简介:摘要本文介绍电力通信静态资源自动识别系统的开发,阐述了AutoCADActiveX、AutoCAD.NET等AutoCAD二次开发技术,项目的系统架构、技术原理和实现,并对应用前景作了简单的概括。
简介:摘要:在当今的生产生活中,许多工作人员没有足够的安全意识,在施工过程中,不按规定佩戴安全帽,给自身的安全带来威胁。由于人工监管佩戴安全帽耗时耗力,且随着图像处理技术的迅速发展,图像识别技术逐渐被用在生产领域,因此,利用深度学习与图像处理技术相结合,让机器自动识别监督工作人员佩戴安全帽的研究十分具有意义。
简介:摘要目的应用深度学习进行病毒电镜图像的分类,通过多种模型性能的比较,提供适用于病毒电镜图像分类的网络模型,提供病毒电镜图像识别的辅助与支持,减少研究人员的劳动强度和分析时间。方法通过加深网络深度、调整学习率和批量大小等参数,使用AlexNet、VGG、ResNet、DenseNet、SqueezeNet、MobileNet、ShuffleNet多种经典的卷积神经网络对七种病毒电镜图像进行分类。结果DenseNet169以91.9%的准确率、90.1%的敏感度和98.6%的特异度取得了模型最佳性能。其中,模型对细小病毒的识别效果最好,乳头瘤病毒、疱疹病毒、痘病毒和轮状病毒的精确率、敏感度、特异度和F1值均在90%以上,甚至接近100%。同时,轻量级网络ShuffleNet的性能以更少的参数量和浮点次数超越了深度网络AlexNet和VGG,并能够以比ResNet少约15倍的参数量和90余倍的浮点运算次数取得与之相当的结果;与DenseNet相比,孙世丁通过牺牲可接受范围内的识别性能换取了比其少约10倍的参数量和80余倍的浮点运算次数。结论深度网络DenseNet169能够以最佳性能实现病毒电镜图像的自动识别,轻量网络ShuffleNet_v2_x0_5能够以更少的参数量和浮点运算次数实现次优性能,在实际应用中可结合具体情况在深度网络和轻量级网络之间进行取舍。
简介:摘要:信息时代票据是其产物,是贸易和商业的象征,是维持消费者维权坚实基础随着数字时代的到来,票据在企业财务报销中的重要性越来越明显。使用票据也对财务人员施加压力,财务部门仍然有多个票据,大量票据使财务人员在录入查询中效率极低。随着大数据分析的蓬勃发展和深度学习世纪的到来,深度学习技术在图像处理中的应用越来越有效,基于深度学习的建模算法越来越强大,一些网络公司如阿里、腾讯、百度等票据验证提供了增量验证和票务接口。在信息时代,票据给人们的生活带来了极大的便利。但是,票据输入可能需要很长时间,有些可能会给财务人士带来负担。幸运的是,大数据分析和深度学习技术的开发通过基于深度学习的方法简化了这一过程。