排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
6.
7.
每年夏天,整天挂在法国人嘴边的,除了“度假”二字,就数“大圆圈”(laGrandeBoucle,环法自行车赛的俗称)出现的频率高。不知不觉已经走完百年风尘路的“大圆圈”,已经成为历史最悠久、规模最大、影响最广泛的自行车赛。今年,总共有超过1500万观众拥到路边驻足观战;电视台全程直播,收视率高达46%。一个世纪以来,它书写了一幕幕感人故事,留下一段段动人传奇。 相似文献
8.
基于移动 Agent的无线传感器网络管理模型 总被引:1,自引:1,他引:0
无线传感器网络革新了信息感应和收集的方式,节点的特殊性给网络管理提出了新的问题;文章分析对比了传统的网络管理模型,结合层次化框架的优点,引入移动Agent技术,提出了一种基于移动Agent的无线传感器网络管理,通过理论评估和实验显示了模型的优越性。 相似文献
9.
10.
目的 微表情(Micro Expression, ME)是人们流露内心情感时展现出的细微面部表情。针对微表情识别的样本较少且不同类别数量分布不均导致难以识别和识别准确率较低的问题,提出能够提高微表情识别准确率的模型框架。方法 提取微表情视频序列中含有更多关键表情信息的峰值帧;使用加入SE模块的改进残差网络SE-ResNeXt-50对微表情的峰值帧进行特征提取,其中SE模块可以更好地学习特征中的关键信息,ResNeXt通过分组卷积的方式用稀疏结构取代密集结构从而使结构更加简化,提升了识别效率。与此同时,使用Focal Loss损失函数可以更好地解决因微表情数据的不平衡带来的模型性能问题。结果 在微表情数据集CASMEⅡ上进行了仿真实验,可以发现改进的残差网络与峰值帧提高了微表情识别的准确率与F1值。结论 改进的残差网络与峰值帧可以降低数据集较少所带来的影响,使模型有着良好的拟合效果,同时改善了在不同类别上表现差异较大的问题,提升了微表情的识别准确率,对于微表情识别有着更好的识别性能。 相似文献