检索结果-内蒙古大学图书馆

作者：张志超中国科学院大学

学位级别：博士

随着大数据技术的发展与应用，各行各业积累了海量的历史数据，为基于数据的智能分析应用打下了坚实基础。遥感领域经过多年的终端、数据中心以及平台应用方面的建设，积累了海量、多源、多分辨率、多时相的遥感数据，依据专家判断以及... 详细信息

随着大数据技术的发展与应用，各行各业积累了海量的历史数据，为基于数据的智能分析应用打下了坚实基础。遥感领域经过多年的终端、数据中心以及平台应用方面的建设，积累了海量、多源、多分辨率、多时相的遥感数据，依据专家判断以及人工特征的智能目标分析已经成为制约领域发展的瓶颈。深度学习技术在图像处理领域取得了长足进展，其中以卷积神经网络为代表的图像分类、目标检测识别等算法也在遥感领域中大规模应用。深度卷积神经网络类算法带来了目标分析的高准确率，同时也对算力、平台功耗提出了更高韵要求。　　本文以遥感领域影像智能分析应用的需求出发，从软硬件协同计算角度解决目标检测、图像分类以及少样本学习等关键技术应用中存在的高准确率、高吞吐量以及低功耗的计算需求。在保持软硬件卷积网络模型一致的情况下，维持目标识别的准确率与一致性响应。同时从硬件加速器设计的角度，突破浮点卷积计算的吞吐量损耗，提升浮点卷积神经网络相关算法的计算吞吐量与能效。本文的主要贡献与创新点如下:　　(1)提出了一种基于YOLO目标检测方法的轻量型卷积神经网络模型，有效的解决了遥感影像机场目标识别的高准确率、高速度的处理需求。针对常规浮点卷积乘累加计算的吞吐量损耗，设计了基于前向累加链的浮点卷积乘累加计算阵列。通过基于FPGA的浮点目标检测模型加速，达到了功耗受限环境下实时高准确率的计算需求，显著提升了遥感影像机场目标识别的速度。　　(2)提出了一种基于MobileNet的浮点可分离卷积神经网络加速方法，有效的解决了遥感影像飞机型号目标识别的高准确率、高能效的处理需求。采用轻量型网络MobileNet构建型号分类模型，有效的解决了目标识别的准确率。设计了基于数据流调度的深度分离卷积计算阵列，有效的解决了深度分离卷积乘累加计算的吞吐量损耗，显著提升了遥感影像飞机型号目标识别的准确率和能效。　　(3)提出了一种软硬件协同加速的关系网络推理优化方法，支持遥感领域特定设施及装备目标等少样本情况下的目标识别的高能效处理需求。设计了基于软硬件协同加速处理的关系网络计算流程，充分利用通用平台提取支持集特征，为后续推理计算节约计算能耗及提升处理速度。设计了一种基于异构多核的关系网络推理计算片上处理系统，有效的提升了处理的并行度并且保持FPGA综合设计的收敛。　　实验数据表明，本文提出的机场目标检测识别加速方法平均准确率达到97.59％，在FPGA平台上达到了2802.08FPS的处理速率，处理速度达到了GPU的22倍;本文提出的飞机目标型号分类加速方法Top-1准确率和Top-5准确率分别达到了96.1％及99.5％以上，计算速度达到了GPU的1.10～2.61倍，计算效能是GPU的7.44～18.66倍;本文提出的关系网络加速方法在FPGA平台的Omniglot28加速器和miniImagenet84加速器功耗为15.867W和12.359W，单批次加速比为GPU的2.5～17.2倍和3.1～3.4倍。经验证，本文提出的加速方法在计算吞吐量、计算效能、模型响应的一致性等方面有突出优势，支持各类平台包括近数据端以及数据中心处理遥感影像目标识别相关应用。

关键词：遥感影像快速目标识别目标检测卷积神经网络加速图像分类少样本学习

来源：评论

学校读者我要写书评

暂无评论

面向卷积神经网络加速器的对数近似计算单元设计

面向卷积神经网络加速器的对数近似计算单元设计

引用

作者：汪茹晋东南大学

学位级别：硕士

近似计算是一种常用于容错性应用中的计算电路设计手段,该方法是通过牺牲一定数据精度来提升集成电路的能效。近期的研究表明,卷积神经网络推理过程存在离散的分类特征,对计算中可接受误差的容忍度比较高。本课题结合对数近似计算原理,... 详细信息

