期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
植物在渗透胁迫下信号转导的级联机制
被引量:
2
1
作者
张满效
安黎哲
陈拓
《兰州理工大学学报》
CAS
北大核心
2004年第2期78-81,共4页
研究植物在渗透胁迫下信号转导的级联机制,对于有效调控植物在逆境中的生长发育,提高其抗逆性和生存能力具有重要的指导意义.根据近年来国内外的研究成果和报道,综述了植物细胞在渗透胁迫下感受到信号后,相继产生许多信号分子,这些信号...
研究植物在渗透胁迫下信号转导的级联机制,对于有效调控植物在逆境中的生长发育,提高其抗逆性和生存能力具有重要的指导意义.根据近年来国内外的研究成果和报道,综述了植物细胞在渗透胁迫下感受到信号后,相继产生许多信号分子,这些信号分子通过细胞壁-质膜-细胞骨架连续体,引起细胞骨架蛋白变构而传递信息,并与细胞膜蛋白、第二信使系统以及调节因子构成了信号传递网,最终有条不紊地引起特定的基因表达和应答.
展开更多
关键词
植物
渗透胁迫
信号转导
级联机制
基因表达
调渗素
脱水蛋自
在线阅读
下载PDF
职称材料
基于级联稀疏查询机制的轻量化火灾检测算法
被引量:
1
2
作者
张小雪
王雨
+1 位作者
吴思远
孙帮勇
《光电工程》
CAS
CSCD
北大核心
2023年第10期97-112,共16页
针对现有火灾检测算法仍存在的模型复杂、检测速度慢、误检率高等问题,提出一种基于级联稀疏查询机制的轻量化火灾检测网络LFNet。首先,建立了轻量化的图像特征提取模块ECDNet,其通过在YOLOv5s主干网络中嵌入轻量化注意力模块ECA(effici...
针对现有火灾检测算法仍存在的模型复杂、检测速度慢、误检率高等问题,提出一种基于级联稀疏查询机制的轻量化火灾检测网络LFNet。首先,建立了轻量化的图像特征提取模块ECDNet,其通过在YOLOv5s主干网络中嵌入轻量化注意力模块ECA(efficient channel attention),用于解决火灾检测中火焰与烟雾的多尺度难点;其次,利用深层特征提取模块FPN+PAN,对不同层级的特征图进行深度处理和多尺度融合;最后,利用嵌入轻量化的级联稀疏查询模块CSQ(cascade sparse query)提升对早期火灾中的小火焰与薄烟雾的检测准确率。实验表明,本文方法在mAP和Precision等客观指标上的综合表现达到最优,同时在实现较高检测精度时的参数量也较低,能够满足实际场景的火灾检测要求。
展开更多
关键词
目标检测
火灾检测
轻量化
级联
稀疏查询
机制
Slimming
在线阅读
下载PDF
职称材料
基于空间序列级联的停车场场景语义分割算法
3
作者
贾世杰
丁丽珠
《大连交通大学学报》
CAS
2020年第3期107-113,共7页
通过利用深度学习模型对停车场场景中的视觉信息进行处理,以辅助无人驾驶车辆进行自主泊车定位.针对目前用于停车场场景进行语义分割的方法不够成熟,FCN等方法不能满足自主泊车的定位需求,提出一种基于空间序列级联机制的语义分割方法,...
通过利用深度学习模型对停车场场景中的视觉信息进行处理,以辅助无人驾驶车辆进行自主泊车定位.针对目前用于停车场场景进行语义分割的方法不够成熟,FCN等方法不能满足自主泊车的定位需求,提出一种基于空间序列级联机制的语义分割方法,在停车场场景中,背景及车位线等标识物具有不同的像素区分难度,采用空间序列级联机制,使用浅层网络处理简单像素,使用深层网络处理较难像素,最后将两次结果进行叠加.采集了北京及上海等地共八个不同类型的停车场数据,人工标注40 000张图像构建了停车场场景数据集进行验证,实验表明,在分割精度方面,相比FCN方法,mIoU由69.3%提升到77.9%,速度由15.8 fps提升至35.7 fps.
展开更多
关键词
语义分割
深度学习
级联机制
密集特征融合
自主泊车
在线阅读
下载PDF
职称材料
基于改进Faster R-CNN的苹果叶部病害识别方法
被引量:
24
4
作者
王云露
吴杰芳
+3 位作者
兰鹏
李凤迪
葛成恺
孙丰刚
《林业工程学报》
CSCD
北大核心
2022年第1期153-159,共7页
针对苹果叶片图像中小尺度病斑和复杂背景带来的病斑目标难以精确定位和识别的问题,以苹果的斑点落叶病、黑星病、灰斑病、雪松锈病和花叶病为研究对象,提出一种基于改进Faster R-CNN的苹果叶片病害识别方法。先通过数据增广操作对训练...
