期刊文献+
共找到4,186篇文章
< 1 2 210 >
每页显示 20 50 100
基于多尺度深度卷积网络的高光谱图像分类 预览
1
作者 冯帅星 《现代商贸工业》 2019年第4期186-187,共2页
高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱数据的地面物体精确分类是高光谱遥感技术的核心应用之一。随着深度学习的发展,卷积神经网络在图像分类上表现效果优异。针对高光谱图像光谱维度高、特征丰富的特点,应用添加多尺... 高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱数据的地面物体精确分类是高光谱遥感技术的核心应用之一。随着深度学习的发展,卷积神经网络在图像分类上表现效果优异。针对高光谱图像光谱维度高、特征丰富的特点,应用添加多尺度滤波器的深度卷积网络进行图像的像元精细分类。实验证明,结合多尺度滤波器的深度卷积网络模型可以得到更好的分类效果。 展开更多
关键词 遥感图像 卷积网络 多尺度卷积 深度学习
在线阅读 下载PDF
基于MB-K-Means的网络模型参数压缩 预览
2
作者 陈华裔 《电脑知识与技术:学术版》 2019年第2X期157-158,共2页
深度学习目前是计算机领域研究热点之一,而神经网络是深度学习不可缺少的一部分,然而深度网络模型参数巨大,导致迁移学习困难,硬件需求条件巨大。该文提出了一种基于MB-K-Means算法对权重进行聚类,并进行量化的压缩方法。首先,对模型的... 深度学习目前是计算机领域研究热点之一,而神经网络是深度学习不可缺少的一部分,然而深度网络模型参数巨大,导致迁移学习困难,硬件需求条件巨大。该文提出了一种基于MB-K-Means算法对权重进行聚类,并进行量化的压缩方法。首先,对模型的参数权进行剪枝,并进行稀疏训练恢复其精度。第二,基于MB k-means算法进行权重聚类,然后权重量化共享。利用算法能够增加网络的训练速度,在深度卷积神经网络上进行参数压缩,减少网络模型大小。实验表明,在ImageNet-1000数据集上,AlexNet模型缩小了31倍,VGG模型的缩小了45倍。 展开更多
关键词 网络参数 MB-K-Means算法 卷积网络 参数压缩
在线阅读 下载PDF
结合注意力机制的交通标志识别 预览
3
作者 马平 杨兴财 《科技风》 2019年第21期252-254,共3页
智能交通体系中的无人驾驶这项课题是近年来一直是各大传统汽车行业甚至各大互联网巨头企业的研究热点。目前的无人驾驶技术以及辅助驾驶技术主要依赖于计算机视觉来采集道路交通标志信号,并通过分析系统实现对交通标志的处理及分类任... 智能交通体系中的无人驾驶这项课题是近年来一直是各大传统汽车行业甚至各大互联网巨头企业的研究热点。目前的无人驾驶技术以及辅助驾驶技术主要依赖于计算机视觉来采集道路交通标志信号,并通过分析系统实现对交通标志的处理及分类任务。现阶段的主要研究方法有传统方式的提取图片的HOG特征、SIFT特征等,之后送入SVM分类器或者贝叶斯分类器中。实现对于交通标志的提取与分类。近年来神经网络的迅速发展也为交通标志的识别贡献了新的力量,CNN,Faster R-CNN等网络的出现也被运用在交通标志的识别中。针对智能交通体系构建过程中的道路交通标志识别率较低的问题,本文将注意力机制引入到神经网络中,实现对交通标志图片的有效识别。该方法通过VGG网络实现对输入数据的特征提取,并加入递进的注意力网络实现对关注区域的放大以及细节提取,使得网络能够更有效地关注细节区域。将网络应用在比利时交通数据集上并取得了优秀的识别结果。最终的测试集分类准确率达到了98.2%。 展开更多
关键词 注意力 交通标志 智能交通 神经网络 卷积网络
在线阅读 下载PDF
基于目标检测算法的FashionAI服装属性识别 预览
4
作者 陈亚亚 孟朝晖 《计算机系统应用》 2019年第8期170-175,共6页
