公共文化服务平台

共 2 条记录，以下是 1-2

全选清除导出

排序方式：

基于M2M技术的智能灯泡系统设计与实现被引量：3: 2014年; 提出一种基于M2M(Machine to Machine)技术的智能灯泡系统。在可拆卸LED灯泡中装入无线接收模块,通过它与无线网络连接。同时通过Android手机将控制命令传送给LED灯泡,最终实现Android手机对灯泡开、关和亮度的调节。数据通信采用BCH编译码方法。系统有较好的性价比,成本只需要150元左右。测试结果表明,系统通信正常,实时性和稳定性都比较好,适合实际应用。; 徐光宪陆伟高峰; 关键词：MACHINE ANDROID手机

基于GAN网络的煤岩图像样本生成方法被引量：13: 2021年; 煤矿智能化要求实现智能化开采,其中煤岩识别是实现无人化开采的核心技术之一,近年来基于图像的煤岩识别方法受到广泛关注。受采掘环境影响导致图像获取困难是制约煤岩图像识别的主要因素之一,针对煤岩图像数据短缺的问题提出解决方法并增加数据量,基于在单张图像上训练的生成式对抗网络提出Var-ConSinGAN模型并构建样本生成与特征迁移框架。ConSinGAN模型生成的图像虽然清晰但对于煤岩图像生成来说仍然缺少多样性,改进模型的训练方式和图像重构方法可提高生成煤岩图像的多样性。模型采用金字塔结构,使用多阶段训练方法,每个阶段训练不同尺度的图像,可以生成任意数量图像。在模型中提出了新的图像尺寸变换方法用来生成分辨率不同的重构图像,同时采用曲线函数使每一阶段的迭代次数逐步增加,之后对第1阶段用单张图像生成的结果使用基于辅助分类器的条件生成式对抗网络进行特征迁移。新图像重建方法保持重建图像高分辨率阶段的密度大于低分辨率阶段的密度,新训练迭代函数在减少模型学习图像结构的次数的同时增加模型学习图像纹理细节的次数。新的训练迭代函数可以减少模型迭代的总次数,从而减少模型训练时消耗的计算资源。模型需要输入一张符合正态分布的噪声图片,经过训练,生成器输出满足真实图像分布的生成样本。实验在500张煤岩图像上进行,每张图像生成400张仿真图像,并使用SSIM指标对生成图像的亮度、对比度、结构等3方面进行测评。其中结构性强的煤岩图像其SSIM指标值很低,反之,结构性弱的煤岩图像其SSIM指标值较高。根据实验结果可得结论:Var-ConSinGAN模型缓解了原始GAN在数据不足时无法训练和ConSinGAN生成的煤岩图像具有明显“边框”感且多样性不足的问题;Var-ConSinGAN与ConSinGAN相比模型性能提高了13.8; 王星高峰陈吉郝鹏程荆正军

全选清除导出

共1页<1>

高峰

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

高峰

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