国产精品久久久久狠色,精品成人区一区二久久,国内精品自产拍在线观看91

基于卷積神經(jīng)網(wǎng)絡(luò)的2D人體姿態(tài)估計(jì)綜述[其他][其他]

隨著深度學(xué)習(xí)的快速發(fā)展,，2D人體姿態(tài)估計(jì)作為其他計(jì)算機(jī)視覺任務(wù)的研究基礎(chǔ),，其檢測(cè)速度和精度對(duì)后續(xù)應(yīng)用落地具有實(shí)際意義。對(duì)近年來(lái)基于卷積神經(jīng)網(wǎng)絡(luò)的2D人體姿態(tài)估計(jì)的方法進(jìn)行梳理介紹,，將現(xiàn)有方法分為人體檢測(cè)關(guān)節(jié)點(diǎn)回歸融合算法和人體關(guān)節(jié)點(diǎn)檢測(cè)聚類算法，同時(shí)對(duì)當(dāng)前的主流數(shù)據(jù)集及其評(píng)價(jià)準(zhǔn)則進(jìn)行總結(jié),，最后對(duì)2D人體姿態(tài)估計(jì)當(dāng)前所面臨的困難以及未來(lái)的發(fā)展趨勢(shì)做以闡述,，為姿態(tài)估計(jì)相關(guān)研究提供一些參考。

發(fā)表于：6/1/2021 4:23:00 PM

面向6G混合云頻譜共享的區(qū)塊鏈技術(shù)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著越來(lái)越多的物聯(lián)網(wǎng)(IoT)設(shè)備需要在有限的頻譜范圍內(nèi)進(jìn)行通信,，研究了6G增強(qiáng)超可靠低延遲通信(euRLLC)服務(wù)中的動(dòng)態(tài)頻譜共享問題，并將區(qū)塊鏈技術(shù)與6G混合云相結(jié)合,，實(shí)現(xiàn)物聯(lián)網(wǎng)設(shè)備之間的頻譜共享,。由于區(qū)塊鏈的分布式存儲(chǔ)和可靠性，基于區(qū)塊鏈的動(dòng)態(tài)頻譜共享可以實(shí)現(xiàn)靈活,、可行和更高效的頻譜分配,。分析了頻譜共享的過程，并提出了一種基于強(qiáng)化學(xué)習(xí)(RL)的euRLLC無(wú)線頻譜資源共享結(jié)構(gòu),，包括資源分類,、資源調(diào)度、整體模型和神經(jīng)網(wǎng)絡(luò)優(yōu)化,，通過將區(qū)塊鏈與混合云相結(jié)合,，基于公共管理平臺(tái)，使用統(tǒng)一的編碼和識(shí)別標(biāo)準(zhǔn)來(lái)注冊(cè)和管理物聯(lián)網(wǎng)設(shè)備的信息,。

發(fā)表于：6/1/2021 4:19:00 PM

面向物聯(lián)網(wǎng)業(yè)務(wù)的空天地一體網(wǎng)絡(luò)多層架構(gòu)研究[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

為了滿足全球全面的三維覆蓋和在將來(lái)隨時(shí)隨地訪問的長(zhǎng)期需求,，作為理想網(wǎng)絡(luò)架構(gòu)的空天地一體化網(wǎng)絡(luò)(SAGIN)已成為當(dāng)今世界的重要研究方向?；谖磥?lái)通信中的典型業(yè)務(wù)場(chǎng)景,，首先分析了SAGIN的網(wǎng)絡(luò)架構(gòu)和組成，并介紹了實(shí)現(xiàn)SAGIN的關(guān)鍵技術(shù),。最后,，對(duì)SAGIN的后續(xù)研究方向進(jìn)行了展望。