随着网络上服装图片数量的快速增长,对于大量的服装进行分类的需求与日俱增.传统的使用手工进行服装图像的语义属性标注并不能完全的表达服装图像中的丰富信息,并且传统的手工设计的特征已经不能满足现实的精度和速度的需求.近年来,深... 随着网络上服装图片数量的快速增长,对于大量的服装进行分类的需求与日俱增.传统的使用手工进行服装图像的语义属性标注并不能完全的表达服装图像中的丰富信息,并且传统的手工设计的特征已经不能满足现实的精度和速度的需求.近年来,深度学习已经应用到计算机视觉方方面面,为基于深度学习的服装分类识别技术奠定了坚实的基础.本文根据已有的数据集DeepFashion构建了三个新的子数据集,进行分类训练的deepfashionkid数据集和进行Faster R-CNN训练的deepfashionVoc数据集和进行Mask R-CNN训练的deepfashionMask数据集.使用deepfashionkid数据集在VGG16上进行预训练得到clothNet模型,进而改进Faster R-CNN的损失函数.并且各自对比了这两种算法使用clothNet预训练的模型与不使用的区别.另外,本文了采用一种新的类似嫁接学习的预训练策略.实验表明,这些训练技巧对于检测精度的提高具有一定的帮助. 展开更多
关键词 深度学习 目标检测 嫁接学习 卷积网络 MASK R-CNN
在线阅读 下载PDF
基于特征自学习的交通模式识别研究 预览
5
作者 王昊 刘高军 +2 位作者 段建勇 薛媛媛 冯卓楠 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2019年第2期354-358,共5页
针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型... 针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型基于微软GeoLife数据,针对不同特征组合与分类方法设计实验,实验结果表明模型能学习到高区分度深度特征、有效提高交通模式识别准确率。 展开更多
关键词 交通模式识别 深度特征 轨迹挖掘 特征学习 卷积网络 轨迹
在线阅读 下载PDF
基于卷积网络的交通标志分类研究 预览
6
作者 许信冬 《无线互联科技》 2019年第10期18-19,共2页
交通标志分类作为先进辅助驾驶系统与无人驾驶技术环境感知环节的一部分,实时、准确地分类识别道路交通标志,并将分类的交通标志反馈给驾驶员和无人驾驶系统决策端,对提高行车安全意义重大。文章提出了基于卷积网络的交通标志分类网络,... 交通标志分类作为先进辅助驾驶系统与无人驾驶技术环境感知环节的一部分,实时、准确地分类识别道路交通标志,并将分类的交通标志反馈给驾驶员和无人驾驶系统决策端,对提高行车安全意义重大。文章提出了基于卷积网络的交通标志分类网络,利用LeNet5作为分类网络,准确率有较大的提升。 展开更多
关键词 交通标志 分类 卷积网络
在线阅读 下载PDF
面向医学图像分割的超像素U-Net网络设计 预览
7
作者 王海鸥 刘慧 +2 位作者 郭强 邓凯 张彩明 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第6期1007-1017,共11页
近年来,超像素在医学图像处理领域的应用愈加广泛,现有的方法取得了较好的效果,如LAW,SLIC等.然而,这些方法在处理医学图像得到超像素时,位于组织边缘像素点的划分仍存在类别模糊问题.为此,提出一种基于U-Net网络的超像素分割方法.首先... 近年来,超像素在医学图像处理领域的应用愈加广泛,现有的方法取得了较好的效果,如LAW,SLIC等.然而,这些方法在处理医学图像得到超像素时,位于组织边缘像素点的划分仍存在类别模糊问题.为此,提出一种基于U-Net网络的超像素分割方法.首先,通过双边滤波模型过滤外部噪声,增强超像素信息;然后,结合U-Net卷积网络学习图像特征.该方法为U-Net网络中每个特征尺度的卷积层后嵌入一个规范层,用于增强网络对参数的敏感性.实验结果表明,该方法有效提高了医学图像超像素的分割精度,与groundtruth相比,其改善了超像素边缘分类的准确性,优化了超像素分割结果,在精确度、召回率、F-measure和分割速度等性能指标上均取得了更好的效果. 展开更多