近似计算是一种常用于容错性应用中的计算电路设计手段,该方法是通过牺牲一定数据精度来提升集成电路的能效。近期的研究表明,卷积神经网络推理过程存在离散的分类特征,对计算中可接受误差的容忍度比较高。本课题结合对数近似计算原理,设计了一种能效较高卷积计算单元,可以在保证一定精度的情况下降低计算单元功耗,提升卷积神经网络硬件加速器的能效。本文的设计工作主要有三点。1.优化了对数近似计算原理中的高位筛选算法,扩增了高位筛选特征位的范围,从而改进了对数近似计算在卷积操作中存在的误差累积问题,使得近似误差以趋于零的方式在零值两侧振荡。2.在新算法映射至电路的过程中,提出了高位筛选算法的低功耗硬件映射方案,同时针对不同应用场景提出了筛选电路的分组评估办法。3.本文通过对大量卷积输入误差特征的分析,提出了一种自适应误差补偿单元,将单元误差率降低到3%以内。本文搭建了卷积神经网络硬件加速器,使用MINIST手写库验证其功能,通过RTL模块整合和DC逻辑综合。在SMIC-40nm工艺库,1V供电电压,250MHz频率下,与精确的卷积计算单元相比,课题方案缩减了28.86%的单元功耗,18.1%的延时和2.82%的面积;与迭代对数近似方案相比,课题方案多缩减了12.36%的功耗和8.4%的延时。将近似计算方案应用于卷积神经网络后,缩减了8.2%的加速器功耗,主要为计算功耗,采用近似计算单元后的加速器功耗为75.98m W。

关键词：卷积神经网络加速近似计算对数原理精度

来源：评论

学校读者我要写书评

暂无评论

基于FPGA的YOLOv3-tiny卷积神经网络加速设计

引用

舰船电子对抗 2022年第2期45卷 81-88,108页

作者：梅志伟丁兴军刘金鹏中国船舶集团有限公司第八研究院江苏扬州225101

基于对YOLOv3-tiny网络推理加速的研究,提出了一种基于现场可编程门阵列(FPGA)的硬件加速结构,结合可变精度定点量化和量化重训练2种方法在减少数据计算量的同时保证了网络精度。设计了多个维度上的大规模并行计算来提升网络加速性能,... 详细信息

基于对YOLOv3-tiny网络推理加速的研究,提出了一种基于现场可编程门阵列(FPGA)的硬件加速结构,结合可变精度定点量化和量化重训练2种方法在减少数据计算量的同时保证了网络精度。设计了多个维度上的大规模并行计算来提升网络加速性能,采取适应计算阵列的数据存储格式和数据复用策略减少数据传输,设计了一种专属于YOLOv3-tiny的硬件加速架构。通过实验分析,提出的YOLOv3-tiny卷积神经网络的硬件加速结构,所使用的计算资源和存储资源少,网络精度高,在综合性能上优于目前出现的研究方案,适合应用于移动端硬件加速。

关键词： YOLOv3-tiny 卷积神经网络加速量化并行计算

来源：评论

学校读者我要写书评

暂无评论

面向深度卷积神经网络的模型压缩与加速方法研究

面向深度卷积神经网络的模型压缩与加速方法研究

引用

作者：何俊杰浙江大学

学位级别：硕士

深度卷积神经网络在计算机视觉的各个领域取得了突破性的进展,然而部署这些网络却需要大量的存储和计算成本,这阻碍了它们在物联网和智能手机等资源受限设备中的应用。网络压缩与加速技术应运而生。它通过减少网络中的冗余来实现网络参... 详细信息

