布料色卡图像检索的深度学习模型

为解决箱包领域对不同分辨率和不同旋转角度的色卡图像存在检索效果差的问题,提出基于深度学习框架(GoogleNet、AlexNet和LeNet-5)和结合稀疏化Dropout结构改进的LeNet-5学习框架的色卡图像检索模型,设计了相应的实现方法。在两个标准数据集(Brodatz、UIUC)和一个真实领域采集的布料色卡图像数据集上与传统纹理图像检索模型进行对比测试和结果分析。结果表明对检索具有不同分辨率或者不同旋转角度的图像而言,基于深度学习的色卡图像检索模型具有更好的检索准确率,达到了在箱包领域进行色卡图像检索的实际应用要求。

SRVCC技术在VoLTE中的应用研究

随着网络的发展演进,GSMA提出了将VoLTE作为LTE语音的目标解决方案,VoLTE是基于IMS网络来为LTE用户提供语音业务的,3GPP针对未全网部署LTE网络或IMS网络的时候,为了保证语音业务的连续性提出了SRVCC。本文对SRVCC技术进行了概述,介绍了SRVCC技术的应用场景及实现和增强方案。