应用程序GUI组件自动化识别方法研究综述

来源 :现代计算机 | 被引量 : 0次 | 上传用户:wangyu1221
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
在面向现代软件GUI(用户图形界面)开发中,开发人员需要首先将图片形式的原型设计稿中的界面组件进行识别,而这个原型迭代的过程费时费力,更由于设计师与开发者因背景领域知识而广泛存在的理解鸿沟,导致开发人员错误地理解了界面组件的设计意图,从而造成开发结果与预期不符,影响了开发效率。目前越来越多的研究人员和从业人员开始研究如何自动化地识别GUI中的组件,减轻设计师与开发者的工作负担,并将识别结果运用到GUI代码自动生成或GUI自动化测试等多种不同类型的软件工程任务中。对当前主流的GUI组件的自动化识别研究方法进
其他文献
将位置幅度随机调制的脉冲序列用作汽车激光雷达发射信号的波形,可以实现目标距离测量的同时利用多普勒测量目标的速度。为产生位置幅度调制的光脉冲序列,需要在光电调制器的RF端口上施加相应的电脉冲序列。本文针对这一需求,利用信号处理状态机在FPGA上设计脉冲位置随机分配、统计脉冲间隔,并根据脉冲间隔使用信号放大模块,完成对脉冲的放大,实现位置幅度调制的电脉冲序列。最后,对所得的电脉冲序列用数值仿真的方法实施多普勒调制,验证多普勒信号的频率计算方法。结果表明,本文所得的电脉冲序列可以用于调制光信号,实现激光雷达距离
LDPC码纠错性能极佳,可作为NAND闪存数据的新型纠错编码方案。然而,传统基于最大迭代周期来确定译码器处理速度的保守设计方法,降低译码电路的处理能效。基于这个问题一种自适应电压频率调节的高能效LDPC译码器结构被提出,该结构能够动态地调节译码器的工作频率和电压,使得电路在满足实时性能需求的同时降低处理能耗。在此基础上,采用28nm工艺完成LDPC译码器的逻辑综合。实验结果表明,不同信道噪声下译码器的功耗能够降低24.7%-61.4%,能效提升1.3-2.5倍。
随着移动端图像以及视频拍摄技术的广泛应用,低照度场景成为重要的成像场景之一。然而以夜晚、室内等为代表的低照度场景下,图像传感器采集到的视频图像普遍存在信噪比低和视觉效果差等问题。针对低照度场景下视频图像的质量问题,本文提出一种提升去噪效果的时空频域结合(TSF)视频去噪算法。所提出的TSF算法首先建立包含数字增益的低照度图像噪声模型,然后针对原始视频中的相邻前后两帧,基于光流法完成图像配准得到位移
数据中台是电力企业重要的基础支撑性平台,本文针对电网数字化转型升级面临的数据共享问题,提出面向电力行业的数据中台建设规范要求,给出了电力数据中台总体定位,阐述了数据
人工智能对人类社会生产进入智能化、自动化时代起到了巨大的推动作用,自其诞生以来,各种研究领域不断拓展延伸,技术理论不断发展,出现一系列技术分支,例如机器学习、数据挖掘、识别技术等,并在城市应急管理与社会智能安防等问题中得到广泛研究与应用,本文基于该类热点话题分析人工智能各技术分支在应急管理领域的应用与发展前景。
在交通运输网络和智能驾驶系统中,交通信号灯的检测和识别是必不可少的。利用CenterNet网络模型检测交通信号灯,存在收敛速度慢、网络训练时间长的问题。针对这个问题,提出了在TTFNet (Training-Time-Friendly Network)模型上减少网络的通道数并添加层级连接结构来检测交通信号灯。最后在巴黎LaRa公开的TLR交通信号灯数据集上进行实验验证。实验结果表明,对于交通信号灯
在图像匹配中噪声是影响图像匹配准确性的关键因素之一,为了提高图像匹配的准确率,本文提出了中值滤波与SIFT算法相结合的图像匹配算法。使用中值滤波对含有噪声的图像进行预处理,然后采用SIFT算法对图像中的特征点进行检测并获取特征点的描述符。在图像匹配中采用快速最近邻逼近搜索函数库(FLANN)算法快速完成图像特征点的匹配,最终采用随机采样一致性(RANSAC)完成对错误匹配的剔除实现图像的精确匹配。
目前高职院校学生存在的一系列就业问题,因此在构建学生就业能力评价指标时,要充分了解和分析就业岗位对学生就业能力的需求.通过对某校园招聘网站信息进行挖掘分析构建岗位
片上网络(NOC)因其具有的高并行度、低延时和良好的可扩展性等特点,而被广泛用于多核/众核处理器的核间互联通信。降低工作电压是降低处理器功耗、提升电路能效的有效手段。本文面向超低电压的多核/众核处理器,提出了基于EDAC (Error Detection and Correction)技术和三相时钟流水线的片上分组交换路由器结构,并基于该结构设计了4×4的2D Mesh NOC。采用TSMC28HPC工艺,完成了芯片设计。后仿结果表明,在0.4V下,该路由器最高工作频率达到61.73MHz,比Baseli
基于卷积神经网络的图像超分辨率网络使用更多的参数,网络的表征能力就会越强。但随之而来的网络的运算量,处理时间以及所占用的存储空间都会激增。为解决这一问题并保证处理效果,基于超分辨率卷积神经网络结构必须得到优化。提出的基于泰勒公式的超分辨图像处理模块是逐渐产生并处理低频到高频的图像残差信息来更好地重建高分辨率图像。模块之间用密集连接来传递信息以减轻信息流传递中的损失,最后用反卷积模块扩展图像的分辨率