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

深度学习在计算机视觉分析中的应用被引量：3

下载PDF

导出

摘要文章首先分析了计算机视觉和深度学习的基本概念,对深度学习在计算机视觉分析领域的利用进行分析。

作者马俊

机构地区沈阳远大智能高科机器人有限公司

出处《电子技术与软件工程》 2019年第7期145-145,共1页 ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

关键词深度学习计算机视觉应用分析

分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP18 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献1

1陈思宇.深度学习应用技术探讨[J].科技风,2018(14):215-215. 被引量：2

共引文献1

1杨化松,杨文灯,李辉.焦化烟火智能识别系统优化研究[J].安徽冶金科技职业学院学报,2022,32(2):52-55.

同被引文献16

1曾子力.深度学习在计算机视觉领域的应用进展[J].计算机产品与流通,2020,0(1):230-230. 被引量：8
2樊洪海,冯广庆,肖伟,马金良,叶志,赵聪.基于机械比能理论的钻头磨损监测新方法[J].石油钻探技术,2012,40(3):116-120. 被引量：40
3崔猛,李佳军,纪国栋,陈永恒.基于机械比能理论的复合钻井参数优选方法[J].石油钻探技术,2014,42(1):66-70. 被引量：42
4陈绪跃,樊洪海,高德利,郭柏云,彭齐,刘劲歌,王鄂川.机械比能理论及其在钻井工程中的应用[J].钻采工艺,2015,38(1):6-10. 被引量：45
5潘军,王敏生,光新军.PDC钻头新进展及发展思考[J].石油机械,2016,44(11):5-13. 被引量：30
6万夫磊,唐梁,王贵刚.川西双鱼石构造复杂深井安全快速钻井技术研究与实践[J].钻采工艺,2017,40(5):29-32. 被引量：10
7王姝.一种在虚拟机上实现数据存储技术的方法[J].计算机与网络,2018,44(4):69-71. 被引量：3
8周峻宇,于磊,李信,姚强.科学计量学视角下全球人工智能研究现状与趋势[J].电子技术与软件工程,2019(7):239-242. 被引量：6
9林四元,李龙,张波涛,代锐,张杰,高济稷.北部湾盆地脊形PDC切削齿钻头提速技术[J].石油机械,2019,47(4):8-11. 被引量：8
10刘忠,胡伟,缪明才,侯辉辉.PDC钻头混合布齿切削试验装置[J].石油机械,2019,47(5):44-49. 被引量：8

引证文献3

1高玉双.深度学习在计算机视觉领域的应用发展探究[J].电脑编程技巧与维护,2020(9):125-127. 被引量：5
2万夫磊,韩烈祥,姚建林.个性化钻头技术研究与展望[J].钻采工艺,2020,43(4):16-19. 被引量：2
3卢嫣妮.电视节目后期制作技术思维和视觉定位[J].电视技术,2021,45(1):34-36. 被引量：2

二级引证文献9

1崔煜华.4K技术在后期制作中的具体流程分析[J].卫星电视与宽带多媒体,2022(2):5-6.
2王风帆,吴云帆,孔敏,田先德.图像处理技术在位场数据边界识别中的应用进展[J].海洋测绘,2022,42(1):36-40. 被引量：1
3黄用文.新时期电视节目后期制作技术思维与视觉定位[J].卫星电视与宽带多媒体,2022(4):198-199.
4朱贺.基于深度学习的图像语义分割算法的应用研究[J].电子元器件与信息技术,2022,6(2):196-198. 被引量：5
5蔡瑞初,郑丽娟,李梓健.加权解耦语义表达的多源领域自适应方法[J].软件学报,2022,33(12):4517-4533.
6高仁,柴晓冬,郑树彬,李立明,戚玮玮.基于改进UNet的轨旁槽盖板状态检测算法[J].物流科技,2024,47(3):44-49.
7呼怀刚,黄洪春,汪海阁,李忠明,席传明,武强,刘力.国内外PDC钻头新进展与发展趋势展望[J].石油机械,2024,52(2):1-10. 被引量：4
8金嘉维,马汉杰,董慧,马里剑,汤宗林.全过程、多源智慧隐患排查系统[J].智能计算机与应用,2024,14(5):275-278.
9沈吉阳,张浩,程玉琨,信雅琪.埕海3-2区钻井提速优化方案研究[J].石油工程建设,2024,50(S01):43-47.

1孔德磊.基于计算机视觉的运动目标分析[J].电脑迷,2017(12):52-52.
2于万鹏.计算机视觉技术在拖拉机行进控制上的应用[J].农机化研究,2019,41(12):208-211. 被引量：6
3任硕果.基于计算机视觉数据对大棚作物生长趋势的挖掘[J].农机化研究,2019,41(5):202-205. 被引量：2

电子技术与软件工程

2019年第7期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...

;

使用帮助返回顶部