检索结果-南通市图书馆

UI layers merger: merging UI layers via visual learning and boundary prior

Frontiers of Information Technology & Electronic Engineering 2023年第3期24卷 373-387页

作者： yunnong chen Yankun ZHEN Chuning SHI Jiazhi LI Liuqing chen Zejian LI Lingyun SUN Tingting ZHOU Yanfang CHANG School of Software Technology Zhejiang UniversityHangzhou 310027China College of Computer Science and Technology Zhejiang UniversityHangzhou 310027China Alibaba-Zhejiang University Joint Research Institute of Frontier Technologies Hangzhou 310027China Alibaba Group Hangzhou 311121China Zhejiang-Singapore Innovation and AI Joint Research Lab Hangzhou 310027China

With the fast-growing graphical user interface(GUI)development workload in the Internet industry,some work attempted to generate maintainable front-end code from GUI *** can be more suitable for using user interface(UI)design drafts that contain UI ***,fragmented layers inevitably appear in the UI design drafts,which greatly reduces the quality of the generated *** of the existing automated GUI techniques detects and merges the fragmented layers to improve the accessibility of generated *** this paper,we propose UI layers merger(UILM),a vision-based method that can automatically detect and merge fragmented layers into UI *** UILM contains the merging area detector(MAD)and a layer merging *** MAD incorporates the boundary prior knowledge to accurately detect the boundaries of UI ***,the layer merging algorithm can search for the associated layers within the components’boundaries and merge them into a *** present a dynamic data augmentation approach to boost the performance of *** also construct a large-scale UI dataset for training the MAD and testing the performance of *** results show that the proposed method outperforms the best baseline regarding merging area detection and achieves decent layer merging accuracy.A user study on a real application also confirms the effectiveness of our UILM.

关键词： User interface(UI)to code UI design lint UI layer merging Object detection

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

鱼类消化酶的活性及环境条件的影响

引用

北华大学学报（自然科学版） 2001年第1期2卷 70-73,83页

作者：周景祥陈勇黄权孙云农吉林农业大学动物科技学院吉林长春130118

探讨了鱼类蛋白酶、淀粉酶的活性,分布情况以及鱼生长、食性与消化的关系和环境条件对其活性的影响,提出了开展鱼类消化酶研究的意义.

关键词：消化酶活性环境条件鱼类饲料添加剂

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于移动终端的稻田飞虱调查方法

引用

昆虫学报 2019年第5期62卷 615-623页

作者：俞佩仕郭龙军姚青杨保军唐健许渭根陈渝阳朱旭华陈宏明张晨光段德康贝文勇彭晴晖浙江理工大学信息学院杭州310018 中国水稻研究所水稻生物学国家重点实验室杭州310006 浙江省植物保护检疫局杭州310020 浙江托普云农科技股份有限公司杭州310015 浙江省象山县农业技术推广中心植保站浙江宁波315700 浙江省龙游县农业局植物保护检疫站浙江衢州324400 江西省万安县植保植检站江西吉安343800 广西壮族自治区昭平县农业局病虫测报站广西贺州546800 湖南省邵东县农业局植保植检站湖南邵阳422800

【目的】建立一种基于移动终端的稻田飞虱调查方法,以减轻测报人员劳动强度,提高稻田飞虱调查的客观性,实现稻飞虱调查结果可追溯。【方法】利用Android相机、可伸缩手持杆和装载控制相机APP的Android手机研制了稻田飞虱图像采集仪。在A... 详细信息

【目的】建立一种基于移动终端的稻田飞虱调查方法,以减轻测报人员劳动强度,提高稻田飞虱调查的客观性,实现稻飞虱调查结果可追溯。【方法】利用Android相机、可伸缩手持杆和装载控制相机APP的Android手机研制了稻田飞虱图像采集仪。在Android开发环境下,利用socket通信和视频编码等技术,实现Android相机的视频采集与编码模块、视频传输模块和相机命令控制模块等。利用Android NDK开发和Java web等技术,实现手机端的视频预览模块、手机控制模块、图像上传模块等。相机实时拍摄的视频将压缩成H.264格式,通过RTSP/RTP协议控制其传输至手机端。手机端通过解压缩,实现实时预览相机所拍摄的视频,并控制相机拍摄水稻茎基部飞虱图像,同时将图像传输到手机端。稻飞虱识别算法部署在云服务器上。手机端可选择稻飞虱图像上传至云服务器,云服务器运行稻飞虱自动识别算法,结果返回至手机端。【结果】基于移动终端的稻田飞虱调查方法利用手机可以实时预览相机拍摄的水稻茎基部飞虱画面,控制相机拍照。云服务器上稻飞虱自动识别算法对图像中的飞虱平均检测率为86.9%,虚警率为11.2%;对稻飞虱各虫态平均检测率为81.7%,虚警率为16.6%。【结论】基于移动终端的稻田飞虱调查方法可以便捷地采集到水稻茎基部飞虱图像,实现稻田飞虱不同虫态的识别与计数。该方法可大大减轻测报人员的劳动量,避免稻飞虱田间调查的主观性,实现稻飞虱田间调查的可追溯。

关键词：稻飞虱田间调查图像识别自动计数 Android手机 Android相机

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

融合注意力机制的Cascade R-CNN田间害虫检测方法

引用

华中农业大学学报 2023年第3期42卷 133-142页

作者：刘志翟瑞芳彭万伟陈珂屹杨万能华中农业大学信息学院武汉430070 上海云农信息科技有限公司上海201299 华中农业大学植物科学技术学院武汉430070

为解决测报灯采集图像中害虫依赖人工识别及统计结果可靠性低和准确性差的问题,本研究提出一种改进型Cascade R-CNN田间害虫检测算法。该算法以Cascade R-CNN为基础框架,采用ResNeSt-50作为主干网络,融合了跨通道注意力机制;使用统一目... 详细信息

为解决测报灯采集图像中害虫依赖人工识别及统计结果可靠性低和准确性差的问题,本研究提出一种改进型Cascade R-CNN田间害虫检测算法。该算法以Cascade R-CNN为基础框架,采用ResNeSt-50作为主干网络,融合了跨通道注意力机制;使用统一目标检测头(unifying object detection heads with attentions,DyHead),并融合尺度感知、空间位置感知和任务感知。此外,采用简单复制-粘贴(simple copy-paste,SCP)方法进行了数据增强。研究共采集到20类害虫总计1 500张图像,制作了符合MS COCO格式(microsoft common objects in context 2017,MS COCO 2017)的测报灯田间害虫数据集。结果显示,本研究提出的方法的F1分数(F1-score)达到了86.2%。当交并比(intersection over union,IoU)为0.5时,其F1-分数与经典Cascade R-CNN、Faster R-CNN和YOLOv4相比,分别提升了2.8、5.8和8.2个百分点。表明该方法满足测报灯害虫检测任务对判别能力和实时性的要求,实现了害虫的高精度自动识别与计数,可直接应用于田间害虫检测。

关键词：深度学习测报灯害虫识别 Cascade R-CNN 精准检测注意力机制绿色防控

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：