深度卷积神经网络在计算机视觉的各个领域取得了突破性的进展,然而部署这些网络却需要大量的存储和计算成本,这阻碍了它们在物联网和智能手机等资源受限设备中的应用。网络压缩与加速技术应运而生。它通过减少网络中的冗余来实现网络参数的压缩与计算的加速。但是现有的网络压缩与加速方法发展还存在识别冗余能力不足、依赖大量训练数据、算法间结合性不够等问题。针对这些问题,本文总结现有各种卷积神经网络压缩与加速方法的优缺点并对其中的关键技术进行研究,分别提出相应的解决办法。具体地,本文的研究内容和主要贡献如下:（1）提出一种基于特征相关性分析的通道剪枝算法。本文通过研究发现,在现代卷积神经网络中存在两种等价变换,这两种等价变换可以改变网络中参数的幅度而不影响其实际作用。传统基于参数幅度的剪枝方法不能很好地识别网络中的冗余。对此,本文从特征相关性的角度出发重新思考剪枝问题,提出一种基于特征相关性分析的卷积神经网络通道剪枝算法。该算法使用剪枝前后卷积输出特征图的互相关系数来评估剪枝所导致的信息损失,并由此导出一种方差比形式的卷积通道重要性判别指标。该指标避免了网络中无关参数尺度的影响。它可以从特征相关性的角度解释并且易于计算。在基准数据集上进行的广泛不同架构网络的实验证明了该算法的有效性和泛化性。（2）提出一种小样本卷积神经网络压缩与加速算法。虽然前述剪枝算法可以有效地识别网络中的冗余,但是它与当前大多数的网络压缩与加速算法一样,需要大量的训练数据。然而,由于隐私、版权、存储等问题,充足的训练数据并不总是可得。为此,本文提出一种基于特征复用和增强知识蒸馏的小样本卷积神经网络压缩与加速算法。该算法只需要少量无标签样本便能充分地压缩网络。具体地,该算法首先从局部上复用原网络的主要特征图来建立压缩后的网络原型,然后从整体上使用增强后的少量样本探测原网络的输入输出结构来进一步细化已建立的网络原型特征。在基准数据集上进行的大量实验表明了该算法的有效性。它可以在只利用不到0.5%训练集样本的情况下获取与使用全部训练集样本相当的压缩结果。同时,该算法也具有较强的鲁棒性,支持使用来自其他相似数据集的少量无标签样本来压缩网络。（3）提出一种联合多系统方法的卷积神经网络压缩与加速框架。针对现有的各种网络压缩算法独立使用以及缺乏实际测试、验证等问题,本文依托浙江大学玉泉校区食堂中餐菜品识别实际场景,设计出一个一体化卷积神经网络压缩与加速框架。该框架有机地将剪枝、知识蒸馏、量化等算法融合在一起,实现对卷积神经网络最大程度的压缩。在对该校区食堂中餐菜品识别网络的优化问题上,该框架最终实现其在移动端30倍左右的模型大小压缩以及9倍左右的计算速度加速。

关键词：卷积神经网络压缩卷积神经网络加速通道剪枝知识蒸馏网络量化

来源：评论

学校读者我要写书评

暂无评论

基于自旋霍尔条的卷积神经网络数字电路实现

基于自旋霍尔条的卷积神经网络数字电路实现

引用

作者：陈笑咪杭州电子科技大学

学位级别：硕士

在大数据为基础的人工智能时代,卷积神经网络(Convolutional Neural Network,CNN)的应用需求不断增加,网络规模也在不断地扩大,随之而来的就是更加突显了“内存墙”问题,即传统芯片的存储单元与计算单元分开,导致存储单元和计算单元之... 详细信息

