全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于深度学习的民航陆空通话端到端语音识别技术研究
- 作者： 张时雨. 来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： Res CTC 端到端语音识别 数据增强 陆空通话 GAU 迁移学习 Net 多任务联合学习框架
- 描述： 基于深度学习的民航陆空通话端到端语音识别技术研究
- 基于深度学习的民航陆空通话端到端语音识别技术研究
- 作者： 张时雨. 来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： Res CTC 端到端语音识别 数据增强 陆空通话 GAU 迁移学习 Net 多任务联合学习框架
- 描述： 基于深度学习的民航陆空通话端到端语音识别技术研究
- 基于深度学习的民航陆空通话端到端语音识别技术研究
- 作者： 张时雨. 来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： Res CTC 端到端语音识别 数据增强 陆空通话 GAU 迁移学习 Net 多任务联合学习框架
- 描述： 基于深度学习的民航陆空通话端到端语音识别技术研究
- 基于深度学习的民航陆空通话端到端语音识别技术研究
- 作者： 张时雨. 来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： Res CTC 端到端语音识别 数据增强 陆空通话 GAU 迁移学习 Net 多任务联合学习框架
- 描述： 基于深度学习的民航陆空通话端到端语音识别技术研究
- 基于深度学习的民航陆空通话端到端语音识别技术研究
- 作者： 张时雨. 来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： Res CTC 端到端语音识别 数据增强 陆空通话 GAU 迁移学习 Net 多任务联合学习框架
- 描述： 基于深度学习的民航陆空通话端到端语音识别技术研究
- CNN with New Spatial Pyramid Pooling and Advanced Filter-Based Techniques: Revolutionizing Traffic Monitoring via Aerial Images
- 作者： Irfan Javid Rozaida Ghazali Waddah Saeed Tuba Batool Ebrahim Al Wajih 来源： Sustainability 年份： 2023 文献类型 ： 期刊 关键词： semantic Kalman categorization recognition extended vehicle filter pooling U and pyramid segmentation spatial Net
- 描述： The escalation in vehicular traffic, in conjunction with global population growth, has precipitated heightened road congestion, augmented air pollution, and a rise in vehicular accidents. Over the past decade, the global vehicular count has witnessed a substantial surge. In this context, traffic monitoring emerges as a paramount challenge, especially within developing nations. This research introduces an innovative system for vehicle detection and categorization aimed at intelligent traffic monitoring. The system utilizes a convolutional neural network-based U-Net model for the segmentation of aerial images. After segmentation, the outputs are further analyzed for vehicle identification. This vehicle detection utilizes an advanced spatial pyramid pooling (ASPP) mechanism which refines the spatial partitions of the image and captures intricate details, enhancing the accuracy and precision of the detection process. Detected vehicles are then categorized into distinct subcategories. For the effective management and control of high-density traffic flow, the extended Kalman filter (EKF) technique is employed, thereby reducing the reliance on human oversight. In experimental evaluations, our proposed model exhibits exemplary vehicle detection capabilities across the German Aerospace Center (DLR3K) and the Vehicle Detection in Aerial Imagery (VEDAI) datasets. Potential applications of the system encompass vehicle identification in traffic streams, traffic congestion assessment, intersection traffic density analysis, differentiation of vehicle types, and pedestrian pathway determination.