【摘 要】
：
人们在日常生活中常常会遇到因为遗忘个人物品的摆放位置,导致找不到物品的苦恼;另一方面,由于老年人记忆力衰退、年轻人丢三落四的坏习惯以及小孩戏耍打闹,对定位物品的需求也成为问题.基于家庭场景的特殊性,笔者设想通过“新一代AI可寻物对讲机”这一中控平台,实现对各种贴上电子标签的个人物品的精准定位.随着AI+IOT迅速发展,万物互联成为一种发展趋势.
【机 构】
：
广西外国语学院,广西南宁530000
论文部分内容阅读
人们在日常生活中常常会遇到因为遗忘个人物品的摆放位置,导致找不到物品的苦恼;另一方面,由于老年人记忆力衰退、年轻人丢三落四的坏习惯以及小孩戏耍打闹,对定位物品的需求也成为问题.基于家庭场景的特殊性,笔者设想通过“新一代AI可寻物对讲机”这一中控平台,实现对各种贴上电子标签的个人物品的精准定位.随着AI+IOT迅速发展,万物互联成为一种发展趋势.
其他文献
工商企业智能监管系统的上线,给工商企业和行政监管双方均搭建了一个互动平台,将传统事务从线下搬到了线上,不仅方便了工商企业个体事务的申请办理,也提高了管理部门监管的工作效率.该文首先介绍了工商企业智能监管系统的总体架构,给出了功能模块设计,再根据功能模块的需求给出了数据库设计,最后用C#开发语言实现了系统软件的功能.
对于疫情期间线上考试人工监考费时费力,很难发现学生作弊行为而且难以当场取证的问题,文中设计了一种利用YOLO算法设计,基于TensorFlow的智能监考系统.此系统通过收取关于作弊的面部表情变化图像建立起训练集模型,对作弊过程中面部的表情(例如紧张,眼神飘忽不定等)进行分类,从而实现该系统功能.此系统不仅可以对考场内学生进行实时监测并提醒,且对学生作弊产生的面部表情以及正在进行的作弊行为进行取证.经过测试,此系统能够在规定场景中正常运行及识别作弊准确率达68.5％,不仅仅满足疫情期间学校对学生实时监考的要
针对城市停车难问题,研究基于大数据技术的智慧停车诱导系统.通过研究大数据生态系统,部署、搭建城市停车场信息大数据平台.通过大数据平台,实现智慧停车数据采集、整合、分析、应用的全部生命周期管理.
该文描述的基于web前端开发的面向高校学生群体的校园导航网站.根据需求,整个网站的开发分为导航模块、用户模块、聊天室模块、留言板模块四个部分.该文通过需求分析关键技术选型、可行性分析、模块功能设计,大概介绍本网站的设计和开发流程.
智能网联汽车状态控制是网联汽车自动化驾驶的关键技术,目前受到了广泛的关注,但存在无法准确预测汽车碰撞行为以及无法对网联汽车状态进行控制的研究难点.针对上述问题,本文结合大数据技术、碰撞行为预测、智能网联汽车的状态控制,以实现车辆的安全驾驶.构建万车事故率、夜间事故比例、人为因素事故三维路面危险程度分析模型对智能网联汽车的碰撞行为进行危险程度划分.同时,通过车辆传感器获取车辆当前驾驶状态信息并结合危险程度划分结果,应用蒙特卡洛模型分析车辆实际行驶过程中的碰撞风险率,根据风险值及危险程度对当前车辆做控制决策,
在有雨的天气下,摄像机捕获的雨天图像通常成像模糊不清,能见度降低,在很大程度上干扰了计算机自动检测、识别还有目标跟踪的能力.例如,在交通事故中的责任划分和警察对犯罪分子的跟踪定位上,因为雨线对重要地理位置摄像头的干扰,导致摄像头没有办法提供清晰的图像作为证据,就会产生不良的影响.基于残差ResNet能通过改变映射范围加强深度学习、把输入分为高频细节层和基础层、通过输入的直接映射到输出加强图像特征等操作构建网络:通过频域变换来分离图像使得操作目标进一步稀疏化,把图像分成高频部分和低频部分,因为雨线几乎只存在
该文介绍了基于Visual Basic语言程序开发,该程序从气田工区数据核算、气井单井数据核查、不同时期报表数据核算对比入手,实现问题输出、相关数据整理.该程序高效核查核算数据,有效减少异常数据、错误数据传播带来的危害,为后续气田开发分析提供更高质量的数据.
图像处理在当今社会各个方面都有应用.随着人工智能的发展和大数据时代数据体量的节节攀升,日常生活中图像也呈现出爆发式增长.面对庞大的图像数据库,需要有效工具来快速处理复杂海量信息.具有不确定特性的粗糙集为图像处理提供有效的手段.
现有Unet网络分割视网膜血管精度较低,为了更精确地分割出视网膜血管,提出一种基于多分支卷积神经网络的视网膜血管的分割方法.在原有UNet网络模型进行改进,即增加级联结构获取更多信息流,有利于复杂特征的提取,同时提出共享权重残差模块来优化模型.实验在DRIVE数据集上进行验证,实验结果表明所提的网络模型与Unet网络分割结果相比,在准确率、灵敏度等评价指标上均有所提升,显示出更好的性能.
当前用户在互联网中发布的一些文本信息中包含色情、暴力、政治敏感或恶意广告等不良信息,对网络生态环境造成破坏,特别对广大青少年网民的健康成长影响较大.本文提出一种基于SVM的不良信息识别方法,该方法包括文本标记、文本分词、Doc2Vec文本向量化、SVM不良信息分类器训练、SVM不良信息测试5个步骤.实验结果表明该方法能有效识别网络不良信息,为网络不良信息的甄别提供了一种方法参考.