检索结果-内蒙古大学图书馆

科学技术与工程 2022年第11期22卷 4424-4433页

作者：李畅王一丁孙芮何忠贺北方工业大学电气与控制工程学院北京100144 北方工业大学信息学院北京100144

孪生全卷积神经网络目标跟踪算法(SiamFC)近些年成为车辆跟踪领域的研究热点。但该算法缺乏对目标车辆的深层特征提取和整体感知,在背景复杂、低分辨率、光照变化的情况下容易跟丢。提出使用深度残差网络ResNet50作为主干网络,根据跟踪... 详细信息

孪生全卷积神经网络目标跟踪算法(SiamFC)近些年成为车辆跟踪领域的研究热点。但该算法缺乏对目标车辆的深层特征提取和整体感知,在背景复杂、低分辨率、光照变化的情况下容易跟丢。提出使用深度残差网络ResNet50作为主干网络,根据跟踪模型特性,从剪裁特征图、调整网络总步长和嵌入高效通道注意力模块三方面对其进行优化,高效提取特征的同时增强模型的差异化认知,并在分支网络引入全局上下文模块(non-local network,NLNet),增强跟踪模型对目标车辆的整体感知。经实验证明,提出的算法在低分辨率、光照变化和复杂背景的情况下跟踪速度和鲁棒性显著提升。在VOT2018和OTB2015数据集中测试均能得到较好的跟踪结果,与经典跟踪模型SiamFC相比,在OTB2015数据集中测试的跟踪精度提高了5.5%,跟踪成功率提高了2.7%,跟踪速度提高了14%可达98帧/s。

关键词：孪生神经网络车辆跟踪高效注意力模块全局上下文模块

来源：评论

学校读者我要写书评

暂无评论

基于暗区域引导的低照度图像增强

引用

应用科学学报 2025年第2期43卷 245-256页

作者：汪婉灵熊邦书欧巧凤余磊饶智博南昌航空大学图像处理与模式识别江西省重点实验室江西南昌330063

针对现有增强方法在图像照度分布不均匀时出现的局部过度增强、颜色失真以及细节丢失问题,提出了一种结合暗区域引导与注意力机制的低照度图像增强方法。首先,采用简单线性迭代聚类方法生成暗区域引导图,指导网络在保障正常曝光区域不... 详细信息

针对现有增强方法在图像照度分布不均匀时出现的局部过度增强、颜色失真以及细节丢失问题,提出了一种结合暗区域引导与注意力机制的低照度图像增强方法。首先,采用简单线性迭代聚类方法生成暗区域引导图,指导网络在保障正常曝光区域不过度增强的情况下,重点增强图像曝光不足区域;其次,设计通道注意力模块,提高网络对颜色信息的提取能力,更好地恢复图像颜色,保证颜色自然度;再次,设计全局上下文模块,增加网络全局感知能力,丰富图像细节信息;最后,增强网络融合输入特征和暗区域注意力网络输出特征,实现图像对比度再增强。在6个公共数据集上进行多组对比实验,分别从主观与客观两方面进行性能对比,结果表明所提方法能够有效解决低照度图像存在的颜色失真、细节丢失和曝光不均匀问题,具有较好的视觉增强效果与泛化性。

关键词：低照度图像增强暗区域引导通道注意力模块全局上下文模块深度学习

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOX-s的机场跑道冰雪状态感知

引用

上海交通大学学报 2023年第10期57卷 1292-1304页

作者：邢志伟阚犇刘子硕李彪罗谦中国民航大学电子信息与自动化学院天津300300 天津航空机电有限公司天津300308 中国民航局第二研究所工程技术研究中心成都610041

针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以YOLOX-s模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;... 详细信息

针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以YOLOX-s模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;将颈部结构中路径聚合网络替换为双向特征金字塔,以提升特征融合能力;在加强特征提取网络尾部添加自适应空间特征融合结构,进一步增强特征融合效果;使用α-EIoU优化损失函数,提高模型收敛速度与精度.实验结果表明,改进后的YOLOX-s模型在跑道冰雪实验系统所得的冰雪污染物数据集上平均精度达到了91.53%,比原始的YOLOX-s模型提高了4.68%,能够为机场跑道除冰雪作业提供决策支持.

