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
巴西-西班牙柑橘加工科技考察思考及建议
被引量:
5
1
作者
陈功
李凤城
薛翔天
《现代食品科技》
EI
CAS
2010年第2期195-196,164,共3页
巴西甜橙产量世界第一,西班牙是欧洲柑橘供应中心,本文通过对这2国的柑橘加工业较系统的科技考察,将了解到柑橘加工的基本情况与先进的加工技术流程在此进行归纳总结,并结合我国现状提出了柑橘加工合理化的建议。
关键词
甜橙
工艺流程
浓缩汁
皮渣
研究开发
区域合作
下载PDF
职称材料
基于深度学习的X光地铁危险物品检测算法
被引量:
2
2
作者
程林
柏杨
+5 位作者
都昌平
薛翔天
章品正
於文雪
王世杰
陈阳
《中国体视学与图像分析》
2021年第3期301-309,共9页
随着现代地铁里程数的增加,地铁口和安检设施也随之增加。地铁安检关系着社会安全,但目前对地铁安检采用人工排查的方式,在某些场景下捉襟见肘,因此需要智能安检方法辅助人工排查。随着深度学习的迅速发展,基于深度学习的安检方法十分...
随着现代地铁里程数的增加,地铁口和安检设施也随之增加。地铁安检关系着社会安全,但目前对地铁安检采用人工排查的方式,在某些场景下捉襟见肘,因此需要智能安检方法辅助人工排查。随着深度学习的迅速发展,基于深度学习的安检方法十分可行。本文提出采用基于深度学习的方法进行智能安检辅助人工检查,同时针对现有深度学习方法检测准确率较低的缺点,使用注意力机制模块与Focal Loss损失函数模块与深度学习相结合的模型来提升准确率。首先使用YOLO v5中主干网络与注意力模块相结合的新网络对输入安检图像进行特征提取,对提取的特征进行学习,并且在损失函数中添加Focal Loss损失函数改善模型优化方向,最后使用检测网络对目标物品进行检测标注,使用地铁采集的图像数据进行训练与测试。实验结果表明,所提方法在地铁真实环境中能取得良好的检测效果,mAP(mean Average Precision)值相对于原YOLO v5网络提升了1.3%,并且可以达到实时检测的要求。
展开更多
关键词
深度学习
目标检测
注意力机制
Focal
loss
下载PDF
职称材料
题名
巴西-西班牙柑橘加工科技考察思考及建议
被引量:
5
1
作者
陈功
李凤城
薛翔天
机构
四川省食品发酵工业研究设计院
中国农业机械化科学研究院
重庆三峡果业集团有限公司
出处
《现代食品科技》
EI
CAS
2010年第2期195-196,164,共3页
基金
国家科技部十一五科技支撑课题"标准化橙汁加工关键技术研究与产业化开发"(2007BAD47B05-5)
文摘
巴西甜橙产量世界第一,西班牙是欧洲柑橘供应中心,本文通过对这2国的柑橘加工业较系统的科技考察,将了解到柑橘加工的基本情况与先进的加工技术流程在此进行归纳总结,并结合我国现状提出了柑橘加工合理化的建议。
关键词
甜橙
工艺流程
浓缩汁
皮渣
研究开发
区域合作
Keywords
orange
process flow
concentrated juice
peel residues
R&D
regional cooperation
分类号
TS255 [轻工技术与工程—农产品加工及贮藏工程]
下载PDF
职称材料
题名
基于深度学习的X光地铁危险物品检测算法
被引量:
2
2
作者
程林
柏杨
都昌平
薛翔天
章品正
於文雪
王世杰
陈阳
机构
东南大学财务处
东南大学网络空间安全学院
东南大学计算机科学与工程学院
出处
《中国体视学与图像分析》
2021年第3期301-309,共9页
基金
国家重点研发项目(No.2017YFC0109202,No.2017YFA0104302)
文摘
随着现代地铁里程数的增加,地铁口和安检设施也随之增加。地铁安检关系着社会安全,但目前对地铁安检采用人工排查的方式,在某些场景下捉襟见肘,因此需要智能安检方法辅助人工排查。随着深度学习的迅速发展,基于深度学习的安检方法十分可行。本文提出采用基于深度学习的方法进行智能安检辅助人工检查,同时针对现有深度学习方法检测准确率较低的缺点,使用注意力机制模块与Focal Loss损失函数模块与深度学习相结合的模型来提升准确率。首先使用YOLO v5中主干网络与注意力模块相结合的新网络对输入安检图像进行特征提取,对提取的特征进行学习,并且在损失函数中添加Focal Loss损失函数改善模型优化方向,最后使用检测网络对目标物品进行检测标注,使用地铁采集的图像数据进行训练与测试。实验结果表明,所提方法在地铁真实环境中能取得良好的检测效果,mAP(mean Average Precision)值相对于原YOLO v5网络提升了1.3%,并且可以达到实时检测的要求。
关键词
深度学习
目标检测
注意力机制
Focal
loss
Keywords
deep learning
object detection
attention mechanism
Focal loss
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TP391.41 [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
巴西-西班牙柑橘加工科技考察思考及建议
陈功
李凤城
薛翔天
《现代食品科技》
EI
CAS
2010
5
下载PDF
职称材料
2
基于深度学习的X光地铁危险物品检测算法
程林
柏杨
都昌平
薛翔天
章品正
於文雪
王世杰
陈阳
《中国体视学与图像分析》
2021
2
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