基于语音交互的建筑工程数据检索App设计

来源 :现代计算机 | 被引量 : 0次 | 上传用户:ixunsoo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
建筑工程在施工过程的各阶段均产生有大量的数据,这些数据对于工程管理人员开展日常管理工作有着重要指导作用。但在实际施工管理中,数据壁垒现象普遍,各业务系统协议标准难统一;数据检索的途径较为不便,检索大多依赖PC端完成;检索效率低下,检索方式多为键盘输入关键词查询。本文以语音识别技术为基础,提出建筑工程数据检索App系统构建方案,设计人机交互、语音识别、信息查询和数据中心四个子系统,实现“语音交互-信息检索-反馈显示”的功能应用,以期通过本系统的应用提高建筑工程数据检索的效率,为工程管理人员开展日常工作提
其他文献
图形布局设计广泛应用在平面设计中,它决定了一个页面的层次结构和信息、功能分区。良好的图形布局能让信息更有效传达,且让界面整体更加美观。但图形布局设计是一个耗时且需要大量设计经验的过程。先进有许多自动生成图形布局的研究,本文对传统方法和深度学习方法进行概述,并分析当前研究存在的问题,以便为后续研究者提供研究方向和技术参考。
传统的正畸诊疗主要依靠正畸医生对牙齿锥形束计算机断层扫描(CBCT)图像和铸造的牙齿石膏模型进行分析、诊断和治疗,这个过程非常繁琐且工作量大,对医生的专业要求也非常高。因此,近年来越来越多研究人员关注利用计算机自动分割CBCT图像中的单颗牙齿,以辅助开展正畸治疗。然而,由于牙齿和牙槽骨的强度相近,咬合状态下CBCT图像中上下牙交界处结构复杂,牙髓腔较小且包含在牙齿内部,很难对单个牙齿进行自动分割。
光学相干断层扫描(OCT)是用于监视和诊断眼部疾病的强大技术。然而,斑点噪声对OCT图像质量产生有害影响,这阻碍OCT辅助诊断的发展。受到深度学习快速发展的启发,本文将图像去噪问题视为图像的生成问题,并提出一种基于条件生成对抗网络(cGAN)的方法,通过学习有噪图像到无噪图像的映射来实现去噪过程。实验结果表明,本文提出的方法在视觉效果和指标上优于其他模型。
近年来法医个体识别的实践工作中,主流方法仍然是指纹、DNA、齿科对比等,但是在一些极端情况,例如焚烧、腐败、白骨化等情况时,常规方法却难以奏效。基于此,提出基于蝶窦的三维点云深度学习身份认定方法,进行训练和测试,效果证明该思路的可行性。
本文提出一种基于深度学习方法的起航算法。以航迹起始中的相关信息作为特征,对真实航迹起始进行分类。本文研究分为两个阶段。第一阶段为离线训练阶段,将一次雷达接收到的点迹和航迹数据作为历史量测数据进行预处理,提取航迹起始阶段每一扫描周期的速度,加速度和角度这几个特征并对其进行分析,构建深度学习分类模型。第二阶段为在线起始阶段,首先将新的一次雷达数据进行预处理得到测试样本,然后分别使用修正的Hough变换方法和本文训练完成的深度学习分类模型进行实验,最后比较两种方法的准确率。本文提出的方法在低空监视雷达多杂波的背
为了提高手术器械语义分割识别算法的分割准确率和分割速率,使其更适应实际应用,本文对DeepLab V3+网络进行优化改进,在ASPP模块将3×3空洞卷积分解成3×1和1×3的空洞卷积,减少冗余参数,在解码端使用深度可分离卷积替代普通卷积,减少信息丢失,保留更多边缘特征。实验结果表明,改进后的网络能实现对手术器械的准确分割,且满足实时性要求,可以应用于手术器械管理系统。
针对基于传统图像处理的水尺刻度检测算法受天气、光照等诸多环境因素影响较大,提出一种语义分割和目标检测结合的检测方法。首先在语义分割模型SegNet中嵌入注意力机制提高水域图像分割精度,然后将水尺区域图像送入改进的YOLOv3网络进行特殊字符的识别,并结合水岸线位置推算不完整字符长度,得到完整水尺刻度。实验结果表明:该水尺检测算法能准确定位水尺且水尺刻度提取准确度达到95%以上。
为了提高建筑物内部和森林搜寻救援效率,提出通过在飞行中进行变体来提高飞行器穿越狭小空间的灵活性,设计一种可在飞行中变体的多旋翼无人机构型,完成该变体构型的建模和运动仿真,对构型进行优化和仿真验证。结果表明:优化前的变体无人机构型变体后横向尺寸最大减少率为39.0%,面积最大减少率为58.53%,优化后的变体无人机构型变体后横向尺寸最大减少率为41.5%,面积最大减少率64.3%,最大气动遮挡面积比优化前减少24.7%。这表明优化后的变体构型设计合理、有效,同时也说明通过飞行器变体来提高其在建筑物内部和森林
计算机断层技术在医学临床诊断上发挥着十分重要的作用,但是在带来极大方便的同时,CT扫描时存在的辐射也严重威胁人类的健康。随着人们对CT图像认识的不断加深,尽可能减少受检者的辐射剂量已成为当今影像学重要的研究方向,然而降低辐射量所重建出的CT图像会出现噪声、伪影,严重影响临床诊断。本文基于生成对抗网络,对重建后的低剂量CT图像进行去噪处理。实验结果证明,本文所采用的基于生成对抗网络的低剂量CT图像去
三维场景的重建一直是VR/AR、机器人、影视动画等领域关注的重点,然而目前各个领域对于三维重建的实时性提出要求,已经有一些基于深度相机的三维实时重建算法基本能满足需要,然而对于室内稠密的三维场景,仍然存在一些局部重建效果差情。基于这些问题,在保证算法实时性的前提下,通过改进弹性融合的方法,提高在室内场景下重建的效果。结果表明,经过改进后的模型效果有一定的提升。