关键词：跑道冰雪状态感知 YOLOX-s 全局上下文模块双向特征金字塔网络自适应空间特征融合结构 α-EIoU损失函数

来源：评论

学校读者我要写书评

暂无评论

SMS和双向特征融合的自然背景柑橘黄龙病检测技术

引用

农业机械学报 2022年第11期53卷 280-287页

作者：曾伟辉陈亚飞胡根生鲍文霞梁栋安徽大学互联网学院合肥230039 科大国创软件股份有限公司中央研究院合肥230088 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有... 详细信息

柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有的算法对自然背景柑橘黄龙病检测的精度不高。本研究提出了一种结合剪切混合拼接(Shearing mixed splicing, SMS)增广算法和双向特征融合的自然背景柑橘黄龙病检测方法,该方法通过SMS、镜像翻转和旋转方法对训练集和验证集进行了增广,增加了训练集和验证集图像中背景目标的数量和多样性;为了自适应地改变柑橘黄龙病检测中的局部采样点,增大有效感受野,使用可变形卷积替换骨干网络后3个卷积层中所有的标准卷积;为了减小自然背景的影响,使用全局上下文模块对骨干网络后3个卷积层输出的特征图进行特征增强,来建立有效的长距离依赖,以便更好的学习到全局上下文信息;使用双向融合特征金字塔,改善浅层特征和深层特征的信息交流路径,用以降低因柑橘黄龙病叶片尺寸变化大导致的漏检,提高小尺寸的柑橘黄龙病叶片的检测精度。实验结果表明,本研究提出的方法用于自然背景柑橘黄龙病的检测,平均精度可达84.8%,性能优于SSD、RetinaNet、YOLO v3、YOLO v5s、Faster RCNN、Cascade RCNN等目标检测方法。

关键词：柑橘黄龙病检测自然背景全局上下文模块可变形卷积双向特征融合

来源：评论

学校读者我要写书评

暂无评论

基于单目深度估计和校准参数的距离测算方法

引用

电子测量技术 2022年第20期45卷 88-94页

作者：余萍胡旭欣华北电力大学保定071003

为了提升有监督学习的单目深度估计网络对于实际场景测距任务的准确性和适用性,提出了一种基于单目深度估计和校准参数的距离测算方法。首先通过引入多元注意力模块和优化设计网络结构,构建了一种融合全局上下文和空间注意力机制的网络(... 详细信息

为了提升有监督学习的单目深度估计网络对于实际场景测距任务的准确性和适用性,提出了一种基于单目深度估计和校准参数的距离测算方法。首先通过引入多元注意力模块和优化设计网络结构,构建了一种融合全局上下文和空间注意力机制的网络(GSNet),然后制定校准参数以建立场景的预测距离与实际距离的比例关系,从而获得校准后的距离值。实验证明,融合网络GSNet和校准参数可以有效减小单目深度估计方法在实际测算距离的误差。相比于使用单目深度估计直接预测距离信息,本文方法测算距离的平均绝对误差小于0.15 m,平均相对误差小于10%,具有很好的可行性和准确性。

关键词：单目深度估计卷积神经网络全局上下文模块空间注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于人体姿态信息的目标检测算法研究

基于人体姿态信息的目标检测算法研究

引用

作者：廉力影东北电力大学

学位级别：硕士

目标检测算法一直以来都是人工智能领域的宠儿,因为无论是工业、医疗、娱乐还是智能家居,目标检测都有用武之地。在过去的几十年里,目标检测技术从传统的手工特征提取发展到利用深度学习算法进行检测,算法向着模型越来越智能化的方向一... 详细信息

目标检测算法一直以来都是人工智能领域的宠儿,因为无论是工业、医疗、娱乐还是智能家居,目标检测都有用武之地。在过去的几十年里,目标检测技术从传统的手工特征提取发展到利用深度学习算法进行检测,算法向着模型越来越智能化的方向一步步进化。现有的目标检测方法多为单纯的检测方法,抛开场景的影响,只关注目标本身,通过对网络进行训练从而达到对目标进行直接识别和定位。这些算法应用场景广泛但缺乏场景的针对性。于是本文在现有检测方法面向的泛化场景的情况下,有针对性地选取人和物之间有动作交互的场景为特定检测背景,提出了基于人体姿态信息的目标物体检测方法。当场景中有人和待测目标同时存在并且二者有动作交互时,可在人体姿态信息的辅助下对该场景中的物体更准确地识别。首先针对人体姿态信息如何被引入模型的问题,本文将所用数据集进行预处理,并将图像中与目标有动作交互的人物逐一进行关节点标记。利用高斯热图的方式生成16个关节点的人体关节点热力图,并将关节点热力图作为一个分支加入到Center Net模型中。原Center Net因为人体姿态信息的引入在进行特征提取以及融合的过程中会将关节点热力图提供的先验信息也提取在内,从而提高了检测精度。通过消融实验进行对比分析,改进后的网络在关节点热力图的辅助下损失变小,检测精度比原始Center Net网络提高了4.2%,检测速度略有降低但仍满足实时性。其次针对关节点热力图分支加入后,模型训练变慢,实时性变差的问题,对Center Net应用的骨干网络Hourglass-104进行轻量化改进,降低网络参数,避免牺牲速度换取精度。具体做法就是对于Hourglass-104的子网沙漏网络进行改动,将其最小组成单位残差检验块中的3×3标准卷积用深度可分离卷积替换,将Hourglass-104庞大的计算参数量降低为原来的2/5倍左右。实验证明,模型改进后计算效率有了很大提高,检测速度超越原始Center Net模型3.17FPS。最后为了进一步提高网络的特征抓取能力、增强网络对小目标的识别精准度,将全局上下文模块引入到了每个沙漏网络之内以及两个沙漏网络之间。为了平衡网络的检测效率和复杂性,避免在轻量化改进后再次增加网络参数,特意选择了轻量级的全局上下文模块。实验表明,加入全局上下文模块的模型不仅与加入前速度相当,检测精度也有所提升。通过对模型整体改进得到了针对特殊场景下检测效果更好的模型。改进后的模型与初步模型相比速度提升了6.8%,速度提升了4.78FPS,最终证明了所提模型的有效性。若将模型应用于机场、工业禁区等场景下手持危险物品检测等领域将有重要的现实意义。

