检索结果-内蒙古大学图书馆

作者：尚亚飞胡可云陈联忠 100085 北京市海淀区上地信息产业基地开拓路7号1幢二层2208室

本申请提供了一种检查项目标准名称确定方法及装置，具体涉及医疗技术领域。具体包括：先收集多份检查报告，再获取检查报告的信息，其中信息包括检查类别名称、检查项目名称、检查参数、检查所见描述以及检查结论描述中的一种或多种，... 详细信息

标准号: CN116304055A

本申请提供了一种检查项目标准名称确定方法及装置，具体涉及医疗技术领域。具体包括：先收集多份检查报告，再获取检查报告的信息，其中信息包括检查类别名称、检查项目名称、检查参数、检查所见描述以及检查结论描述中的一种或多种，接着将信息作为特征，将检查报告对应的实际检查项目标准名称作为标签，训练得到多分类模型，然后获取目标检查报告，最后将所述目标检查报告的信息输入多分类模型中，确定目标检查报告对应的检查项目标准名称。这样，通过以检查报告的信息作为特征来确定检查项目标准名称，可以提高检查项目标准名称确定的准确性。

关键词：检查项目检查报告多分类模型名称确定目标检查检查医疗技术领域获取目标信息输入标签申请

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的遥感影像目标检测与显示技术研究

基于深度学习的遥感影像目标检测与显示技术研究

引用

作者：陈凯西安电子科技大学

学位级别：硕士

随着遥感技术的发展,遥感影像的目标检测已越来越广泛地应用于海上交通、城市建设、军事监测等领域,是目前目标检测领域的一个研究前沿和热点。近年来,深度学习模型由于其良好的特征提取和表达能力,在自然图像的目标检测算法中占据了主... 详细信息

随着遥感技术的发展,遥感影像的目标检测已越来越广泛地应用于海上交通、城市建设、军事监测等领域,是目前目标检测领域的一个研究前沿和热点。近年来,深度学习模型由于其良好的特征提取和表达能力,在自然图像的目标检测算法中占据了主导地位,取得了非常好的检测效果。然而遥感影像中的目标同自然图像具有很大差异,存在尺寸差异大、目标出现密集、尺度小、多朝向等问题,常见针对自然图像的目标检测算法不适合直接检测遥感目标。本文主要的研究内容是在深度学习背景下,提升目标检测算法对遥感目标的检测性能,并对检测结果进行高速显示。论文主要工作及贡献如下:(1)收集并手工标定万幅规模的遥感影像目标检测数据集。基于深度学习的目标检测算法需要大量已标定数据用于算法的学习,在遥感影像的目标检测领域,已标定数据较少,不足以支撑深度学习算法的训练。本文的主要工作之一是收集了大量的遥感影像,并标定图像中的遥感目标,最终构建了包含7个不同类别,11,078幅图像,54,312个待检测目标的遥感影像数据集。(2)确定适合遥感影像目标检测算法的骨干网络。随着CNN(Convolutional Neural Network)架构的持续发展与改进,深度学习算法的特征表达能力不断增强。本文针对遥感目标的特点,通过理论分析及实验证明,选取能够在骨干网络中融合上下文特征、特征提取效率较高的Res Net34作为遥感目标检测算法的骨干网络。(3)提出更高效的上下文语义特征融合方式。遥感目标中小目标比例较多,对特征组合的要求更高。本文结合FPN(Feature Pyramid Networks)对SSD(Single Shot multibox Detector)算法进行改进,使用反卷积增大特征图的尺度,并且增加不同尺度间卷积层的个数,提升大尺度下特征图的特征表达能力,进而提高算法对遥感小目标的检测能力。与此同时,对不同尺度的特征图密集连接,进一步提升特征的表达能力和算法对目标的定位能力。(4)使用Focal Loss平衡训练时正负样本的数量,利用k-means聚类算法获得适合遥感目标检测的先验框大小。SSD解决训练正负样本数量差异过大的问题时忽略了易分类样本的训练损失,使用Focal Loss可以让所有的样本参与训练,提高算法的学习能力。同时为减少先验框的使用,使用k-means算法对所有训练样本进行聚类,生成更适合检测遥感目标的先验框。(5)设计并实现遥感影像的高速显示系统。使用Open GL和多线程技术,充分利用GPU的渲染能力和CPU的多核处理能力,实现对遥感影像的高速显示。