关键词 超像素 双边滤波 卷积网络 U-Net 医学图像分割
在线阅读 下载PDF
基于深度卷积神经网络的卡车装载矿石量估计研究 预览
8
作者 毕林 李亚龙 郭昭宏 《黄金科学技术》 CSCD 2019年第1期112-120,共9页
卡车装载矿石量一般采用人工方式进行统计,人工统计不具有客观性,可能影响卡车司机的绩效考核;此外还有使用激光扫描技术或地磅对装载矿石量进行精确统计,但设备成本过高。为节约成本并提高测量精度,研究采用基于深度卷积神经网络的技... 卡车装载矿石量一般采用人工方式进行统计,人工统计不具有客观性,可能影响卡车司机的绩效考核;此外还有使用激光扫描技术或地磅对装载矿石量进行精确统计,但设备成本过高。为节约成本并提高测量精度,研究采用基于深度卷积神经网络的技术实现卡车装载矿石量的估计。由于实际场景下矿车装载矿石的图片不便获取,故使用三维物理引擎Chrono模拟矿石堆落入卡车的过程,从而生成装载矿石量和矿石分布区域均不同的卡车图片。通过构建深度卷积神经网络对生成的样本进行拟合,用最后一层神经元的预测值与真实值的欧式距离作为代价函数。然后,对卷积核与特征图进行可视化,分析卷积神经网络实现矿石量估计的过程。试验结果表明,构建的深度卷积神经网络在实验测试集上的准确度较好,测试样本预测误差大部分在4%以内。说明用深度学习技术实现自然场景下卡车装载矿石量的估计切实可行,且具有较好的应用前景。 展开更多
关键词 矿石量估计 人工智能 深度学习 卷积网络 物理引擎
在线阅读 下载PDF
一种基于深度学习的快速DGA域名分类算法
9
作者 刘洋 赵科军 +1 位作者 葛连升 刘恒 《山东大学学报:理学版》 CAS CSCD 北大核心 2019年第7期106-112,共7页
提出了一种基于深度学习的CNN-LSTM-Concat快速DGA域名分类算法,使用多层一维卷积网络对域名字符进行序列化处理,LSTM网络层用于强化获取字符间长距离依赖关系。通过将LSTM的多序列输入转化为单向量输入,在保证检测性能的前提下,能够大... 提出了一种基于深度学习的CNN-LSTM-Concat快速DGA域名分类算法,使用多层一维卷积网络对域名字符进行序列化处理,LSTM网络层用于强化获取字符间长距离依赖关系。通过将LSTM的多序列输入转化为单向量输入,在保证检测性能的前提下,能够大幅提高训练和检测速度。实验证明,我们的方法对DGA域名分类的准率在公开数据集上达到98.32%。同时,在准确率相比主流的LSTM方法更高的情况下,检测时间比LSTM方法快6.41倍。 展开更多
关键词 域名生成算法 卷积网络 LSTM
基于迁移学习的血细胞图像分类 预览
10
作者 林颖 陈灵娜 +1 位作者 陈俊熹 何啸峰 《科学技术创新》 2019年第9期59-60,共2页
利用迁移学习,在三种主流的卷积网络框架上进行微调并比较分析血细胞图像的分类结果。实验使用了4种类别的血液细胞图像样本,模型均为端到端的训练方式,不需要繁琐的图像处理和人工特征提取步骤.实验结果表明,利用迁移学习能够在医学领... 利用迁移学习,在三种主流的卷积网络框架上进行微调并比较分析血细胞图像的分类结果。实验使用了4种类别的血液细胞图像样本,模型均为端到端的训练方式,不需要繁琐的图像处理和人工特征提取步骤.实验结果表明,利用迁移学习能够在医学领域有限的训练样本下达到了较高的分类准确率,缩短训练时间,提高了模型的鲁棒性。 展开更多
