全文获取类型
收费全文 | 2713篇 |
免费 | 211篇 |
国内免费 | 169篇 |
专业分类
系统科学 | 212篇 |
丛书文集 | 67篇 |
教育与普及 | 9篇 |
理论与方法论 | 27篇 |
现状及发展 | 17篇 |
综合类 | 2761篇 |
出版年
2024年 | 4篇 |
2023年 | 42篇 |
2022年 | 76篇 |
2021年 | 66篇 |
2020年 | 57篇 |
2019年 | 63篇 |
2018年 | 58篇 |
2017年 | 56篇 |
2016年 | 55篇 |
2015年 | 75篇 |
2014年 | 157篇 |
2013年 | 135篇 |
2012年 | 199篇 |
2011年 | 204篇 |
2010年 | 181篇 |
2009年 | 177篇 |
2008年 | 187篇 |
2007年 | 246篇 |
2006年 | 219篇 |
2005年 | 187篇 |
2004年 | 157篇 |
2003年 | 117篇 |
2002年 | 89篇 |
2001年 | 62篇 |
2000年 | 49篇 |
1999年 | 37篇 |
1998年 | 29篇 |
1997年 | 28篇 |
1996年 | 16篇 |
1995年 | 12篇 |
1994年 | 10篇 |
1993年 | 9篇 |
1992年 | 7篇 |
1991年 | 8篇 |
1990年 | 7篇 |
1989年 | 1篇 |
1988年 | 1篇 |
1987年 | 5篇 |
1985年 | 2篇 |
1955年 | 3篇 |
排序方式: 共有3093条查询结果,搜索用时 14 毫秒
1.
2.
针对视频会话业务的实时性需求,提出一种轻量级深度学习网络模型实现视频图像的实时背景替换功能.网络模型包含语义分割和背景替换两个模块.语义分割模块整体架构采用编解码结构,编码端使用编码器模块、空洞卷积金字塔池化模块、注意力模块以及增益模块提取特征;解码端使用解码器模块、调整模块以及编码器模块恢复图像,再传入背景替换模块完成背景替换.该网络模型在本文设定的数据集训练后分割精确度达到94.1%,分割速度达到42.5帧/s,在实时性和准确性上达到较好的平衡,具有很好的实用效果. 相似文献
3.
图像抠图(image matting)技术是图像编辑技术的基础, 广泛应用于影视后期制作和日常生活. 基于深度学习的图像抠图网络, 通过输入的原图和三元图来估计每个像素的 $\alpha$ 值. 在原下、上采样的图像抠图技术基础上, 针对抠图数据集图像差异较大容易造成网络收敛较慢的问题, 在每个卷积层后加入了批量标准化(batch normalization, BN)层, 对输入数据进行归一化操作, 加快模型收敛速度, 同时参数更新方向更符合数据集整体特性; 针对抠图任务需要更关注物体边缘部分的特点, 使用可变形卷积(deformable convolution)层替换普通卷积层. 可变形卷积层会根据不同输入数据自适应学习卷积核形状, 有效扩大感受野范围, 在细节部分有更好的预测效果. 相似文献
4.
针对粘连白细胞很难精准分割的问题, 提出一种基于深度学习的粘连白细胞分割算法. 首先, 将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV, 滤除红细胞并提取白细胞; 其次, 对提取结果中的粘连白细胞, 将细胞边界设定为除前景和背景外的第三类, 在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数, 使模型学习到更多的细胞边界特征. 实验结果表明, 用该方法分割数据集ALL_IDB1中的白细胞, 准确率达95.19%. 相似文献
5.
在点云的处理过程中,许多深度学习网络未能充分考虑局部点之间的复杂关系,导致大量空间几何信息丢失。针对该问题,提出了一个强化局部特征的网络,用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码;通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数,结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验,结果表明:该网络在点云的目标分类和语义分割任务上表现出较好的性能。 相似文献
6.
为了解决感染区域比正常组织对比度低的问题,提出了一种基于三重注意力机制(triple attention mechanism,TAM)的新冠肺炎(corona virus disease 2019,COVID 19)病灶分割模型--TM-Net,并将其应用于条件生成对抗网络。MultiConv模块可以自动提取肺部切片中感染区域的特征,呈现了更丰富且包含不同类型的病灶信息。TAM同时集成了空间、通道、位置注意力模块,可以更精准地定位感染区域的病灶。使用的损失函数是由3种不同的损失函数组成的复合函数,能最小化预测图和真实标签的差异,更好地优化TM-Net模型。在COVID-19数据集上进行实验和评估的结果表明:基于TM-Net的磨玻璃影(ground-glass opacities,GGO)和固结(Consolidation)两类病灶的平均dice相似系数(dice similarity coefficient,DSC)比基于Attention U-Net和R2U-Net的DSC分别提高了1.4%和0.5%,证明TM-Net提升了新冠肺炎病灶分割的准确性。 相似文献
7.
为提升变电站巡检机器人的导航避障能力,将深度学习技术应用于变电站场景识别中,提出了一种基于深度卷积神经网络的避障方法.该方法联合图像分类和语义分割两个分支来共同辅助机器人导航避障,分类分支通过获取图像全局信息,保证机器人正确行驶方向;而语义分割支路则根据图像局部信息以及机器人前方目标类别,指导机器人准确避障.实验结果表明,避障方法可以高效地对图像进行分类和分割,同时,在实际变电站环境中,该方法也能为巡检机器人提供有效的避障信息,实现实时自主避障. 相似文献
8.
提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。 相似文献
9.
随着三维点云数据模型在三维建模、测绘、智能城市以及机器视觉等领域的应用,点云数据处理也成为一个研究热点。点云分割就是将三维空间中点云通过一系列算法,将散乱的点云数据划分成更为连贯的子集的过程,可以为后续的数据分析提供数据基础。针对随机抽样一致算法(random sample consensus, RANSAC)对杂乱、无规则点云数据分割效果不佳的问题,提出一种改进的RANSAC点云分割算法。该算法通过构建Kd(K-dimensional)树,利用半径空间密度重新定义初始点的选取方式,进行多次迭代来剔除无特征点,在实现点云分割的同时可以有效去除噪声点;此外,该算法重新设定判断准则,优化面片合并,可以实现点云的精确分割。实验通过对散乱点云数据进行分割,结果表明该改进RANSAC算法的点云特征提取数据量较大,面片分割的准确性较高,是一种有效的点云分割算法。 相似文献
10.
为提高苹果的产量和质量,防止病虫害对果实质量的影响,设计了一款基于机器视觉的苹果树病虫害智能识别系统。该系统采用交互式分割(GrabCut)算法对图像进行分割,然后使用高斯拉普拉斯算子和拉普拉斯高斯(Laplacian-of-Gaussian, LOG)算法将苹果叶片中的病斑提取出来,最后将提取出的图像送入深度神经网络(deep neural networks, DNN)进行进一步的分析与处理,能够实时、方便地识别出苹果树叶病害中较为常见、发病率高的花叶病,锈病,灰斑病,斑点落叶病以及褐斑病。经测试,该系统对苹果树5种常见病虫害识别率精度高达91.17%。结果表明,该算法能够有效提升苹果树病虫害防治,优于基于卷积神经网络特征的区域方法(regions with CNN features, R-CNN)、YOLO(you only look once)等单一病虫害检测方法。 相似文献