在大数据为基础的人工智能时代,卷积神经网络(Convolutional Neural Network,CNN)的应用需求不断增加,网络规模也在不断地扩大,随之而来的就是更加突显了“内存墙”问题,即传统芯片的存储单元与计算单元分开,导致存储单元和计算单元之间存在大量的数据传输,造成大量的功耗以及更多的运算时间,过程这严重限制了CNN在边缘端和终端设备上的应用。自旋电子器件霍尔条(Hall-bar)具有非易失性多位存储能力,有望成为高效率存算一体芯片的存储单元。为实现高效率的智能边缘计算和智能终端设备,以及进一步研究基于Hallbar器件的CNN硬件加速技术,本文对相关系统方案进行了设计,主要研究内容有如下几点: (1)对Hall-bar器件进行测试分析研究其物理性质以及其突触特性。通过对Hall-bar器件通入不同个数幅值相同和幅值不同的脉冲电流来观察其反常霍尔电阻变化的情况,结合实验表明,所用器件结构的Hall-Bar反霍尔电阻在脉冲电流调控下的变化趋势符合生物突触特性。 (2)开展基于Hall-bar的存算一体化卷积运算模块的研究。结合Hall-bar的存算一体特性,利用其非易失多位数据存储能力,以FPGA为主控,将卷积核存储为器件的反常霍尔电阻值,器件输出的电压值即为电流与反常霍尔电阻的乘积,并首次提出了一种将输出电压通过乘累加电路以及激活与池化电路的硬件电路方式来实现CNN的关键卷积运算。 (3)使用FPGA完成各控制模块以及CNN网络设计。完成对卷积运算模块的读写模块设计,并使用流水线的设计方式完成数据缓存和输入模块,实现对Hall-bar权重的写入控制以及对图像卷积运算的控制,实现利用该卷积运算模块对CNN网络第一层卷积和池化层进行加速。使用数字电路设计完成后续CNN网络层,完成整个基于Hall-bar器件的存算一体卷积神经网络系统。最后,对该卷积运算模块进行测试分析,得出使用该卷积运算模块对一张28×28大小的图片完成一层卷积层和激活池化层的运算时间与使用软件(处理器型号为Inter Core i5-9300,CPU频率为2.4 GHz)进行处理相比具有一定的优势,速度快1倍左右,且使用该硬件模块对手写数字集MNIST的识别结果与使用同等规模卷积网络的软件识别结果相差不大,最终表明基于Hall-bar器件的卷积运算模块在硬件加速上有一定的优势,为存算一体化CNN硬件加速技术提供了新的实现方案。

关键词：自旋电子器件霍尔条存内运算卷积神经网络加速

来源：评论

学校读者我要写书评

暂无评论

骨龄采集与评估系统研究

骨龄采集与评估系统研究

引用

作者：刘佳宏重庆邮电大学

学位级别：硕士

骨龄常被用于反映儿童生长发育水平和成熟程度。通常采用普通X线机拍摄儿童左手,然后医生通过观察手骨X光片评估骨龄。此方式存在X线超标、评估时间长、评估过程主观性较强等缺点,无法在儿童中开展快速、便捷的骨龄评估工作。本文设计... 详细信息

骨龄常被用于反映儿童生长发育水平和成熟程度。通常采用普通X线机拍摄儿童左手,然后医生通过观察手骨X光片评估骨龄。此方式存在X线超标、评估时间长、评估过程主观性较强等缺点,无法在儿童中开展快速、便捷的骨龄评估工作。本文设计了一种骨龄采集与评估系统,实现手骨低剂量成像和骨龄自动评估。主要工作内容如下:1.可移动式骨龄采集系统设计。基于STM32设计采集系统,包括X射线源外围电路设计、限束器模块控制设计、电源控制电路设计、限束器校正和平板探测器校正,实现了采集系统曝光、限束和成像的程序控制。2.低剂量曝光实验。对曝光和限束器进行控制实验,发现在管电压为70～75k V,曝光量为0.3～0.5m As的曝光参数条件下,仍然可以采集出骨骼轮廓清晰、易于辨识的手骨图像。此时皮肤X线入射剂量为21.74～23.80u Gy,是常规X线摄影条件(45～50k V,2m As)入射体表剂量40u Gy的近二分之一。3.骨龄自动评估功能设计。首先根据卷积神经网络的结构特征,基于型号为ZCU102的FPGA开发板设计骨龄评估加速器结构,包括卷积层、池化层、仲裁转换等硬件加速模块。然后在Linux环境下设计各个硬件加速器模块对应的驱动程序,将整个卷积神经网络评估封装为API函数。最后设计的QT界面程序实现了整个骨龄采集与评估系统功能集成。本文最后选用VGG16网络完成骨龄自动评估功能测试。实验结果表明,系统能够在低剂量条件下完成手部X线成像,评估误差符合临床要求。

