排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
随着个人计算机和互联网上数字图像数量的快速增长,用户越来越多借助于"语义概念"来检索感兴趣图像。然而由于图像底层特征刻画和高层语义概念描述间存在很大的差异,使得现有图像标注算法性能不甚理想。因此,文中提出基于多模态深度学习的图像标注框架,旨在应用卷积神经网络技术优化深层神经网络的参数,提高标注精度。具体地,文中提出的多模态深度学习标注框架利用两阶段学习,优化神经网络参数:(1)利用深度神经网络,优化各单模态参数;(2)利用相关性,实现多模态的最优组合。公共数据集的实验表明,该方案可以有效地提高图像标注的性能。 相似文献
2.
为研究高速撞击条件下弹体侵彻能力、弹体侵彻极限速度、弹体质量损失等问题,在高速弹道炮上开展了不同头部形状弹体对混凝土靶体高速正侵彻的模型试验,试验最高弹速达到了1 420 m/s,获得了侵彻深度与侵彻速度之间的关系. 结果表明,随着弹体速度的增加,弹道的稳定性逐渐变差,弹体头部侵蚀加重,当弹体初速度大于弹体极限速度时,弹体出现弯曲破坏,侵彻深度下降;不同的头部形状对弹体弯曲变形、弹体头部侵蚀、弹体侵彻深度有着很明显的影响. 相似文献
1