关键词 血细胞 迁移学习 卷积网络 图像分类
在线阅读 下载PDF
基于卷积神经网络的自动行驶小车研究与设计 预览
11
作者 钟皇平 王丽君 俞超 《杭州电子科技大学学报:自然科学版》 2018年第6期46-50,98共6页
针对车辆的自动驾驶问题,提出了一种卷积神经网络模型,并设计制作了一辆小车实现了自动驾驶。使用开源神经网络构建工具Tensorflow进行神经网络模型的构建和训练,用车载笔记本电脑实现神经网络的训练和计算;使用CAD工具设计小车车体,用... 针对车辆的自动驾驶问题,提出了一种卷积神经网络模型,并设计制作了一辆小车实现了自动驾驶。使用开源神经网络构建工具Tensorflow进行神经网络模型的构建和训练,用车载笔记本电脑实现神经网络的训练和计算;使用CAD工具设计小车车体,用一枚前置摄像头采集环境信息;在实际道路上收集数据并训练神经网络模型,在未收集过训练数据的道路上进行测试。测试结果表明,小车具有一定程度的自动驾驶能力。 展开更多
关键词 卷积网络 自动驾驶 深度神经网络
在线阅读 下载PDF
基于深度学习的网络攻击检测 预览
12
作者 秦丽娜 《太原师范学院学报:自然科学版》 2018年第4期45-49,共5页
针对现有的网络攻击检测方法检测精度不高的问题,提出一种基于并行卷积神经网络的在线网络安全攻击检测方法.该并行的深度卷积神经网络一共包含2个深度卷积神经网络用于提取特征:CNN1和CNN2,然后通过全连接层两个特征提取层,并通过软最... 针对现有的网络攻击检测方法检测精度不高的问题,提出一种基于并行卷积神经网络的在线网络安全攻击检测方法.该并行的深度卷积神经网络一共包含2个深度卷积神经网络用于提取特征:CNN1和CNN2,然后通过全连接层两个特征提取层,并通过软最大化操作将网络攻击的检测转换为攻击的分类模型.采用KDD Cup99作为仿真数据集,并采用训练数据来对深度模型进行训练,当模型的训练误差小于一定阈值时,采用测试数据进行测试.结果表明:将本文所提方法与文献[8]以及文献[9]所提的卷积神经网络进行比较,其结果表明了所提方法不仅具有较高的检测准确率而且具有较低的误报率上. 展开更多
关键词 深度学习 攻击检测 网络安全 卷积网络 训练
在线阅读 下载PDF
基于拉普拉斯卷积网络和SMM分类器的小麦麦粒识别 预览
13
作者 康朋新 卿粼波 +2 位作者 滕奇志 何小海 董德良 《信息技术与网络安全》 2018年第4期71-73,78共4页
为了提高小麦麦粒识别的识别率,采用了拉普拉斯卷积网络(Convolution Network Based on Laplacian Eigenmap,LENet)和支持矩阵机(Support Matrix Machines,SMM)分类器相结合的方法对小麦麦粒进行识别。拉普拉斯卷积网络是一种无反... 为了提高小麦麦粒识别的识别率,采用了拉普拉斯卷积网络(Convolution Network Based on Laplacian Eigenmap,LENet)和支持矩阵机(Support Matrix Machines,SMM)分类器相结合的方法对小麦麦粒进行识别。拉普拉斯卷积网络是一种无反馈的轻量型级联卷积神经网络,可以用来提取小麦麦粒的特征,该网络通过拉普拉斯特征映射来学习网络的参数,输出层通过块直方图编码和矩阵化处理实现,最终提取的特征使用SMM分类器进行分类。通过在建立的小麦麦粒图像数据库上的实验表明,该麦粒识别方法要优于一些传统特征提取分类方法,取得了较好的识别效果。 展开更多
关键词 麦粒识别 卷积网络 特征提取 支持矩阵机
在线阅读 下载PDF
基于多模板的鲁棒运动目标跟踪方法 预览 被引量:1
14
作者 陆惟见 尚振宏 +2 位作者 刘辉 李润鑫 钱谦 《传感器与微系统》 CSCD 2018年第2期53-56,60共5页