关键词：目标检测 CenterNet 关节点热力图全局上下文模块

来源：评论

学校读者我要写书评

暂无评论

基于MA-Xnet的裂缝分割算法

基于MA-Xnet的裂缝分割算法

引用

作者：王玉杰太原理工大学

学位级别：硕士

伴随着中国经济持续增长,公路、桥梁等基础设施已经大规模完善。而这些基础设施受恶劣天气、持续的交通流量以及荷载效应等影响,质量会随着时间推移而恶化。截至2022年,我国由普通干线、高速公路和农村公路形成的公路总里程已达528万公... 详细信息

伴随着中国经济持续增长,公路、桥梁等基础设施已经大规模完善。而这些基础设施受恶劣天气、持续的交通流量以及荷载效应等影响,质量会随着时间推移而恶化。截至2022年,我国由普通干线、高速公路和农村公路形成的公路总里程已达528万公里,而这庞大的里程量决定了我国对于道路桥梁等基础设施的维护要求越来越高。裂缝是最常见也是最原始的道路缺陷问题,而基于深度学习的图像处理方法因其具有较好的实时性和较高的检测精度,逐渐取代以往传统的人工视觉检测成为了目前主流的道路检测方法。但是目前基于深度学习的图像处理方法一方面受限于复杂背景的影响,导致图像中对于拥有较为复杂形状裂缝的辨别精度不够充分。另一方面,用于道路裂缝检测的深度学习模型,由于其网络模型的参数较为庞大,导致了模型占用了较大的计算资源。针对于以上问题,本文展开对裂缝分割图像算法的研究,为后续道路裂缝自动检测方法提供了一种思路。本文主要研究工作如下:针对U-Net网络模型在裂缝分割任务中,对于裂缝的特征细节分割结果易受复杂背景影响,导致分割精度较差等问题,探究了复杂背景下的裂缝分割任务中上下文特征信息对于其分割结果的影响。在原始U-Net网络模型上进行改进,以原始U-Net模型作为主干网络,在编码器末端部分中嵌入轻量的全局上下文模块,使网络聚焦于图像中裂缝的全局上下文特征信息。全局上下文模块可以在语义特征信息中,对裂缝的全局信息进行充分的学习,以处理道路裂缝在复杂背景下所呈现的复杂纹理特征,提高道路裂缝的分割精确度。实验表明,改进后的网络模型在复杂背景下的裂缝图像分割任务中,对于裂缝的分割精确度有明显提升,证明了上下文特征信息对改善分割结果的有效性。针对裂缝分割结果不连续,边缘细节特征恢复较差,并且模型参数量过大等问题,提出了一种基于MA-Xnet的裂缝分割算法。首先,在两个U-Net的基础上,构建出了一种使用全新跳跃连接结构-交叉跳跃连接方式的网络X network。交叉跳跃连接使两部分编码器的特征映射跳跃连接到对方的解码器部分,这样做可以使两部分编码器提取到的不同特征信息在解码器部分进行交互融合,提高了对裂缝特征信息的利用。其次,在编码器部分使用线性瓶颈和倒置残差结构的深度可分离卷积降低模型的参数量,使模型轻量化。最后,在解码器部分加入并行的双注意力机制来在空间维度和通道维度两个不同维度上捕获全局上下文信息,聚焦增强裂缝的语义特征。实验表明,所提模型不仅分割精度上有较大提升,而且模型参数量大幅下降,为后续轻量级高精度裂缝分割提供了参考。

