简介:摘要:Transformer是一种基于自注意力机制(self-attention mechanism)的深度神经网络,这一机制原先用于自然语言处理领域。受Transformer强大的表示能力的启发,研究人员提出将Transformer扩展到细粒度图像分类任务中。与卷积网络和循环网络等其他网络类型相比,基于Transformer的模型在各种视觉领域上能获得更好的性能,因此非常具有竞争力。本文首先将简要介绍Transformer的原理与其各个组成部分;其次,文章从细粒度图像分类的角度介绍相应Transformer的应用;最后本文将介绍Transformer在应用到CV领域时依然存在的不足以及未来可能的研究方向。
简介:摘要:对细粒度图像检测和分类研究进行介绍,包括可区分的细粒度图像特征检测、基于区域建议框的深度学习特征检测、基于回归的深度学习特征检测以及细粒度图像分类。最后总结存在的问题。
简介:摘要:针对以往传统项目式教学所存在的问题,如何将OBE理念与传统项目教学模式进行融合,在计算机网络技术课程进行实施。以项目式教学模式为主体框架,如何通过OBE成果导向为内核将项目切分为若干细粒度内容,这些内核细粒度项目如何采用反向设计,以工作岗位所需的各项目标为基础反推教学设计,使教学设计更加精确,解决项目教学存在的一些问题,对OBE细粒度项目教学模式进行研究。
简介:为了获得水泥中不同粒度区间组分力学强度的变化规律,以充分发挥每个粒度组分在提高水泥胶凝活性方面的作用,研究通过气流分级机对硅酸盐水泥进行分级,获得不同粒度区间的六个组分,分别测定其粒度分布特征,并对其胶凝活性进行了评价。实验结果表明:通过分级获得的水泥粉体基本符合Rosin-Rammler-Bennet方程分布模型。水泥各粒度区间组分的胶砂流动度随组分细度的改变而变化不明显;不同粒度区间组分细度越大,胶砂试验早期强度越高,但是随着养护龄期的增长,强度增幅并不明显;由三个较细粒度区间组分混合而得的试样,其早期胶砂抗压强度最高,后期强度增长平稳。
简介:摘要: 本文将采取 磁选、浮选工艺 等一系列方法 对 某地的 镒矿微细粒镒矿泥 予以想尽地 选矿回收工艺 分析 。 该地属于一座具有多年开矿经验的矿山,始终都以氧化镒作为主要的采集对象。该地的镒矿床具备“上富下贫”的主要特征,通过长期性地开采处理,现在全矿持有的氧化锭资源,不但在规模上出现了极大的改变,而且其主要的矿物质品位也在逐年降低,其整体的含粉率相当之低,原本持有的选矿技术以及设施装置已经很难契合贫氧化镒矿石的基本需求。长期以来,伴随选矿工艺技术水平地逐步提升,其设施属性也越来越优化,本文将就该地选厂进行多方面地技术优化,从而联合多项手段,科学合理地回收细粒级以上镒,总之强化对微细粒镒矿泥的回收工作力度具有很强的现实价值,值得进一步地推广及应用。