百科技术库 各行业技术资料 - 百科资料网
欢迎来到百科技术库 各行业技术资料 - 百科资料网！ [免费注册] | [登录] 微信快捷登录 QQ登录 微博登录 | 帮助中心 各行业技术应有尽有！

热门搜索： 干粉砂浆 填缝剂 瓷砖胶 水溶肥 切削液 聚氨酯发泡 丙烯酸乳液

全国服务热线 13310018778

栏目导航

A、生活必需 >

A、生活必需

A01 农林牧渔 A21 烘烤烘焙 A22 肉品加工 A23 食品饮料 A24 烟草 A41 服装 A42 帽类 A43 鞋类
A44 服饰配件；珠宝 A45 手携物品；旅行品 A46 刷类制品 A47 家具；家庭用品 A61 医疗 A62 救生；消防 A63 运动；娱乐
B、作业运输 >

B、作业运输

B01 沸腾 分离 混合 实验设备 B02 破碎 磨粉 粉碎 B03 分选 浮选 B04 离心装置 B05 喷射 雾化 B06 机械振动 B07 固体分离；分选
B08 清洁 B09 固废处理 B21 金属加工；金属冲压 B22 铸造；粉末冶金 B23 机床 金属加工 B24 磨削；抛光 B25 手动工具 B26 切割工具
B27 木材加工 B28 水泥 黏土 石料 B29 塑料加工 B30 压力机 B31 纸品加工 B32 层状产品 B41 印刷；排版机 B42 装订；印刷品
B43 书写绘图器具；办公用品 B44 装饰艺术 B60 一般车辆 B61 铁路 B62 无轨陆用车辆 B63 船舶 B64 飞行器；航空 B65 输送；包装；贮存 B66 卷扬；提升；牵引 B67 瓶子 罐 容器 B68 鞍具；家具罩面 B81 微观结构技术 B82 超微技术
C、化学冶金 >

C、化学冶金

C01 无机化学 C02 废水污泥 C03 玻璃；矿棉 C04 水泥；混凝土；人造石；陶瓷；耐火材料 C05 肥料 C07 有机化学 C08 有机高分子化合物
C09 染料；涂料；抛光剂；天然树脂；黏合剂 C10 石油 煤气；燃料；润滑剂 C11 动物或植物油；蜡；洗涤剂 C12 生物化学；酒；醋；微生物学
C13 糖工业 C14 皮革 C21 铁的冶金 C22 冶金；合金 C23 金属镀覆 C25 电解电泳 C30 晶体生长 C40 组合技术
D、纺织造纸 >

D、纺织造纸

D01 纤维；纺纱 D02 纱线 D03 织造 D04 编织；针织 D05 缝纫；绣花 D06 织物处理；洗涤 D07 绳；缆索 D21 造纸；纤维素
E、固定建筑 >

E、固定建筑

E01 道路 铁路 桥梁 E02 水利工程 E03 给水排水 E04 建筑物 E05 锁；钥匙；门窗零件；保险箱 E06 门窗；梯子 E21 钻矿；采矿
F、机械工程 >

F、机械工程

F01 发动机；蒸汽机 F02 燃烧发动机 F03 液力发动机；风力 弹力或重力发动机 F04 液体变容机；液体泵或弹性流体泵
F15 液压；气动 F16 工程元件；绝热 F17 贮存 F21 照明 F22 蒸汽 F23 燃烧设备 F24 供热；炉灶；通风
F25 制冷；热泵；气体的液化或固化 F26 干燥 F27 炉；窑 F28 热交换
G、物理系列 >

G、物理系列

G01 测量；测试 G02 光学 G03 摄影术；电影术 G04 测时学 G05 控制；调节 G06 计算 G07 核算装置 G08 信号装置
G09 教育；密码术；广告 G10 乐器；声学 G11 信息存储 G12 仪器的零部件 G16 通信技术 G21 核物理；核工程
H、电学系列 >

