期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于智能算法的机械备件管理优化研究--评《机械基础与金属材料》
1
作者
张婧
卞长智
张宝
《应用化工》
CAS
CSCD
北大核心
2023年第10期I0008-I0008,共1页
随着制造业自动化、信息化进程的推进,机械设备的高效运维对企业经济效益的提升起着重要作用。《机械基础与金属材料》是一本综合性的基础理论与知识教材,作者曾小梅针对机电相关专业学生的学习需求,系统地阐述了机械基础知识与金属材...
随着制造业自动化、信息化进程的推进,机械设备的高效运维对企业经济效益的提升起着重要作用。《机械基础与金属材料》是一本综合性的基础理论与知识教材,作者曾小梅针对机电相关专业学生的学习需求,系统地阐述了机械基础知识与金属材料选择方面的内容。全书包含金属材料选择与机械基础两大部分。在金属材料部分,作者详细分析了不同金属材料的力学性能指标,阐明了钢材热处理与相变规律,并对各类常用金属材料的选用进行了概述。
展开更多
关键词
金属材料
相变规律
企业经济效益
智能算法
机械基础知识
制造业自动化
机械设备
机械备件
下载PDF
职称材料
对比特征增强的高架库小目标检测方法
2
作者
朱贺
卞长智
+3 位作者
张婧
王力
李小霞
陈禹伶
《计算机工程与应用》
2024年第22期347-354,共8页
针对高架库区场景下安全帽检测中目标特征信息少、分类精度低等问题,提出小目标对比特征增强网络。首先提出快速空间金字塔池化跨层融合模块,减少空间维度上的目标信息丢失。然后提出小目标对比特征增强模块,使用双路并行空洞卷积获取...
针对高架库区场景下安全帽检测中目标特征信息少、分类精度低等问题,提出小目标对比特征增强网络。首先提出快速空间金字塔池化跨层融合模块,减少空间维度上的目标信息丢失。然后提出小目标对比特征增强模块,使用双路并行空洞卷积获取不同感受野,利用通道注意力获取特征图在通道维度上更为精准的特征信息,采用浅层特征图减去深层特征图的方法削弱浅层特征图中大目标信息,以增强小目标特征信息表达。加入高效通道注意力解耦检测头,通过将检测头解耦为分类和回归分支,分别学习目标的语义信息和位置信息。实验结果表明,在TT100K数据集上,所提方法的mAP@0.5比基准网络YOLOv5提高了6.4个百分点,比YOLOv7提高了1.9个百分点。在自建高架库数据集上,所提方法的mAP@0.5相比基准网络提高了4.9个百分点,其中安全帽的mAP@0.5相比基准网络提高了6.9个百分点。
展开更多
关键词
小目标检测
高架库
跨层融合
对比特征增强
解耦检测头
YOLOv5
下载PDF
职称材料
题名
基于智能算法的机械备件管理优化研究--评《机械基础与金属材料》
1
作者
张婧
卞长智
张宝
机构
四川中烟工业有限责任公司绵阳卷烟厂
出处
《应用化工》
CAS
CSCD
北大核心
2023年第10期I0008-I0008,共1页
文摘
随着制造业自动化、信息化进程的推进,机械设备的高效运维对企业经济效益的提升起着重要作用。《机械基础与金属材料》是一本综合性的基础理论与知识教材,作者曾小梅针对机电相关专业学生的学习需求,系统地阐述了机械基础知识与金属材料选择方面的内容。全书包含金属材料选择与机械基础两大部分。在金属材料部分,作者详细分析了不同金属材料的力学性能指标,阐明了钢材热处理与相变规律,并对各类常用金属材料的选用进行了概述。
关键词
金属材料
相变规律
企业经济效益
智能算法
机械基础知识
制造业自动化
机械设备
机械备件
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TH17-5 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
对比特征增强的高架库小目标检测方法
2
作者
朱贺
卞长智
张婧
王力
李小霞
陈禹伶
机构
西南科技大学信息工程学院
出处
《计算机工程与应用》
2024年第22期347-354,共8页
基金
国家自然科学基金面上项目(62071399)
四川省科技计划重点研发项目(2023YFG0262,2021YFG0383)。
文摘
针对高架库区场景下安全帽检测中目标特征信息少、分类精度低等问题,提出小目标对比特征增强网络。首先提出快速空间金字塔池化跨层融合模块,减少空间维度上的目标信息丢失。然后提出小目标对比特征增强模块,使用双路并行空洞卷积获取不同感受野,利用通道注意力获取特征图在通道维度上更为精准的特征信息,采用浅层特征图减去深层特征图的方法削弱浅层特征图中大目标信息,以增强小目标特征信息表达。加入高效通道注意力解耦检测头,通过将检测头解耦为分类和回归分支,分别学习目标的语义信息和位置信息。实验结果表明,在TT100K数据集上,所提方法的mAP@0.5比基准网络YOLOv5提高了6.4个百分点,比YOLOv7提高了1.9个百分点。在自建高架库数据集上,所提方法的mAP@0.5相比基准网络提高了4.9个百分点,其中安全帽的mAP@0.5相比基准网络提高了6.9个百分点。
关键词
小目标检测
高架库
跨层融合
对比特征增强
解耦检测头
YOLOv5
Keywords
small target detection
elevated warehouse
cross-layer fusion
contrastive feature enhancement
decoupled detection head
YOLOv5
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于智能算法的机械备件管理优化研究--评《机械基础与金属材料》
张婧
卞长智
张宝
《应用化工》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
对比特征增强的高架库小目标检测方法
朱贺
卞长智
张婧
王力
李小霞
陈禹伶
《计算机工程与应用》
2024
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部