针对苹果叶片图像中小尺度病斑和复杂背景带来的病斑目标难以精确定位和识别的问题,以苹果的斑点落叶病、黑星病、灰斑病、雪松锈病和花叶病为研究对象,提出一种基于改进Faster R-CNN的苹果叶片病害识别方法。先通过数据增广操作对训练集数据进行扩充以增强模型鲁棒性,再通过对增广训练集图像进行训练来得到一个可靠的病害识别模型。改进后的模型使用拆分注意力网络(ResNest)作为骨干特征提取网络,使模型更加关注对提升病斑检测性能有用的信息,以增强模型对特征的提取能力;通过添加特征金字塔网络(FPN)进行多尺度特征融合,以增强特征信息的鲁棒性,提高模型的泛化能力;采用级联机制对建议框生成机制进行优化,使检测框定位更加准确。改进后的Faster R-CNN模型的平均精度均值(mAP)达到86.2%,与改进前相比,其平均精度提升了8.7%,对单张病害图像的识别准确率达到98.3%,单张图像平均检测时间0.092 s,能有效识别苹果叶片病斑。实验结果表明,改进后的Faster R-CNN模型能准确快速地实现对苹果叶片小目标病斑和复杂背景下病斑的识别,提升模型识别的精准度。该识别方法可在实际场景下使用,无须特意采摘叶片实现对苹果叶片病害的无损测量识别,可为苹果病害的早期干预和治疗提供科学依据。
展开更多
关键词
苹果病害识别
深度学习
Faster
R-CNN
ResNest
多尺度特征融合
级联机制
在线阅读
下载PDF
职称材料
题名
植物在渗透胁迫下信号转导的级联机制
被引量:
2
1
作者
张满效
安黎哲
陈拓
机构
兰州石化职业技术学院科技处
兰州大学生命科学学院
中国科学院寒区旱区环境与工程研究所
出处
《兰州理工大学学报》
CAS
北大核心
2004年第2期78-81,共4页
基金
甘肃省自然科学基金(ZS021 A25 000 Z)
文摘
研究植物在渗透胁迫下信号转导的级联机制,对于有效调控植物在逆境中的生长发育,提高其抗逆性和生存能力具有重要的指导意义.根据近年来国内外的研究成果和报道,综述了植物细胞在渗透胁迫下感受到信号后,相继产生许多信号分子,这些信号分子通过细胞壁-质膜-细胞骨架连续体,引起细胞骨架蛋白变构而传递信息,并与细胞膜蛋白、第二信使系统以及调节因子构成了信号传递网,最终有条不紊地引起特定的基因表达和应答.
关键词
植物
渗透胁迫
信号转导
级联机制
基因表达
调渗素
脱水蛋自
Keywords
plant
osmotic stress
signal transduction
gene expression
osmotion
dehydrin
分类号
Q945.78 [生物学—植物学]
在线阅读
下载PDF
职称材料
题名
基于级联稀疏查询机制的轻量化火灾检测算法
被引量:
1
2
作者
张小雪
王雨
吴思远
孙帮勇
机构
西安理工大学印刷包装与数字媒体学院
中国科学院西安光学精密机械研究所光谱成像技术重点实验室
出处
《光电工程》
CAS
CSCD
北大核心
2023年第10期97-112,共16页
基金
国家自然科学基金资助项目(62076199)
陕西省重点研发计划项目(2022ZDLGY01-03)
+2 种基金
瞬态光学与光子技术国家重点实验室开放基金项目(SKLST202214)
陕西省教育厅重点科学研究计划项目(23JY063)
西安市科技计划项目(22GXFW0088).
