论文部分内容阅读
基于深度学习的实体关系抽取技术研究
【出 处】
：
西安电子科技大学
【发表日期】
：
2021年01期
其他文献
近年来,人口老龄化程度加剧导致老年人口规模膨胀,如何满足数量不断增加的老年人和肢体残疾的人群在室内自由活动的需求和出行需求是当前急需解决的问题。传统的电动轮椅对使用者来说操作难度较大,学习成本较高,且在行进过程中容易发生碰撞。针对上述问题,本文对智能轮椅构建室内环境地图及自主导航过程中涉及的问题进行了研究。论文的研究内容主要包括以下几个方面:首先,利用激光雷达同步定位与建图（Simultaneou
物联网旨在实现万物互联,提供无处不在的服务,支撑着智慧城市、智能家居、工业控制等领域。海量物联网数据接入和分布式服务提供是其广泛应用的核心技术。针对物联网海量设备差异化、通信协议多样化、数据格式私有化、服务提供组合化等导致了物联网数据接入复杂度高、服务组合提供难度大的问题,本文聚焦于异构物联网数据的快速接入和多域物联网服务组合提供方法,设计并实现了物联网平台数据接入和服务提供系统。针对海量异构设备
合成孔径雷达（SAR）作为一种主动式的对地观测系统,可安装在飞机、卫星、宇宙飞船等飞行平台上,全天时、全天候获取遥感数据,分辨率高,且穿透力和存活力极强,因而被广泛应用于军事和民用领域。作为一种独特的侦察手段,SAR在军事领域最主要的应用是实现对特定军事目标的检测和识别,推动军事战场的信息化、现代化以及高效化。因此如何实现SAR图像目标识别具有重要的理论和实践意义。近年来,计算机硬件性能飞速提升,
随着科技水平的发展,水下探测已经成为世界范围内一项重要的科学探测工作。水下光学成像是开展水下科探的重要手段之一,其图像质量是影响探测成效的关键因素。然而,复杂的水体环境致使水下物体成像时受悬浮颗粒吸收和散射作用影响,形成模糊的边界与较低的对比度,水中物体难以被辨认,同时呈现不同程度的蓝绿色偏,不能反映水下物体的真实样貌,也为后续一些图像处理高级任务带来困难。水下图像复原处理能够提升这类图像的清晰程
恒虚警率处理作为雷达系统中实现自动目标检测的重要技术手段,是当今雷达信号处理领域中不可或缺的一部分。雷达工作的电磁环境随着军用、民用无线电技术的快速发展和应用而变得日益复杂,其对目标检测方法的性能要求也在不断提高。最早被提出的经典恒虚警率处理方法由于不具备自适应的特性,在复杂的背景环境中往往无法保持良好的检测性能。因此,如何根据参考单元的样本特性自适应的计算检测门限就成为了恒虚警率方法研究的主要方
随着信息时代的逐步发展,人们对图像分辨率的要求也越来越高。由于通过改进硬件提升拍摄图像分辨率的方案成本较高且存在瓶颈,人们对已获取的图像分辨率也有提升需求,因此,超分辨率重建技术通过使用数字信号处理的方法提高图像分辨率,获得了国内外学术界与商业界的极大关注和深入研究。基于深度学习的图像超分辨重建方法是近年来新兴的一类方法,此类方法主要使用卷积神经网络从大量的低分辨率-高分辨率图像对中学习二者间的映
目标检测与跟踪是计算机视觉领域的研究热点,随着技术的高速发展,逐渐应用到了生活、军事等各个领域。尽管已经有很多优秀的算法被提出,但在实际应用场景中,对检测算法的实时性要求较高,而且尺度变化、遮挡等因素会对跟踪算法造成较大的影响,目标检测与跟踪技术依然存在很大挑战。本文主要研究了基于深度学习的目标检测算法和基于核相关滤波的目标跟踪算法,针对存在的问题做出了相应改进。主要内容与改进工作如下:对基于深度
随着社会的不断发展和人们生活水平的日益提高,人们开始更加重视人类自身的身体属性在科技进步中的重要性,利用人体姿态提取技术开发相关的应用技术以及分析海量的图像、视频数据已经成为了当今互联网发展的主流趋势。而单人姿态估计作为人体姿态提取技术的基础,自然成为了众多领域的基础技术。人体姿态的关节点相比于其他任务,尺度较小,对遮挡以及模糊非常敏感,因此算法在设计过程中对精度和鲁棒性都有非常高的要求,目前的单