基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

基于机器学习的大规模船舶图像检索机制

船舶图像具有大规模、多样性等变化特点,传统船舶图像检索机制难以获得高精度检索结果。为了获得理想的船舶图像检索结果,设计了基于机器学习的大规模船舶图像检索机制。首先分析当前船舶图像检索研究进展,阐述船舶图像检索基本流程,然后采集不同类型的船舶图像检索特征,选择最优的船舶图像检索特征作为机器学习算法的输入、船舶图像类别作为输出,最后通过机器学习算法的训练建立船舶图像检索的分类器,并与其它船舶图像检索机制进行了对照测试。测试结果表明,本文机制可以满足大规模船舶图像检索要求,船舶图像检索正确率要高于对比船舶图像检索机制,可以更快找到用户需要的船舶图像,获得了令人满意的船舶图像检索结果。     

高速公路改扩建方案探讨

交通量的快速增长使得高速公路改扩建项目逐渐增多,不同项目应根据其特点合理选择改扩建方案。依托连霍高速公路洛阳至三门峡段改扩建项目,对高速公路改扩建方案进行研究探讨,可供同行参考和借鉴。     

连霍高速洛三段事故黑点整治方案

依托连霍高速公路洛阳至三门峡段改扩建项目,结合项目特点及老路现状,对高速公路事故易发路段的整治方案进行综合研究探讨,力争从根本上解决问题,同时多措并举,以期实现安全至上的宗旨。     

浅谈钢筋混凝土保护层施工质量通病及其控制措施

钢筋混凝土以其良好的材料性能被广泛地应用于各种建筑物上,但其构件的保护层厚度直接影响着构件的耐久性和承载能力,因而在钢筋混凝土施工中应采取有效的控制措施,保证钢筋混凝土保护层厚度。     

面向对象软件工程技术在船舶综合信息系统的应用

在船舶软件的设计过程中,要求将所有的船舶设备数据信息进行汇总和共享,从而能够准确评估船舶的工作状态,大大提高了船舶的安全性能。而随着现代计算机技术的快速发展,面向对象的软件工程技术被广泛应用在船舶领域,通过与互联网技术与数据库技术的结合,也使得船舶综合信息系统的功能更加完善。在这种情况下,本文将面向对象软件工程技术合理地引入到船舶综合信息系统当中,充分分析了信息系统的架构原理,并建立了合适的数学模型,对系统的各项性能参数进行了仿真。