<ins id="nnjdx"><span id="nnjdx"></span></ins>
<var id="nnjdx"></var>
<var id="nnjdx"></var>
<var id="nnjdx"></var>
<cite id="nnjdx"><video id="nnjdx"></video></cite>
<var id="nnjdx"></var><var id="nnjdx"></var>
<var id="nnjdx"><strike id="nnjdx"></strike></var>
<menuitem id="nnjdx"><video id="nnjdx"><thead id="nnjdx"></thead></video></menuitem>
<cite id="nnjdx"></cite>
<thead id="nnjdx"><span id="nnjdx"><thead id="nnjdx"></thead></span></thead>
<del id="nnjdx"><noframes id="nnjdx">
<var id="nnjdx"></var>
<cite id="nnjdx"></cite>
<var id="nnjdx"><dl id="nnjdx"></dl></var>
<cite id="nnjdx"><video id="nnjdx"></video></cite>
<cite id="nnjdx"><video id="nnjdx"></video></cite>
<cite id="nnjdx"><video id="nnjdx"><thead id="nnjdx"></thead></video></cite>
<cite id="nnjdx"><video id="nnjdx"><thead id="nnjdx"></thead></video></cite>
船舶物資與市場 · 2021年第1期101-102,共2頁

基于深度學習的船舶火災報警技術

作者:李東林

摘要:在船舶火災檢測報警領域,引入發展迅速的深度學習技術。在CNN的理念下,自主設計搭建輕量化的卷積神經網絡,并在自行設計建立的數據集上進行迭代訓練。將訓練好的模型做定點量化處理,在控制精度損失的前提下,壓縮模型大小,提高推理速度,得到一個較適合實際使用的深度學習網絡模型。

發文機構:大連海事大學

關鍵詞:火災報警深度學習CNN網絡

分類號: TU998.1[建筑科學—市政工程]

注:學術社僅提供期刊論文索引,查看正文請前往相應的收錄平臺查閱
相關文章
伊伊爱官方网站