针对目前模型更新方法仅依赖于上一帧或最近帧定位到的目标信息,跟踪的历史信息未充分利用的问题,运用历史跟踪结果设计了多模板模型更新策略,并基于该更新模型结合卷积网络提出了一种新的运动目标跟踪方法。在运动目标跟踪测试视频集VO... 针对目前模型更新方法仅依赖于上一帧或最近帧定位到的目标信息,跟踪的历史信息未充分利用的问题,运用历史跟踪结果设计了多模板模型更新策略,并基于该更新模型结合卷积网络提出了一种新的运动目标跟踪方法。在运动目标跟踪测试视频集VOT2015下与目前热点运动目标跟踪方法对比实验表明:方法对于遮挡现象和目标自身形变具有较强的鲁棒性和较高的准确性。 展开更多
关键词 运动目标跟踪 多模板 卷积网络 遮挡 目标形变
在线阅读 下载PDF
一种人工智能检测籽棉中异性纤维的方法 预览
15
作者 何晓昀 苏真伟 +2 位作者 邓斌攸 潘云峰 池志强 《棉纺织技术》 北大核心 2018年第7期49-52,共4页
探讨基于卷积神经网络的Faster-RCNN深度学习方法,检测籽棉中异性纤维的检测技术。使用线扫描相机在LED照明条件下获取籽棉和异性纤维的图像,采用基于Faster-RCNN的人工智能深度学习方法处理图像。试验结果表明,Faster-RCNN处理方法... 探讨基于卷积神经网络的Faster-RCNN深度学习方法,检测籽棉中异性纤维的检测技术。使用线扫描相机在LED照明条件下获取籽棉和异性纤维的图像,采用基于Faster-RCNN的人工智能深度学习方法处理图像。试验结果表明,Faster-RCNN处理方法对籽棉图像中异性纤维的检出率达到90%,相比传统的图像检测方法大幅度提高了检测率,特别是对传统方法难以识别的白色或浅色异性纤维,其检测率可以达到90%以上。认为:本文所采用的基于Faster—RCNN的人工智能深度学习方法处理图像在异纤检测应用上具有一定可行性。 展开更多
关键词 深度学习 Faster—RCNN 籽棉 异性纤维 卷积网络
在线阅读 下载PDF
一种数据增强和多模型集成的细粒度分类算法 预览
16
作者 蒋杰 熊昌镇 《图学学报》 CSCD 北大核心 2018年第2期244-250,共7页
针对解决数据缺少和单个卷积网络模型性能的限制造成细粒度分类准确率不高的问题,提出了一种数据增强和多模型集成融合的分类算法。首先通过镜像、旋转、多尺度缩放、高斯噪声、随机剪切和色彩增强6种变换对CompCars数据集进行增强处理... 针对解决数据缺少和单个卷积网络模型性能的限制造成细粒度分类准确率不高的问题,提出了一种数据增强和多模型集成融合的分类算法。首先通过镜像、旋转、多尺度缩放、高斯噪声、随机剪切和色彩增强6种变换对CompCars数据集进行增强处理,然后采用差异化采样数据集的方法训练CaffeNet、VGG16和GoogleNet3种差异化的网络。然后采用多重集成的方法集成多种模型的输出结果。实验中测试网络结构在不同数据增强算法和不同模型集成下的分类结果。模型集成的分类准确率达到94.9%,比最好的单GoogleNet模型的分类精确率提高了9.2个百分点。实验结果表明该算法可以有效地提高分类的准确率。 展开更多
关键词 细粒度分类 数据增强 卷积网络 集成学习
在线阅读 下载PDF
一种结合图像信息的视频行人检测网络研究 预览
17
作者 陆游飞 应娜 朱锋彬 《杭州电子科技大学学报:自然科学版》 2018年第3期39-43,共5页
深度卷积网络框架作为行人检测的主流研究方法,在用于静态图像的行人检测时取得了良好的效果,然而这些深度网络应用于视频行人检测时效果不佳,平均检测精度低。为此,在静态图像检测网络的基础上,结合图像的时序和上下文信息,使用多上下... 深度卷积网络框架作为行人检测的主流研究方法,在用于静态图像的行人检测时取得了良好的效果,然而这些深度网络应用于视频行人检测时效果不佳,平均检测精度低。为此,在静态图像检测网络的基础上,结合图像的时序和上下文信息,使用多上下文抑制、信息向量传播和管束重评分等方法重新设计视频行人检测网络,通过端到端训练,有效提高了视频行人检测的精度。最后在ImageNet数据集以及自己采集的视频行人数据集上进行实验,检测精度达到66.9%。 展开更多
