简介：针对传统方法过分依赖颜色等特征，导致对古籍文档复印件检测效果不佳的问题，基于深度学习技术建立了一种新的满文文档图像印章检测方法。通过图像变换和合成技术建立满文古籍文档图像数据增广算法解决训练数据不足的问题，在所构建的增广数据集上建立FasterR-CNN深度学习模型挖掘深层图像特征，实现满文文档图像印章检测方法。对采集的真实满文文档复印件图像进行实验，印章检测精度可以达到99．6％，表明本文的方法可以有效的检测古籍文档复印件图像中的印章，对满文文档的研究有重要意义。

简介：摘要:针对工控SAMA逻辑图在识别转换过程中逻辑图图元目标小、外形易变化、相似图元识别易重复、检测精度低等问题，本文针对Faster R-CNN网络进行改进，将原有VGG16网络替换成保留细节特征更为丰富的ResNet101网络，，并结合图元固有文字属性区分图元，从而提高相似图元识别精度。采用不同种类的外形相似图元制作的数据集，对改进前后的Faster R-CNN网络模型进行不同锚框设置下的比较实验，实验结果表明改进后的Faster R-CNN网络模型针对相似图元识别的性能有较大提升。

简介：摘要:针对传统船舶监测方法中存在工作量大易误判等问题，提出一种基于改进Faster R-CNN算法的船舶检测识别方法。自行拍摄制作船舶数据集，并通过翻转、裁剪、抖动等方式对数据集进行扩充。基于TensorFlow框架搭建深度学习系统环境，选取VGG16-Net作为特征提取网络。通过微调模型、参数调试等方法优化训练模型，提高了检测模型的识别精度。然后通过Faster R-CNN模型对数据进行训练、学习最终船舶平均识别率mAP指标（mean Average Precision）达到90.7%，通过深度学习达到了使用少量样本获得较高识别率的效果。

简介：在互联网世界中,图片是传递信息的重要媒介。特别是电子商务、社交、搜索等领域,每天都有数以亿兆级别的图像在传播。自然场景就是我们所处的生活环境,自然场景图像中存在着大量的文本信息,例如路标信息、商店门店信息、商品包装信息等。随着深度学习的发展,基于深度学习的文本检测技术也逐渐流行起来。文章主要提出的是基于R2CNN的文本检测算法。在R2CNN算法的基础上对算法的结构进行改进,最终算法在ICDAR2015数据集上的召回率为87.2%,精确率为81.43%。

简介：随着汽车和媒体行业被Uber和Twitter等科技公司不断搅局,一些传统公司开始效仿新的竞争者,提升实力。GM与CNN就是其中的代表,他们发现自己已经不能免疫颠覆者们带来的影响。他们认为,与其试图与这些颠覆变革作斗争,还不如加入进来。

简介：

简介：语义图象分割是一项任务为每个图象象素预言一个范畴标签。它的关键挑战是设计一个强壮的特征代表。在这份报纸，我们作为特征表示熔化神经网络(CNN)展示的层次convolutional和基于区域的特征。层次特征包含更全球的信息，当基于区域的特征包含更多的本地信息时。这些二种特征的联合显著地提高特征表示。然后，熔化特征被用来训练一个softmax分类器生产每象素标签任务概率。并且一块充分连接的有条件的随机的地(CRF)被用作一个processing以后方法改进标记的一致性。我们进行实验在上筛流动数据集。象素精确性和班精确性分别地是84.4%和34.86%。

简介：美国有线新闻网络CNN亚太区域香港总部与美国Quintech“昆泰”的中国总代理中懋科技有限公司签订合约，中懋科技将于2005年初交付一台型号为SRM2150／32×16的卫星下行L波段矩阵到其位于香港岛的电视新闻制作调度中心。

简介：

简介：进入21世纪,世界好像一直就不太平。先是9·11恐怖事件震惊全世界,接着是阿富汗战争、车臣绑架事件、伊拉克事件,整个世界硝烟弥漫。在看得见的硝烟之外,国际传播领域也掀起一场没有硝烟的战争。在这场新闻大战中,名不见经传的海湾小国卡塔尔的半岛电视台,独领风骚,一鸣惊人,使CNN、BBC等国际大牌媒体黯然失色。如今海湾战争已经打响,媒体大战如火如荼,可以预见的是半岛电视台会是这场传媒战争的赢家之一,因为它手中有着其他电视台没有的优势。

简介：2008年新款R1200R在秉承BMW优良传统的基础上，再做突破，将现代高科技元素融入其中．将速度、安全、灵活性的设计理念贯彻始终。相信R1200R会延续R“路星”街车系列摩托车的销售佳绩，将优雅与高性能发扬光大。

简介：细胞的神经/非线性的网络(CNN)是为图象和录像信号处理的一个强大的工具，机器、生物的视觉。这篇论文与在二进制图象提取关上的域的性能介绍一种CNN，并且为设计如此的一种CNN的模板给一个一般方法。一条定理为决定为实现的参数间隔规定了分别地处理功能的图象提供参数不平等。在二进制规模图象提取关上的域的Examplesfor被给。

简介：在传统的OCR文字识别系统中,研究者主要关注的主要问题是文字的识别。但是由于现代印刷技术的发展与应用,对于印刷体文字版面的恢复成为当前一种重要应用需求。不仅需要识别出文字,还应该识别出文字的字体格式。目前针对汉字字体识别的研究较少,而且大部分基于特征提取方法,主要以局部特征,和全局特征为主。提出一种基于CNN的深度学习方法,来处理汉字字体识别。和以往的方法相比较,该方法识别率高,速度快,适用于复杂的应用环境,具有良好的实际使用价值。

简介：摘要：近年来，图像采集受到环境因素干扰较大，如何重建原始图像去除天气因素带来的干扰成为计算机视觉行业最具挑战性的重大问题之一。常见的图像去雾方法是--对抗生成网络、灰度补偿和特征融合、多边缘信息融合、重加权二阶正则项。主要解决了还原路面纹理的细节、沙尘图像的检测精度和分割准确率较低、对计算机要求较高、边缘融合软件需要集成大量的高画质影片、图片等数据的问题。本文介绍了一种基于CNN网络的图像去雾算法，可改善图像的修复效果。

简介：

简介：求天体运动的加速度一般有两种方法：（1）根据圆周运动向心加速度的公式

简介：

简介：建立一个数学问题,综合两个解法得到了结论。

简介：摘要： 人体步态特征是反映人体个体特征的重要生物特征。对人体的步态动作图像进行视觉跟踪识别，运用红外和激光成像技术进行人体步态特征图像采集，对采集的图像采用视觉特征提取和跟踪识别，实现智能安防监控，研究基于步态特征识别的安防监控系统在实现安防系统的智能化设计方面具有重要意义。

简介：摘 要：随着物联网所产生的网络流量不断增加，各种新兴的攻击的方式不断出现。传统的物联网入侵检测模型通常存在较高的误报率和较低的准确率。本文提出一种基于深度学习的物联网入侵检测模型。通过实验分析，该模型具有较高的检测率和较低的误报率。