存储管理的复杂性已经成为阻碍SAN(Storage Area Network)在企业中获得广泛应用的一个重要原因。为此,存储网络工业协会(Storage Network Industry Association,SNIA)制定了Storage Management Ini-tiative-Specification(SMI-S),旨在...存储管理的复杂性已经成为阻碍SAN(Storage Area Network)在企业中获得广泛应用的一个重要原因。为此,存储网络工业协会(Storage Network Industry Association,SNIA)制定了Storage Management Ini-tiative-Specification(SMI-S),旨在标准化存储管理接口,从而降低存储管理的复杂性。该规范目前已经为业界所广泛接受。本文对存储管理框架的发展作一个综述,给读者一个全面而整体的了解。展开更多
当前通过水下摄像头采集到的水下鱼类目标视频往往存在失真、噪声干扰及光线折射等问题,而传统的视频模式识别跟踪算法在检测复杂、模糊、重叠和紧凑的目标时结果普遍差。基于TensorFlow 2.0和YOLO V4,结合深度学习,设计1个水下视频鱼...当前通过水下摄像头采集到的水下鱼类目标视频往往存在失真、噪声干扰及光线折射等问题,而传统的视频模式识别跟踪算法在检测复杂、模糊、重叠和紧凑的目标时结果普遍差。基于TensorFlow 2.0和YOLO V4,结合深度学习,设计1个水下视频鱼类目标智能跟踪识别系统。系统对6种鱼类视频的识别准确率(Mean Average Precision,mAP)达到98.50%,跟踪效率(Frames Per Second,FPS)达到46。测试数据表明:系统实现了水下鱼类视频目标的准确识别和实时跟踪,为水产养殖的科学化与数字化提供了智能支持。展开更多
文摘存储管理的复杂性已经成为阻碍SAN(Storage Area Network)在企业中获得广泛应用的一个重要原因。为此,存储网络工业协会(Storage Network Industry Association,SNIA)制定了Storage Management Ini-tiative-Specification(SMI-S),旨在标准化存储管理接口,从而降低存储管理的复杂性。该规范目前已经为业界所广泛接受。本文对存储管理框架的发展作一个综述,给读者一个全面而整体的了解。
文摘当前通过水下摄像头采集到的水下鱼类目标视频往往存在失真、噪声干扰及光线折射等问题,而传统的视频模式识别跟踪算法在检测复杂、模糊、重叠和紧凑的目标时结果普遍差。基于TensorFlow 2.0和YOLO V4,结合深度学习,设计1个水下视频鱼类目标智能跟踪识别系统。系统对6种鱼类视频的识别准确率(Mean Average Precision,mAP)达到98.50%,跟踪效率(Frames Per Second,FPS)达到46。测试数据表明:系统实现了水下鱼类视频目标的准确识别和实时跟踪,为水产养殖的科学化与数字化提供了智能支持。