关键词 视频行人检测 卷积网络 多上下文抑制 信息向量传播 管束重评分
在线阅读 下载PDF
基于多尺度卷积网络的单幅图像的点法向估计 预览
18
作者 冼楚华 刘欣 +1 位作者 李桂清 金烁 《华南理工大学学报:自然科学版》 CSCD 北大核心 2018年第12期1-9,共9页
单幅图片法向量估计是计算机图形学和计算机视觉研究的重要问题之一.在缺少其它三维信息的情况下,由单幅图像预测出对应法向量,对于三维场景重建,三维模型识别,三维语义分割等具有重要意义.为解决这一问题,文中使用多尺度的卷积网络结构... 单幅图片法向量估计是计算机图形学和计算机视觉研究的重要问题之一.在缺少其它三维信息的情况下,由单幅图像预测出对应法向量,对于三维场景重建,三维模型识别,三维语义分割等具有重要意义.为解决这一问题,文中使用多尺度的卷积网络结构,对图像进行端到端的输出预测.该网络由两个层级组成,第1层采用在ImageNet中性能最好的DenseNet分类网络,对输入进行全局处理.第2层级采用全卷积网络结构,对第1层级获得的输出进行进一步的精细预测.实验结果表明,即使不使用其他预处理或后处理步骤,文中提出的网络在单幅图像点法向预测方面仍能取得较理想的结果. 展开更多
关键词 法向量预测 单幅图像 卷积网络
在线阅读 免费下载
基于卷积网络的遥感图像建筑物提取技术研究 预览 被引量:2
19
作者 付发 未建英 张丽娜 《软件工程》 2018年第6期4-7,共4页
Mask RCNN是当前最高水平的实例分割算法,本文将该算法应用到高分辨率遥感图像建筑物提取中,提出了一种高效、准确的高分辨率遥感图像建筑物提取方法。首先,利用Tensorflow和Keras深度学习框架搭建Mask RCNN网络模型;然后,通过有监督学... Mask RCNN是当前最高水平的实例分割算法,本文将该算法应用到高分辨率遥感图像建筑物提取中,提出了一种高效、准确的高分辨率遥感图像建筑物提取方法。首先,利用Tensorflow和Keras深度学习框架搭建Mask RCNN网络模型;然后,通过有监督学习方式在IAILD数据集上进行模型学习。利用训练出的模型对测试集进行建筑物提取实验,通过与基于KNN和SVM等建筑物提取方法对比可以看出,本文方法可以更加完整的、准确的提取出建筑物。采用m AP评价指标对实验结果进行定量评价,本文算法的查全率和查准率均大于对比算法,且多次实验中本文算法的m AP均在81%以上,验证了基于卷积网络的高分辨率遥感图像建筑物提取的有效性和准确性。 展开更多
关键词 深度学习 建筑物提取 MASK RCNN 卷积网络
在线阅读 下载PDF
浅述基于深度强化学习的鸟群检测与应用 预览
20
作者 赵翔 武淑红 《科学与信息化》 2018年第29期22-23,共2页
飞机在起飞和下降的过程一旦受到飞鸟的撞击,会导致机毁人亡的惨剧。使用摄像头捕获机场的图像然后检测出鸟群出现的位置进行驱赶,能够提高机场工作人员的工作。基于深度学习的卷积神经网络近些年在物体检测领域取得了突破性的研究和进... 飞机在起飞和下降的过程一旦受到飞鸟的撞击,会导致机毁人亡的惨剧。使用摄像头捕获机场的图像然后检测出鸟群出现的位置进行驱赶,能够提高机场工作人员的工作。基于深度学习的卷积神经网络近些年在物体检测领域取得了突破性的研究和进展,该算法使用卷积网络用于机场的鸟群检测,然后在进行人工的驱赶。考虑到现有的基于区域的物体检测算法需要在大量的候选框基础上进行边框回归消耗了大量的时间,基于此,本文提出基于深度强化学习的飞鸟检测算法。实验表明,本文提出的检测算法能够在提升检测的效率同时保证检测的精度。 展开更多
关键词 深度学习 强化学习 物体检测 卷积网络
在线阅读 免费下载
上一页 1 2 210 下一页 到第
使用帮助 返回顶部 意见反馈