关键词：裂缝分割图像处理双注意力轻量级全局上下文模块交叉跳跃连接

来源：评论

学校读者我要写书评

暂无评论

基于单目深度估计的测距方法研究与应用

基于单目深度估计的测距方法研究与应用

引用

作者：胡旭欣华北电力大学

学位级别：硕士

单目深度估计技术可以从一张图片或一段视频中预测得出对应场景与摄像头之间的距离信息,从而在可视化技术工程管控应用项目中实现远程测距功能,以辅助电力安全监管工作。但是,作为一种被动获取距离信息的测距方法,单目深度估计预测距离... 详细信息

单目深度估计技术可以从一张图片或一段视频中预测得出对应场景与摄像头之间的距离信息,从而在可视化技术工程管控应用项目中实现远程测距功能,以辅助电力安全监管工作。但是,作为一种被动获取距离信息的测距方法,单目深度估计预测距离的精准度还远不及激光测距技术,需要继续改良方法以提高预测精度。在应用方面,单目深度估计目前主要用于完成三维重建、无人自动驾驶和智能机器人等任务,如何将这种智能便捷的测距方法应用于日常生活和工程项目中,也是一项亟待解决的问题。因此,本文围绕这两个方面的内容,结合项目的测距需求,开展了基于单目深度估计的测距方法研究与应用。在提高单目深度估计的预测精度方面,本文提出一种融合多元注意力机制的改进思路。从这个思路出发,本文研究和验证了多种典型的注意力机制在网络中的有效性,并据此设计了两种融合多元注意力机制的组合模块。根据组合模块放置数量和位置的不同,本文设计了多种放置组合模块的网络结构,并通过实验确定了组合模块放置在解码器1/8和1/4尺度上的网络结构为最优结构。由此,本文使用组合模块和最优的网络结构构建了两种融合网络,即融合全局上下文和空间注意力机制的单目深度估计网络(GSNet)以及融合通道和空间注意力机制的单目深度估计网络(CSNet)。通过与主流网络对比可知,两种融合网络具有更为优秀的预测性能,对于深度图也有更为出色的处理和估计能力。在应用方面,对于如何实现可视化技术工程管控应用项目的测距功能,本文提出了两种基于单目深度估计的应用方法—安全距离的测算方法和相对距离的测算方法。在两种测算方法中,本文设计了校准参数并使用融合全局上下文和空间注意力机制的单目深度估计网络进行测距,以减小方法的测算误差。实验证明,基于单目深度估计的应用方法具有可实现性和可交互性,可以满足一定的工程测距需要。

关键词：测距单目深度估计注意力机制全局上下文模块

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的细粒度图像分类算法研究

基于深度学习的细粒度图像分类算法研究

引用

作者：麻宇轩北京印刷学院

学位级别：硕士

近年来随着人工智能领域的迅速发展,在计算机视觉和自然语言处理等领域都带来了巨大的变革和进步。图像分类作为计算机视觉领域研究的热点,在学术界和工业界都取得了突破性的研究成果。细粒度图像分类是在图像分类的基础上,进一步识别... 详细信息