关键词：移动式低剂量骨龄评估可编程逻辑器件卷积神经网络加速

来源：评论

学校读者我要写书评

暂无评论

白细胞分割分类算法研究及ZYNQ实现

白细胞分割分类算法研究及ZYNQ实现

引用

作者：朱梦静西安科技大学

学位级别：硕士

随着医学影像处理技术的发展,利用深度学习技术对血细胞图像中的白细胞进行识别具有较高的实用价值。然而,不同环境下显微镜采集的血细胞图像存在光照不均及白细胞特征不明显的问题,导致白细胞的自动化分割分类具有挑战性。同时,当卷积... 详细信息

随着医学影像处理技术的发展,利用深度学习技术对血细胞图像中的白细胞进行识别具有较高的实用价值。然而,不同环境下显微镜采集的血细胞图像存在光照不均及白细胞特征不明显的问题,导致白细胞的自动化分割分类具有挑战性。同时,当卷积神经网络在传统的CPU或GPU上运行时有计算吞吐量低及速度慢等问题。因此,论文提出一种白细胞分割分类算法及ZYNQ加速的方法,其主要研究内容包括: (1)针对不同环境下采集的血细胞图像光照不均及白细胞特征不明显的问题,提出一种基于AHE-MSRCR校正的图像预处理算法。该算法结合自适应直方图均衡化和带色彩恢复函数的多尺度视网膜增强算法对血细胞图像进行色彩校正,从而得到背景亮度趋于统一、白细胞特征明显的血细胞图像。 (2)针对血细胞图像背景复杂的问题,提出一种基于改进U-net的白细胞分割算法。该算法利用改进U-net卷积神经网络将白细胞从血细胞图像中分割出来,去除背景仅保留白细胞。在原始的U-net网络中,针对不同种类的白细胞之间存在一定相似性的问题,在4个跳跃连接中加入卷积注意力机制模块,将通道注意力机制和空间注意力机制串联来消除跳跃连接操作中的语义歧义;针对血细胞图像中类不平衡的问题,提出Focal loss和Dice loss相结合的损失函数。 (3)针对在CPU或GPU上运行卷积神经网络时计算吞吐量低及速度慢的问题,提出基于ZYNQ的YOLOv3目标检测算法的模型移植。采用Xilinx特有的Vitis-AI工具对YOLOv3网络进行量化,在损失极少准确率的情况下达到模型的压缩,再利用编译器完成部署。论文的实验结果表明,所提的分割算法对于类不平衡、特征不明显的白细胞有较好的分割结果,平均交并比达到91.89%,准确率达到99.53%。YOLOv3网络的ZYNQ移植的平均精度均值为92.09%,且相较于GPU推断达到20倍的加速效果。

关键词：白细胞图像分割图像分类卷积神经网络加速 ZYNQ

来源：评论

学校读者我要写书评

暂无评论

基于分组剪枝的CNN加速器设计与FPGA验证

基于分组剪枝的CNN加速器设计与FPGA验证

引用

作者：吴成路东南大学

学位级别：硕士

近些年,随着深度学习算法的发展与硬件设备算力的提升,卷积神经网络逐渐成为计算机视觉领域高性能的代名词,在物联网与边缘计算的应用中发挥着重要的作用。然而,卷积神经网络的高性能以高密集运算及庞大参数量为代价,对卷积神经网络的... 详细信息