关键词：遥感影响目标检查深度学习特征融合告诉显示

来源：评论

学校读者我要写书评

暂无评论

论高校思想政治工作的目标管理

引用

南都学坛（南阳师专学报） 1995年第5期15卷 91-93页

作者：赵书山刘毓

高校思想政治工作实行目标管理．是从以往思想政治工作无导向（目标）的教训中总结出来的经验。目标管理的步骤主要有目标制定、目标展开、组织实施和目标检查。实行目标管理有利于思想政治工作的宏观调控、资源配置、组织建设和受教育... 详细信息

高校思想政治工作实行目标管理．是从以往思想政治工作无导向（目标）的教训中总结出来的经验。目标管理的步骤主要有目标制定、目标展开、组织实施和目标检查。实行目标管理有利于思想政治工作的宏观调控、资源配置、组织建设和受教育者自我教育。最后，对实行目标管理应着重解决的几个问题进行探讨。

关键词：高校思想政治工作目标管理目标制定组织实施目标检查

来源：评论

学校读者我要写书评

暂无评论

一种低分辨广域序列遥感影像船动目标实时检测方法

一种低分辨广域序列遥感影像船动目标实时检测方法

引用

作者：黄丹禹霁阳沈平生李金洋罗华军张顺利 100085 北京市海淀区上地十街1号院6号楼4层408-8

本发明公开了一种低分辨广域序列遥感影像船动目标实时检测方法，属于光学遥感影像数据处理技术领域。主要包括获取低分辨广域图像数据，并利用形态学重构算法进行图像增强；对图像增强后的图像数据进行自适应阈值分割；对分割后的二值... 详细信息

标准号: CN115222758B

本发明公开了一种低分辨广域序列遥感影像船动目标实时检测方法，属于光学遥感影像数据处理技术领域。主要包括获取低分辨广域图像数据，并利用形态学重构算法进行图像增强；对图像增强后的图像数据进行自适应阈值分割；对分割后的二值图像进行连通域标记，根据连通域标记结果，获取一级疑似目标集合；对一级疑似目标集合，进行灰度特征计算，进行基于SVM的二分类计算，获取二级疑似目标集合；根据二级疑似目标集合中船动目标前后帧的相关性，获取三级疑似目标集合；针对三级疑似目标集合，采用S‑Yolo算法，进行进一步特征识别，获取四级疑似目标集合。本发明通过船动目标的多级鉴别，提高了船动目标检查的准确率。

关键词：疑似目标集合连通域标记图像增强算法分辨光学遥感影像数据处理技术形态学重构二值图像广域图像灰度特征目标检查实时检测特征识别图像数据遥感影像阈值分割二分类自适应准确率广域鉴别分割

来源：评论

学校读者我要写书评

暂无评论

面向复杂环境下被遮挡目标的新型脑启发目标检测方法

面向复杂环境下被遮挡目标的新型脑启发目标检测方法

引用

作者：王磊陈家伟李秀敏李子龙尹锐滕洲任颜萍 400044 重庆市沙坪坝区沙正街174号

本发明面向复杂环境下被遮挡目标的新型脑启发目标检测方法，其包括构建目标检查模型，所述目标检测模型包括脑启发模型和DETR模型；将被检测图像输入脑启发模型，得到关于目标的若干个预测框及类标签，并输入DETR模型；DETR模型通过对... 详细信息

标准号: CN116935196A

本发明面向复杂环境下被遮挡目标的新型脑启发目标检测方法，其包括构建目标检查模型，所述目标检测模型包括脑启发模型和DETR模型；将被检测图像输入脑启发模型，得到关于目标的若干个预测框及类标签，并输入DETR模型；DETR模型通过对图像数据预设参考点，标定预测框针对参考点的侧距和框位置，并给出查询对象，以二部匹配实现类标签匹配，通过计算预测框的侧距和框位置，并迭代至设定的偏移幅度阈值范围内，然后选择预测框中目标最高置信度对应的类别和坐标。本发明中脑启发模型能在学习中不断地提取知识以更好更快地学习新任务,对于已有训练样本的特征数据进行释义储存与解构释放，使得混乱数据流可模拟为稳定的动态数据流，减缓了遗忘问题。