文摘
针对现有火灾检测算法仍存在的模型复杂、检测速度慢、误检率高等问题,提出一种基于级联稀疏查询机制的轻量化火灾检测网络LFNet。首先,建立了轻量化的图像特征提取模块ECDNet,其通过在YOLOv5s主干网络中嵌入轻量化注意力模块ECA(efficient channel attention),用于解决火灾检测中火焰与烟雾的多尺度难点;其次,利用深层特征提取模块FPN+PAN,对不同层级的特征图进行深度处理和多尺度融合;最后,利用嵌入轻量化的级联稀疏查询模块CSQ(cascade sparse query)提升对早期火灾中的小火焰与薄烟雾的检测准确率。实验表明,本文方法在mAP和Precision等客观指标上的综合表现达到最优,同时在实现较高检测精度时的参数量也较低,能够满足实际场景的火灾检测要求。
关键词
目标检测
火灾检测
轻量化
级联
稀疏查询
机制
Slimming
Keywords
object detection
fire detection
lightweight
cascade sparse query
Slimming
分类号
TN911.73 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于空间序列级联的停车场场景语义分割算法
3
作者
贾世杰
丁丽珠
机构
大连交通大学电气信息工程学院
出处
《大连交通大学学报》
CAS
2020年第3期107-113,共7页
基金
辽宁省教育厅科学研究计划资助项目(JDL2019006)。
文摘
通过利用深度学习模型对停车场场景中的视觉信息进行处理,以辅助无人驾驶车辆进行自主泊车定位.针对目前用于停车场场景进行语义分割的方法不够成熟,FCN等方法不能满足自主泊车的定位需求,提出一种基于空间序列级联机制的语义分割方法,在停车场场景中,背景及车位线等标识物具有不同的像素区分难度,采用空间序列级联机制,使用浅层网络处理简单像素,使用深层网络处理较难像素,最后将两次结果进行叠加.采集了北京及上海等地共八个不同类型的停车场数据,人工标注40 000张图像构建了停车场场景数据集进行验证,实验表明,在分割精度方面,相比FCN方法,mIoU由69.3%提升到77.9%,速度由15.8 fps提升至35.7 fps.
关键词
语义分割
深度学习
级联机制
密集特征融合
自主泊车
Keywords
semantic segmentation
deep learning
cascade
dense feature fuse
autonomous parking
分类号
U491.71 [交通运输工程—交通运输规划与管理]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于改进Faster R-CNN的苹果叶部病害识别方法
被引量:
24
4
作者
王云露
吴杰芳
兰鹏
李凤迪
葛成恺
孙丰刚
机构
山东农业大学信息科学与工程学院
泰山学院数学与统计学院
出处
《林业工程学报》
CSCD
北大核心
2022年第1期153-159,共7页
基金
山东省重大科技创新工程项目(2019JZZY010706)
山东省重点研发计划项目(2017CXGC0206,2019GNC106106)
山东省自然科学基金面上项目(ZR2019MF026)。
文摘
针对苹果叶片图像中小尺度病斑和复杂背景带来的病斑目标难以精确定位和识别的问题,以苹果的斑点落叶病、黑星病、灰斑病、雪松锈病和花叶病为研究对象,提出一种基于改进Faster R-CNN的苹果叶片病害识别方法。先通过数据增广操作对训练集数据进行扩充以增强模型鲁棒性,再通过对增广训练集图像进行训练来得到一个可靠的病害识别模型。改进后的模型使用拆分注意力网络(ResNest)作为骨干特征提取网络,使模型更加关注对提升病斑检测性能有用的信息,以增强模型对特征的提取能力;通过添加特征金字塔网络(FPN)进行多尺度特征融合,以增强特征信息的鲁棒性,提高模型的泛化能力;采用级联机制对建议框生成机制进行优化,使检测框定位更加准确。改进后的Faster R-CNN模型的平均精度均值(mAP)达到86.2%,与改进前相比,其平均精度提升了8.7%,对单张病害图像的识别准确率达到98.3%,单张图像平均检测时间0.092 s,能有效识别苹果叶片病斑。实验结果表明,改进后的Faster R-CNN模型能准确快速地实现对苹果叶片小目标病斑和复杂背景下病斑的识别,提升模型识别的精准度。该识别方法可在实际场景下使用,无须特意采摘叶片实现对苹果叶片病害的无损测量识别,可为苹果病害的早期干预和治疗提供科学依据。
关键词
苹果病害识别
深度学习
Faster
R-CNN
ResNest
多尺度特征融合
级联机制
Keywords
apple disease recognition
deep learning
Faster R-CNN
ResNest
multiscale feature fusion
cascade system
分类号
S436.611 [农业科学—农业昆虫与害虫防治]
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
植物在渗透胁迫下信号转导的级联机制
张满效
安黎哲
陈拓
《兰州理工大学学报》
CAS
北大核心
2004
2
在线阅读
下载PDF
职称材料
2
基于级联稀疏查询机制的轻量化火灾检测算法
张小雪
王雨
吴思远
孙帮勇
《光电工程》
CAS
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
3
基于空间序列级联的停车场场景语义分割算法
贾世杰
丁丽珠
《大连交通大学学报》
CAS
2020
0
在线阅读
下载PDF
职称材料
4
基于改进Faster R-CNN的苹果叶部病害识别方法
王云露
吴杰芳
兰鹏
李凤迪
葛成恺
孙丰刚
《林业工程学报》
CSCD
北大核心
2022
24
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部