發(fā)表于：6/1/2021 4:13:00 PM

B5G/6G通信的IRS技術(shù)綜述[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

智能反射面(IRS)技術(shù)可以顯著增強(qiáng)信號(hào)的覆蓋范圍,，是B5G/6G的關(guān)鍵技術(shù)之一,。針對(duì)IRS的當(dāng)前理論研究中的關(guān)鍵技術(shù)，重點(diǎn)介紹信道估計(jì),、波束管理以及IRS輔助的NOMA,、物理層安全增強(qiáng)方面的研究進(jìn)展，同時(shí)給出了未來(lái)的研究方向,。

發(fā)表于：6/1/2021 4:05:00 PM

基于群組層次分析法的DNS安全狀態(tài)多級(jí)評(píng)估[其他][其他]

提出一種基于群組層次分析法的多級(jí)評(píng)估體系,，全面考察當(dāng)下主流的DNSSEC、惡意域名過濾等DNS安全策略以及系統(tǒng)容災(zāi)部署方式,、配置界面容錯(cuò)性等指標(biāo)對(duì)于DNS系統(tǒng)安全性的影響,，具備監(jiān)測(cè)項(xiàng)廣泛的優(yōu)點(diǎn)。基于群組層次分析法,，設(shè)置各級(jí)指標(biāo)的權(quán)重系數(shù),，得到量化的安全狀態(tài)綜合指標(biāo)，有效評(píng)估以不同形式搭建的DNS系統(tǒng)的安全狀態(tài),。以某電力公司DNS系統(tǒng)改造實(shí)例說(shuō)明該方法的應(yīng)用過程及評(píng)估結(jié)果,，為DNS服務(wù)相關(guān)的改造項(xiàng)目提供可行性論證。

發(fā)表于：5/13/2021 4:29:49 PM

基于顏色分割的發(fā)票識(shí)別與自校正系統(tǒng)研究[其他][其他]

傳統(tǒng)基于二值圖像的框線特征提取信息的票據(jù)識(shí)別技術(shù),，其結(jié)果存在一定的差錯(cuò)率,，針對(duì)此問題，提出了基于顏色分割的發(fā)票識(shí)別與驗(yàn)證系統(tǒng),。通過顏色分割和版式分析,，將文字區(qū)域、二維碼及圖章等不同區(qū)域進(jìn)行分割,，分區(qū)域進(jìn)行識(shí)別處理后,，對(duì)發(fā)票關(guān)鍵信息進(jìn)行比對(duì)驗(yàn)證。與傳統(tǒng)的票據(jù)識(shí)別技術(shù)相比,，該系統(tǒng)不僅可以完成發(fā)票自動(dòng)識(shí)別,，還可以結(jié)合二維碼信息進(jìn)行自我驗(yàn)證，提高了發(fā)票識(shí)別信息的準(zhǔn)確性和完整性,。

發(fā)表于：5/13/2021 4:14:10 PM

一種資源受限環(huán)境下的軟件負(fù)載均衡策略[其他][其他]

現(xiàn)有的以Web Service為主的SOA實(shí)現(xiàn)方案普遍存在占用通信帶寬高,、信息編碼不適應(yīng)窄帶消息傳遞效率等問題，難以適應(yīng)戰(zhàn)術(shù)級(jí)作戰(zhàn)部隊(duì)高速機(jī)動(dòng),、窄帶網(wǎng)絡(luò),、資源受限的作戰(zhàn)特點(diǎn)。針對(duì)戰(zhàn)術(shù)級(jí)作戰(zhàn)信息系統(tǒng)在資源受限環(huán)境下實(shí)現(xiàn)服務(wù)化的需要,，結(jié)合資源受限環(huán)境特點(diǎn),，分析現(xiàn)有負(fù)載均衡算法存在的不足，基于最小連接算法提出了一種動(dòng)態(tài)權(quán)值分配算法,。經(jīng)過實(shí)驗(yàn)證明,，該算法可有效提高資源受限下的高并發(fā)負(fù)載能力。