近些年,随着深度学习算法的发展与硬件设备算力的提升,卷积神经网络逐渐成为计算机视觉领域高性能的代名词,在物联网与边缘计算的应用中发挥着重要的作用。然而,卷积神经网络的高性能以高密集运算及庞大参数量为代价,对卷积神经网络的终端部署带来了极大的挑战。为了深度学习技术的普及,对卷积神经网络的参数压缩及加速运行具有重要的研究价值。本文从挖掘卷积神经网络参数冗余性的角度出发,设计网络加速算法与高性能硬件加速架构,最大限度地删减模型参数量与运算量,提升模型运行效率。首先基于分组卷积算法的实现形式与阵列结构加速器的卷积层计算形式,设计分组剪枝算法改善结构化剪枝方法存在的删减冗余问题。其次,针对分组剪枝算法下L-2正则化方法存在的局限性,提出一种组内稀疏正则化方法,在减少原网络精度损失的同时进一步提升网络参数删减率。最后,针对分组剪枝后的高稀疏网络设计硬件加速器,建立访存传输数学模型并探索最佳的设计规模与计算模式。通过稀疏计算单元设计、片内外缓存调度、功能层计算及系统调度等优化加速器的设计,进一步加速分组剪枝后的稀疏网络。本文以典型的LeNet-5与VGG-16为实验对象,在卷积层参数删减率87.5%下,分组剪枝后网络的运算量分别减少了75.4%与86.9%,且GPU前向推断实现了2.53倍与2.15倍的加速效果,其中LeNet-5网络在MNIST数据集下实现零误差,VGG-16在CIFAR-10数据集上误差仅增加0.48%。基于中芯国际40nm工艺库的DC综合结果显示,在工作频率200MHz且工作电压1.1V下,硬件加速器总功耗141.08m W,核心面积为1.867mm2。以Xilinx VC707开发板为实现平台,在时钟频率100MHz下使用VGG-16网络测试加速器的性能,所设计加速器在功耗8.15W下的有效算力可达188.41GOPS,对应功效为23.1GOPS/W。本文基于分组剪枝的CNN硬件加速器设计方法对人工智能终端轻量化、低耗能的研究与设计具有一定的参考意义。

关键词：深度学习卷积神经网络加速网络剪枝算法 FPGA加速器

来源：评论

学校读者我要写书评

暂无评论

一种基于FPGA的CNN硬件加速器实现

引用

电子技术应用 2023年第12期49卷 20-25页

作者：邱臻博重庆邮电大学光电工程学院重庆400065

提出了一种基于FPGA的通用CNN硬件加速器设计方案。针对计算量最大的卷积层,采用了输入通道并行、核内并行、输出通道并行三种加速方式,根据FPGA的片上资源,合理地设置相应并行度。在数据加载方面,采用相邻数据位宽合并传输,有效提高了... 详细信息

提出了一种基于FPGA的通用CNN硬件加速器设计方案。针对计算量最大的卷积层,采用了输入通道并行、核内并行、输出通道并行三种加速方式,根据FPGA的片上资源,合理地设置相应并行度。在数据加载方面,采用相邻数据位宽合并传输,有效提高了加速器的实际传输带宽。基于行的数据流加载思想,设计了输入缓存模块。该缓存模块只需缓存两行数据即可开始卷积运算,有效地提前卷积运算的开始时间。在数据输入、数据运算、数据输出模块之间,利用流水线循环优化方式,极大地提高了硬件的计算性能。最后将该加速器应用于VGG16和Darknet-19网络,实验表明,计算性能分别达到34.30 GOPS和33.68 GOPS,DSP计算效率分别高达79.45%和78.01%。

关键词：卷积神经网络加速 FPGA 行数据加载模块划分流水线结构

来源：评论

学校读者我要写书评

暂无评论

基于混合全局池化的回环检测算法

引用

计算机与现代化 2020年第4期 115-120,126页

作者：宋周锐北京邮电大学可信分布式计算与服务教育部重点实验室北京100876

基于深度学习的回环检测算法已被验证性能优于传统方法。然而深度学习计算量大,在移动机器人上往往难以部署大型卷积神经网络,而小型卷积神经网络在大型场景中表现欠佳。对此,本文提出一种将大型卷积神经网络部署在移动机器人上的方案... 详细信息

基于深度学习的回环检测算法已被验证性能优于传统方法。然而深度学习计算量大,在移动机器人上往往难以部署大型卷积神经网络,而小型卷积神经网络在大型场景中表现欠佳。对此,本文提出一种将大型卷积神经网络部署在移动机器人上的方案。首先,利用混合全局池化层将特征图转换为特征向量,实验表明该方法与其他更复杂方法性能相当,计算更简单。然后提出一种基于块浮点数的卷积神经网络加速引擎,可显著地降低运算能耗,在不需要重新训练的情况下,几乎没有导致性能损失。

关键词：视觉同步定位与建图回环检测深度学习卷积神经网络加速移动机器人

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：