Zobrazeno 1 - 10
of 71
pro vyhledávání: '"shortcut connection"'
Autor:
Wanqing Wang, Haoyue Fu
Publikováno v:
Information, Vol 15, Iss 9, p 519 (2024)
To address the issues of low detection accuracy and large model parameters in crop pest detection in natural scenes, this study improves the deep learning object detection model and proposes a lightweight and accurate method RTMDet++ for crop pest de
Externí odkaz:
https://doaj.org/article/cdc5c6d339cd43ebb0ccf60386df397c
Autor:
Mao, Guosheng a, Zhang, Yanmei a, b, Xu, Yang a, Li, Xiaoyu a, Xu, Min c, Zhang, Yiyi a, Jia, Pengfei a, ⁎
Publikováno v:
In Microchemical Journal December 2023 195
Publikováno v:
IEEE Access, Vol 11, Pp 919-929 (2023)
Intelligent detection of road cracks is crucial for road maintenance and safety. because of the interference of illumination and totally different background factors, the road crack extraction results of existing deep learning ways square measure inc
Externí odkaz:
https://doaj.org/article/e9a02b5288054d52b0310bd7ddacf8d8
Publikováno v:
In Computers and Electronics in Agriculture March 2023 206
Publikováno v:
In Neural Networks March 2022 147:81-102
Publikováno v:
International Journal of Computational Intelligence Systems, Vol 15, Iss 1, Pp 1-14 (2022)
Abstract Aiming at the utilization of adjacent image correlation information in multi-target segmentation of 3D image slices and the optimization of segmentation results, a 3D grouped fully convolutional network fused with conditional random fields (
Externí odkaz:
https://doaj.org/article/732445d812b64ca4bb49884228c089e8
Publikováno v:
Tongxin xuebao, Vol 42, Pp 182-191 (2021)
Aiming at the problem that the traditional spectrum sensing method based on convolutional neural network（CNN） did not make full use of image feature and the ability of extracting the image feature was limited by the shallow network structure， a
Externí odkaz:
https://doaj.org/article/bf6a301fe24d4f0fa0a267b9a60b3d8b
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
IEEE Access, Vol 7, Pp 38287-38296 (2019)
The long short-term memory (LSTM) model is one of the most commonly used vehicle trajectory predicting models. In this paper, we study two problems of the existing LSTM models for long-term trajectory prediction in dense traffic. First, the existing
Externí odkaz:
https://doaj.org/article/6cc2f490af1449999873405b3b03fa84