發(fā)表于：5/13/2021 3:42:05 PM

一種高耐壓SPST天線調(diào)諧開關(guān)設(shè)計(jì)[其他][其他]

設(shè)計(jì)實(shí)現(xiàn)了一款高耐壓?jiǎn)蔚秵螖S天線調(diào)諧開關(guān),，用于Sub-6 GHz的天線孔徑調(diào)諧,、阻抗調(diào)諧以及寬帶開關(guān)。設(shè)計(jì)采用串-并聯(lián)和體區(qū)自適應(yīng)偏置結(jié)構(gòu),，兼顧插入損耗和隔離度,；此外基于傳統(tǒng)的堆疊結(jié)構(gòu)進(jìn)行改進(jìn)，通過設(shè)計(jì)各級(jí)晶體管的尺寸不均勻,，極大程度地提高了開關(guān)并聯(lián)支路承受電壓的能力,；通過采用兩級(jí)偏置網(wǎng)絡(luò),，減小了柵端和體端的泄露從而削弱關(guān)斷狀態(tài)下寄生電容不等效應(yīng)，最終實(shí)現(xiàn)支路電壓耐受能力的提高,。所提出的設(shè)計(jì)采用130 nm SOI CMOS工藝,，仿真結(jié)果表明工作頻率為0.1 GHz~5 GHz，導(dǎo)通電阻為1.24 Ω,，關(guān)斷電容為112 fF,，插入損耗為0.14~0.48 dB，隔離度帶內(nèi)大于30 dB,，電壓承受能力大于60 V,。

發(fā)表于：5/13/2021 3:37:31 PM

基于分層信息過濾的生成式文本摘要模型[其他][其他]

文本摘要模型的輸入數(shù)據(jù)中通常包含被視為噪聲的冗余信息，對(duì)輸入數(shù)據(jù)中的噪聲進(jìn)行過濾可以提高摘要模型的表現(xiàn),。提出了基于動(dòng)態(tài)路由指導(dǎo)的分層信息過濾(Dynamic Routing Based Hierarchical Information Filtering，DRBHIF)層,，該層首先通過動(dòng)態(tài)路由模塊根據(jù)編碼器的輸出動(dòng)態(tài)地計(jì)算全局向量,，然后根據(jù)全局向量從詞層面和語(yǔ)義層面對(duì)輸入文本中的噪聲進(jìn)行過濾。具體來(lái)說(shuō),，首先通過全局向量和編碼器的輸出從詞層面上對(duì)原文中的關(guān)鍵字進(jìn)行選擇,，然后通過雙門語(yǔ)義噪聲過濾算法在語(yǔ)義層面上進(jìn)行噪聲過濾。在Gigaword和CNN/Daily Mail兩個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,，DRBHIF能夠有效地對(duì)輸入文本中的噪聲進(jìn)行過濾,，并且能提升摘要模型的表現(xiàn)。

發(fā)表于：5/13/2021 3:26:00 PM

基于距離正則化的單視圖三維重建[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)從一張物體有限的二維RGB圖像信息中還原物體的三維形狀信息,，提出了基于距離正則化的單視圖三維重建,。利用二維卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)設(shè)計(jì)圖像編碼器和三維卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)殘差塊,，再利用殘差塊為基礎(chǔ)設(shè)計(jì)三維形狀生成器,即三維殘差生成器,。給定一張物體的二維RGB圖像，首先使用圖像編碼器提取RGB圖像的語(yǔ)義信息,；然后,，三維形狀生成器使用語(yǔ)義信息，恢復(fù)RGB圖像中物體的三維形狀信息,。同時(shí),，提出了距離規(guī)則化損失，在訓(xùn)練過程中,，保證三維物體形狀重建質(zhì)量,。實(shí)驗(yàn)結(jié)果顯示，本方法在交并比(Intersection over Union,，IoU)評(píng)價(jià)指標(biāo)上超過了之前最好的方法,。

發(fā)表于：5/13/2021 3:07:52 PM