关键词：预测目标检测参考点框位置动态数据流数据流标签匹配查询对象复杂环境检测图像目标检查偏移幅度特征数据图像数据训练样本遮挡目标置信度标定迭代构建释义预设匹配遗忘标签储存释放学习混乱

来源：评论

学校读者我要写书评

暂无评论

一种猪只多目标跟踪方法

一种猪只多目标跟踪方法

引用

作者：涂淑琴雷华梁云蔡一帆沈裕景刘鸿星黄钰斐 510642 广东省广州市天河区五山路483号

本发明涉及图像处理技术领域，公开了一种猪只多目标跟踪方法，所述方法包括构建猪只的视频数据集输入YOLO‑X检测模型进行目标检测，将目标检测结果输入构建好的多目标跟踪模型进行目标跟踪，得到目标跟踪结果；其中，目标跟踪结果包括... 详细信息

标准号: CN118230358A

本发明涉及图像处理技术领域，公开了一种猪只多目标跟踪方法，所述方法包括构建猪只的视频数据集输入YOLO‑X检测模型进行目标检测，将目标检测结果输入构建好的多目标跟踪模型进行目标跟踪，得到目标跟踪结果；其中，目标跟踪结果包括猪只的检测位置；将目标跟踪结果输入多目标跟踪模型先进行位置预测，得到猪只的跟踪轨迹预测位置，然后对猪只的检测位置和跟踪轨迹预测位置进行基于IoU的初次跟踪匹配，并根据初次跟踪匹配结果进行跟踪轨迹管理和基于Adaptive‑BIoU的二次跟踪匹配，得到最终的跟踪匹配结果。本发明能够实现对猪只运动的精准监测，确保跟踪的连续性和稳定性，提高了猪只目标检查和跟踪性能的整体准确性。

关键词：目标跟踪多目标跟踪跟踪轨迹跟踪检测位置目标检测匹配结果预测位置构建匹配图像处理技术跟踪性能目标检查视频数据位置预测种猪监测检测管理

来源：评论

学校读者我要写书评

暂无评论

开放域目标检测方法、装置、电子设备及存储介质

开放域目标检测方法、装置、电子设备及存储介质

引用

作者：罗大钦 200245 上海市闵行区东川路3966号3幢1层

本发明实施例涉及目标检测领域，公开了一种开放域目标检测方法、装置、电子设备及存储介质，通过获取所属目标类别的目标物的图像样本，并标注图像样本中目标物的标注框；设置目标类别的目标提示词，将图像样本和目标提示词输入到预训... 详细信息

标准号: CN117710654A

本发明实施例涉及目标检测领域，公开了一种开放域目标检测方法、装置、电子设备及存储介质，通过获取所属目标类别的目标物的图像样本，并标注图像样本中目标物的标注框；设置目标类别的目标提示词，将图像样本和目标提示词输入到预训练好的开放域目标检测模型中，得到目标类别的检测框；基于检测框和标注框之间的损失，对开放域目标检查模型中，针对目标提示词所对应的词向量进行调整，得到目标提示词的目标词向量；利用目标提示词以及微调后的开放域目标检查模型，对待检测图像中所属目标类别的目标物进行检测。本方案通过对模型中提示词的词向量进行微调，以使模型适应检测新的目标类别，同时保持模型对原有的通用类别的优秀检测性能。

关键词：提示开放域目标检测目标类别图像样本目标物目标检查标注框词向量检测框微调检测存储介质电子设备检测图像模型适应目标词通用类原有的向量标注

来源：评论

学校读者我要写书评

暂无评论

一种改进的YOLOv5海洋生物目标检测方法

一种改进的YOLOv5海洋生物目标检测方法

引用

作者：李慧贾炳志周宇琛朱亮王晨曦李鑫左宇航张丽玲 222000 江苏省连云港市海州区苍梧路59号

本发明提出了一种改进的YOLOv5海洋生物目标检测方法，由于海洋生物的种类繁多，其识别需要大量的专业知识，而本发明的应用大幅度节约了人力和时间成本，本发明通过在YOLOv5的基础上引入基于残差连接的Bottleneck Tr ansformer构造的C... 详细信息