H、电学系列

H01 基本电气元件 H02 发电 变电或配电 H03 基本电子电路 H04 电通信技术 H05 其他类目不包含的电技术
更多>>

人气分享

最新技术
预训练模型获取方法、装置、电子设备及存储介质
本公开提供了预训练模型获取方法、装置、电子设备及存储介质,涉及自然语言处理及深度学习等人工智能领域,其中的方法可包括：在利用训练语句对预训练模型进行训练的过程中,针对其中的自注意力模块,定义句法信息对应的学习目标；根据所定义的学习目标进行预训练模型的训练。应用本公开所述方案,可提升预训练模型的性能,并可减少对于计算资源的消耗等。
基于数字表面模型辅助的高光谱图像本征分解方法
基于数字表面模型辅助的高光谱图像本征分解方法,属于高光谱图像融合处理技术领域,本发明为解决现有高光谱图像本征分解精度低的问题。它包括：输入高光谱图像和数字表面模型数据,计算获得几何分量；计算获得局部先验矩阵；计算获得非局部先验矩阵；根据几何分量、局部先验矩阵和非局部先验矩阵进行本征分解,输出高光谱反射率和环境光照。本发明用于高光谱图像的本征分解。
模型推荐方法及装置、设备、计算机存储介质
本申请实施例公开了一种模型推荐方法及装置、设备、计算机存储介质,模型推荐方法包括：获取在第一硬件运行的神经网络模型目标属性参数；目标属性参数包括期望速度值和/或期望精度值；基于第一硬件和目标属性参数,在预设的神经网络模型库中对各神经网络模型进行筛选,得到与目标属性参数相匹配的神经网络模型；预设的神经网络模型库中的各神经网络模型的属性参数为在第二硬件测试得到,第二硬件包括第一硬件。实现了模型的自动化推荐。
用于输出信息的方法、装置、设备以及存储介质
本公开提供了用于输出信息的方法、装置、设备以及存储介质,涉及云计算领域。具体实现方案为：获取针对目标图像的标准标注以及待评估标注；对比标准标注和待评估标注中的各语义区域,确定每个语义区域中标注正确的像素数量；根据标准标注、待评估标注以及每个语义区域中标注正确的像素数量,确定待评估标注的标注正确率；根据标注正确率,确定以及输出评估信息。本实现方式可以对标注结果进行评估,从而能够快速地得到评估信息,提高对标注结果评估的效率。
提高图像分类准确性的方法、装置、电子设备及存储介质
本公开提供了提高图像分类准确性的方法、装置、电子设备及存储介质,涉及深度学习及计算机视觉等人工智能领域,其中的方法可包括：获取第一用户输入的图像,利用预先训练得到的图像分类模型及预先确定的各类别对应的阈值参数对图像进行分类,得到包括至少一个类别的分类结果；获取第一用户针对分类结果中的任一类别的反馈结果,所述反馈结果为正向或负向反馈结果；当针对任一类别获取到的第一用户的反馈结果的数量达到M时,M为大于一的正整数,根据M个反馈结果对该类别对应的阈值参数进行调整。应用本公开所述方案,可提升分类结果的准确性及实现针对不同用户的个性化处理等。
一种陶瓷洁具的款式识别方法、装置及存储介质
本发明公开了一种陶瓷洁具的款式识别方法、装置及存储介质,本发明通过获取陶瓷洁具的俯视图、仰视图以及侧视图,然后利用训练后的款式识别模型得到陶瓷洁具的分类结果,结合陶瓷洁具的多个角度的图像,对陶瓷洁具进行分类,不仅能够识别款式单一且外观差异大的陶瓷洁具,也适用于对外观差异不明显或者款式多样的陶瓷洁具的识别,不需要人为识别,提高了效率且降低了成本；根据定位位置、款式类别以及目标损失函数对款式识别模型进行训练,得到训练后的款式识别模型,目标损失函数中款式类别的第一权重大于定位位置的第二权重,使得款式识别模型的训练更关注款式类别,提高训练后的款式识别模型的分类性能,本发明可广泛应用于机器视觉领域。
一种变电站指示灯状态识别方法
本发明公开了一种变电站指示灯状态识别方法,包括如下步骤：采集原始巡检图像；基于配准技术对所述原始巡检图像进行处理,获取训练图像；对所述训练图像进行数据扩充；对数据扩充后的训练图像进行深度学习训练,获取权重文件和网络结构文件；对所述权重文件和网络结构文件进行量化压缩操作,获取WK权重文件；将所述WK权重文件移植至相机中进行深度学习,得到深度学习网络模型；通过深度学习网络模型对变电站指示灯状态进行识别。在本发明将深度学习网络模型直接移植到相机端,图像的获取、模型预测、结果反馈全部在相机端进行,减少了因网络质量、设备处理能力低所导致的预测实时性低。
基于时空卷积网络的机动车尾气遥测数据的多重补全方法
本发明涉及一种基于时空卷积网络的机动车尾气遥测数据的多重补全方法及系统,其中方法包括：步骤S1：获取检测区域路网遥测点拓扑结构信息和路网中遥测设备遥测的机动车尾气排放浓度多重缺失数据,并进行处理,分别构建空间路网的拓扑结构图数据和机动车尾气排放浓度时间序列数据；步骤S2：将空间路网的拓扑结构图数据和机动车尾气排放浓度时间序列数据输入到时空图卷积网络进行补全计算,得到最终补全的机动车尾气排放浓度时间序列数据。本发明通过获取检测区域路网遥测点拓扑结构信息,来实现对路网中遥测设备遥测的机动车尾气排放浓度多重缺失数据进行补全。
基于多模型联合学习网络的PolSAR图像分类方法
本发明公开了一种基于多模型联合学习网络的PolSAR图像分类方法,主要解决现有PolSAR图像分类方法分类结果不理想的问题。其方案是：输入待分类的PolSAR图像,并对其进行数据预处理；从预处理后的数据中选取5％的数据得到两个训练样本集s-1～T、s-2～T和标记矩阵s-l～T；构建全卷积神经网络FCN模型,并将s-1～T和s-l～T输入到该模型；分别构建复值全卷积神经网络CVFCN模型和复值堆栈空洞全卷积神经网络CVSDFCN模型,并将s-2～T和s-l～T均输入到这两个模型；对所述的三个模型通过前向传播和反向传播进行特征学习,得到三种不同的期望结果矩阵x～a,x～b,x～c,再将这三者融合,得到最终的分类结果。本发明有效地提高了PolSAR图像分类的准确率,可用于图像识别。
目标对象的确定方法、装置和服务器
本说明书提供了目标对象的确定方法、装置和服务器。基于该方法,当需要搜寻潜在客户对象进行目标业务产品推送时,可以先获取并根据第一对象的关系数据,构建相应的关系知识图谱；再基于该关系知识图谱,对第一对象进行筛选,找出符合预设的第一要求的第二对象；接着,可以调用预设的潜在对象预测模型通过处理上述第二对象的个体数据,以获得第二对象的预测结果；再根据第二对象的预测结果,对第二对象进行筛选,找出符合预设的第二要求的目标对象,作为潜在客户对象,以进行目标业务产品的推送。从而可以通过综合利用第一对象的关系数据和个体数据,高效、精准地从第一对象中筛选出对目标业务产品的接受概率较高的潜在客户对象。

热门专题更多>>
技术分类