标提取结果并成功完成计数统计。试验结果表明,所提出的网状RANSAC分割算法的分割完整度为91.0%,平均耗时8.25 s,均优于其余三种传统算法,并且成功完成计数。 相似文献
10.