论文部分内容阅读
为了解决深度学习技术无法满足用户对多张照片移动目标物体识别的需求,提出基于深度学习的多媒体移动物体检测技术.提出基于前馈神经网络的目标定位技术,设计目标定位模型,计算目标边界框的大致位置以及概率;对视频中的目标行为进行预测;利用卷积神经网络融合特征和自然语言搜索特征完成自然目标搜索.
基于深度学习的多媒体移动物体检测技术研究
【摘 要】
：
为了解决深度学习技术无法满足用户对多张照片移动目标物体识别的需求,提出基于深度学习的多媒体移动物体检测技术.提出基于前馈神经网络的目标定位技术,设计目标定位模型,计算目标边界框的大致位置以及概率;对视频中的目标行为进行预测;利用卷积神经网络融合特征和自然语言搜索特征完成自然目标搜索.
【机 构】
：
宿州学院信息工程学院
【出 处】
：
牡丹江师范学院学报(自然科学版)
【发表日期】
：
2019年04期
【基金项目】
：
安徽省自然科学重点项目(KJ2019A1001),2018教育部产学合作协同育人项目(201802203001),宿州市科技攻关项目(SZ2018GG04),2017年度宿州学院重点科研项目(2017yzd19),宿州学院校级平台项目(2019ykf04),宿州学院横向项目(2019hx011),宿州学院基层教研室示范项目(2018jyssf113)
其他文献
螺旋锥齿轮与其它类型的齿轮不同,其加工原理本身会直接影响到齿轮的制造精度和未来的啮合性能,克林贝格制(Klingelnberg)锥齿轮采用的是等高齿、长辐外摆线齿线,加工中可以
设计了自主移动清洁机器人的运动机构,建立了机器人的运动学模型,并对机器人的运动学性能进行了理论分析与实验研究.
摘要：采用溶剂热法制备由片状结构组装成的花生状Zn0.33Mn0.67CO3前驱物微米颗粒.去离子水∶三乙醇胺=15 mL∶15 mL时，合成的Zn0.33Mn0.67CO3前驱物形貌清晰，晶粒尺寸大小均匀.电催化测试结果表明，Zn0.33Mn0.67CO3前驱物的催化活性远超过纯泡沫镍，稳定性较好，具有较为优异的电催化性能. 关键词：Zn0.33Mn0.67CO3前驱物;花生状;溶剂热法;电催