近年来随着人工智能领域的迅速发展,在计算机视觉和自然语言处理等领域都带来了巨大的变革和进步。图像分类作为计算机视觉领域研究的热点,在学术界和工业界都取得了突破性的研究成果。细粒度图像分类是在图像分类的基础上,进一步识别同一类别内不同子类别之间的微小差异。随着人工智能的发展,同一基本类别下子类别精细划分的需求日益增多,如智能零售系统、生态系统保护、气候变化评估、智慧交通系统等。然而,由于细粒度图像类别间差异小且类别内差异较大原因,细粒度图像分类是一项非常具有挑战性的任务。论文在深度学习的框架下,提出了一种改进的弱监督数据增强的细粒度图像分类网络模型。主要研究内容如下所述:(1)调研和分析了细粒度图像分类算法的国内外研究,分析了各种范式的基本原理和发展历程。文章提出了改进的基于弱监督数据增强的(Weakly Supervised Data Augmentation Network,WS-DAN)的细粒度图像分类网络模型,并对其优化算法、激活函数进行改进。(2)针对原本的骨干网络依靠下采样获得注意力图训练代价过高的问题,提出了使用CBAM注意力模块加强注意力图的提取,更好的对重要特征进行学习,抑制不重要特征信息。这样使得本文的网络模型专注于图像特定的区域信息,从而更高效的完成图像的分类。(3)针对网络模型对于输入图片的大小和感受野较为有限的问题,提出了引入快速空间金字塔池化(Spatial Pyramid Pooling Fast,SPPF)模块。有效避免了由于图像裁剪、缩放操作导致的图像物体裁剪不全以及形状扭曲等问题,增加感受野。该结构获取了多尺度目标信息,提取更多的空间信息和上下文信息,增强模型的鲁棒性和性能。(4)针对网络模型难以捕捉图像中物体之间的细微细节和关系的问题,提出了在骨干网络中插入全局上下文模块(Global Context Block,GC Block)解决。为了帮助网络模型更好的定位物体部位,帮助细粒度图像的分类捕捉细节和物体之间的关系,模型插入非局部模块(Non-local block)。同时为了解决计算复杂度较高的问题,引入GC Block。在不增加过多计算复杂度的情况下保持非局部模块具有长距离依赖性建模能力的同时,能够更好地利用前面所有层的信息,提高模型的表达能力。综上所述,本文的方法以弱监督数据增强细粒度图像分类网络为基础,添加CBAM注意力模块加强对网络模型对注意力图的提取,然后添加SPPF模块用以获取了多尺度目标信息,增加感受野。在骨干网络上插入GC Block,帮助细粒度的图像分类捕捉细粒度的细节和物体之间的关系,减少运算量的同时增加全局上下文建模能力从而更高效的完成图像的分类。在两个公开数据集CUB-200-2011数据集和FGVC-Aircraft数据集上的实验分别达到了89.81%和93.97%的精确率,证明了方法的有效性。

关键词：细粒度图像分类数据增强注意力机制全局上下文模块快速空间金字塔池化

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的交互式线稿着色方法研究

基于生成对抗网络的交互式线稿着色方法研究

引用

作者：阮翊婷浙江大学

学位级别：硕士

图像着色课题的研究目标是对灰度图像或黑白线稿添加颜色,可以应用于医学影像着色、老照片色彩重建、漫画线稿着色等场景,具有丰富的实际应用价值。近年来,受到深度学习发展的推动,出现了许多出色的着色模型,但是其着色结果仍存在着颜... 详细信息

图像着色课题的研究目标是对灰度图像或黑白线稿添加颜色,可以应用于医学影像着色、老照片色彩重建、漫画线稿着色等场景,具有丰富的实际应用价值。近年来,受到深度学习发展的推动,出现了许多出色的着色模型,但是其着色结果仍存在着颜色混杂、溢出和细节缺失等问题。因此,本文针对漫画线稿着色这一应用场景及当前主流着色算法存在的问题,提出了两种基于生成对抗网络的交互式线稿着色方法,可以根据参考图像的颜色分布对漫画线稿图像进行着色。本文主要的研究工作和创新点如下:(1)为了解决颜色混杂、边缘溢出等问题,本文提出了一种基于位置注意力的对抗着色方法。整体网络采用了生成对抗网络(Generative Adversarial Nets,GANs)作为基础结构,生成网络设计为加入了注意力门和非局部模块的U-Net结构,提高模型捕获全局信息的能力并减少低层冗余信息量;判别网络采用Patch GAN结构,提升对高分辨率图像的判别能力。针对生成对抗网络的训练问题,在损失函数中引入了 WGAN-GP的思想,并且采用了双时间尺度更新规则的训练方式,使模型的训练更加稳定。另外,由于图像着色领域缺少统一的数据集,本文中在原有彩色图像数据集的基础上,使用XDoG算子进行边缘提取,制作对应的线稿图像数据集。经过实验验证,该方法能够较好的解决着色任务中颜色混杂和边缘溢出的问题。(2)第一种方法中通过非局部模块捕获到图像的全局信息,但非局部模块也带来了较大的计算量,本文中在第一种方法的基础上提出了一种基于通道注意力的对抗着色方法,不仅减轻了计算量,还可以在获得全局上下文信息的同时关注到图像的通道特征。该方法同样使用了生成对抗网络构建模型,向生成网络中引入了全局上下文模块,并在判别网络中采取了多尺度的结构设计,解决高分辨率图像的特征提取过程中的信息冗余问题。另外,该方法中还将视觉显著性机制引入颜色特征提取的过程,根据彩色参考图像的视觉显著性特征图提取颜色直方图特征,作为着色模型的条件输入,得到了更符合人眼主观认知的参考图像颜色特征。经过实验验证,该方法取得的PSNR值和SSIM值分别为24.16dB和0.9583,高于其他主流模型,在用户主观评价中也更占优势。

关键词：图像着色生成对抗网络非局部模块全局上下文模块视觉显著性

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：