标准号: CN117523381A

本发明提出了一种改进的YOLOv5海洋生物目标检测方法，由于海洋生物的种类繁多，其识别需要大量的专业知识，而本发明的应用大幅度节约了人力和时间成本，本发明通过在YOLOv5的基础上引入基于残差连接的Bottleneck Tr ansformer构造的CTR3模块，优化了YOLOv5的Head部分，从而提升了模型的识别性能，在自制的15类海洋生物数据集上的实验结果表明，与传统YOLOv5相比，BoTR‑YOLOv5在召回率和mAP(平均精度均值)上各提高了1％，验证了本发明提供的目标检查算法在海洋生物场景下的应用效果，更重要的是BoTR‑YOL Ov5在训练过程中比传统YOLOv5节省了时间，凸显了本发明在计算成本上的明显优势，本发明为海洋生物的高效精确检测提供了创新的方法，具有重要的实际应用价值。

关键词：海洋生物目标检测目标检查时间成本识别性能训练过程应用效果专业知识数据集残差算法应用自制验证场景引入检测节约优化改进

来源：评论

学校读者我要写书评

暂无评论

带链接分支指令的分支目标变体

带链接分支指令的分支目标变体

引用

作者：格雷姆·彼得·巴尔内斯理查德·罗伊·格里森思怀特英国剑桥

一种设备2，包括指令解码器6和处理电路4。指令解码器6支持分支指令，该分支指令用于触发程序流程到目标地址处的指令的非顺序改变，该分支指令包括：带链接分支指令，针对该带链接分支指令设置了用于程序流程的后续返回的返回地址；以... 详细信息

标准号: CN111771188A

一种设备2，包括指令解码器6和处理电路4。指令解码器6支持分支指令，该分支指令用于触发程序流程到目标地址处的指令的非顺序改变，该分支指令包括：带链接分支指令，针对该带链接分支指令设置了用于程序流程的后续返回的返回地址；以及至少一个目标检查类型的分支指令，针对该至少一个目标检查类型的分支指令，在采用分支时，当在目标地址处的指令并非至少一个允许的分支目标指令类型的指令时，触发错误处理响应。对于至少一个目标检查类型的分支指令的至少子集，带链接分支指令的分支目标变体为允许的分支目标指令类型。

关键词：分支指令指令链接分支目标检查分支目标指令指令解码器程序流程目标地址触发处理电路错误处理返回地址分支目标指令设置变体子集返回响应

来源：评论

学校读者我要写书评

暂无评论

一种天体光学图像小目标的智能检测方法

一种天体光学图像小目标的智能检测方法

引用

作者：唐轶峻庄德文蒋云霄应琛琛 310006 浙江省杭州市拱墅区朝晖六区潮王路18号

一种天体光学图像小目标的智能检测方法，属于天文图像处理及目标检查技术领域。它包括以下步骤：1、对天体光学图像的FITS格式文件进行读取，处理后转换格式文件；2、训练、测试数据集制作；3、采用Yolov5网络模型，使用训练集对Yolov... 详细信息

标准号: CN114419326A

一种天体光学图像小目标的智能检测方法，属于天文图像处理及目标检查技术领域。它包括以下步骤：1、对天体光学图像的FITS格式文件进行读取，处理后转换格式文件；2、训练、测试数据集制作；3、采用Yolov5网络模型，使用训练集对Yolov5网络模型进行模型训练；4、使用测试集对训练好的Yolov5模型进行检测；5、将采集到的天体光学图像输入模型中，输出目标检测框与置信度。本发明基于Yolov5目标检测算法建立神经网络模型，利用深度学习，对神经网络模型进行训练，从而代替传统方法进行天体光学图像目标检测，避免人工进行简单重复性工作，实现自动化、智能化的同时，提升检测精度和速度。

关键词：光学图像天体神经网络模型网络模型读取目标检测算法天文图像处理测试数据集格式文件模型训练目标检测目标检查使用测试输出目标智能检测转换格式检测框小目标训练集置信度智能化检测自动化采集制作学习

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：