一、MLT测试器的应用与改进（论文文献综述）
王丽娜,张增光,张桐,陈思[1]（2022）在《针对复杂路径条件的固件测试方法改进》文中研究指明针对当前固件模糊测试方案在测试具有复杂路径条件的固件时开销较大并且效率低下的问题,提出了一种高效省时的固件测试改进方法。该方法根据固件与外设交互使用的通信协议来修改模糊测试器产生的测试用例,使得测试用例可以突破校验和检查这一复杂路径条件。使用该方法改进了固件测试方案p2im（processor-peripheral interface modeling）。真实场景下的固件测试结果表明,改进的方案（improved processor-peripheral interface modeling,Ip2im）在固件测试中基本块覆盖率和函数覆盖率都有提升,可以成功绕过固件的校验和检查。
刘光剑,孙伟,朱世杰,王号天,刘东兵,瞿勇[2]（2021）在《MFE地层测试工具在大斜度井使用中的难点解析》文中研究指明MFE地层测试工具因其操作技术难度较大,使用范围一般控制在井斜45°以内,极大限制了其在测试工艺中的使用范围。在不断改进老式工具,优化工艺的基础上,结合近几年该工具在大量斜井中的使用经验,对MFE测试工具在大斜度井使用中的难点进行解析,提出了相应的解决措施。在晋古XX井施工中,针对该井测试层位上部有射开层的特殊情况,对井筒进行了通井和刮削,以及地层汲水实验等作业,采用相应的工艺和管柱,配置不同的工具,完成了测试施工任务。通过采取相应措施,拓宽了MFE地层测试工具适用范围。
刘耀阳[3]（2021）在《基于深度学习的模糊测试技术的研究》文中指出
郑轲[4]（2021）在《网络协议模糊测试系统的设计与实现》文中指出网络设备作为国家重要的基础设施之一,其在安全方面的表现越来越受到公众的重视,网络协议作为支撑网络设备运行的重要组件,其安全性尤为关键。模糊测试是安全研究人员测试软件漏洞的重要技术之一,已被广泛应用到各个领域。现阶段针对网络协议的模糊测试技术,主要集中在黑盒模糊测试,虽然其测试速度快,但是由于测试样例生成的随机性和盲目性,导致测试效果往往不如利用了执行时信息反馈的灰盒模糊测试。如何利用灰盒模糊测试技术对网络协议软件进行更便捷、更有效、更通用的测试是一个值得深入研究的问题。针对上述问题,本文通过目标分析、方案设计等工作,提出并实现网络协议灰盒模糊测试系统。核心工作如下:（1）研究网络协议灰盒模糊测试系统整体框架。通过分析网络协议模糊测试的难点和现有方案的优缺点,总结出针对网络协议模糊测试的三大目标,分别是简化模型文件构建过程、提高代码覆盖率和增强可拓展性,并设计网络协议灰盒模糊测试系统整体框架。（2）研究网络协议灰盒模糊测试系统关键技术。针对目标一,研究模型文件自动生成技术,提出了语法简洁的模板输入方案,能够减少测试人员的输入规模,快速生成有效的模型文件。针对目标二,研究基于状态导向的灰盒模糊测试技术,设计了灰盒模糊测试引擎和智能状态导向引擎,保证测试系统能够针对网络协议任一可达状态进行灰盒模糊测试,同时支持对预设的多个目标状态自动连续测试。针对目标三,研究模式控制技术,实现了对网络协议服务器端、客户端和路由协议软件三种模式的支持,保证测试系统的可拓展性和通用性。（3）设计网络协议灰盒模糊测试系统验证实验。为验证模型文件自动生成能力,基于OSPF协议模型文件自动生成实验,从代码输入规模、语法复杂性和生成模型文件有效性三个方面分析了模型文件自动生成的优势。为验证测试系统提升代码覆盖率的能力,对DNS服务器、RTSP服务器进行测试,并将测试结果与AFLNET、Peach工具进行对比。为验证测试系统模式控制能力,对Pica8白盒交换机中使用的FTP客户端和TFTP客户端、Quagga软件中的RIP协议实现和OSPF协议实现进行了测试。结果表明,本文设计的网络协议灰盒模糊测试系统能够有效简化模型文件构建过程,提高代码覆盖率,同时具备较强可拓展性和通用性。
郎贵林[5]（2021）在《基于尺度可扩展网络的复杂背景字符检测算法研究》文中提出近年来,随着机器学习与计算机视觉技术的飞速发展,字符检测任务已经成为一个重要的研究方向。然而,真实场景下的字符存在着复杂的背景信息,给研究者们带来了诸多的挑战。此外,目前大多数基于深度学习的字符检测算法没有考虑到注意力机制的思想,导致深度卷积网络提取到的特征表达能力弱,不能满足人类社会的真实需求。本文针对字符检测存在的复杂背景和特征表达能力弱的问题,提出了两种改进方法,即基于传统尺度可扩展网络的烟盒喷码检测方法和基于通道注意力机制的尺度可扩展网络检测方法。概括地讲,本文贡献如下所述:（1）针对烟盒喷码数据集的图像背景比较复杂,本文使用了尺度可扩展网络检测烟盒喷码。由于烟盒喷码的训练数据比较少,所以引入了迁移学习,进一步提高了该算法在实际应用的中的效率。最后的实验结果表明,本文提出的方法精确率能够达到98%,召回率达到99%,同时每秒处理图像的数量（Frames Per Second,FPS）也达到了1.8。（2）针对尺度可扩展网络在获取的特征表达能力弱,本文提出了基于通道注意力机制的尺度可扩展网络方法。具体而言,本文将注意力机制融合到了尺度可扩展网络中。实验结果表明,使用融合注意力机制的网络在测试结果上表现优异,不仅能够用于烟盒喷码的数据集,而且对于曲线文本有着更高的精确率。在三个国际通用的自然场景字符数据集中的精确率比原尺度可扩展网络算法分别提高了1.48、1.97和5.58个百分点,在FPS方面分别提高到了1.4、2.3和5.4。
邓霖杰[6]（2020）在《自然场景下端对端文本识别研究》文中指出文本识别及其相关问题一直都是计算机视觉领域的热点与难点,其技术已普遍应用于语言翻译、辅助驾驶、地理定位、图像检索等诸多方面,早在几十年前科研工作者们就开始了相关研究。虽然针对文档图像的识别技术已经日渐成熟,但在场景图像上仍然面临着巨大的挑战。多变的表现形式使得场景文本在字体、尺寸、形状、颜色、排版等存在着各式各样的组合,而复杂的背景环境和不受限的成像条件又给文本识别带来了更大的困难。本文就场景图像中的文本检测、识别及其相关问题展开全面和深入的研究,重点关注于简洁、高效的思路或方法。旨在通过这些工作能对研究现状中存在的不足提出新的解决方案,并对其在相关场景下进行验证和部署,以展现其良好的通用性和实用性。本文的研究工作主要分为以下几点:（1）为减少对锚框设计的依赖,本文提出了一种简单、高效的实时文本检测网络,它在每个检测位置仅需设定一个基本的参考框。该网络的特点在于将学习机制引入到单阶段检测框架中,将经回归优化后的学习锚框代替初始锚框进入到最终预测中。该网络模型在多个公开测试集中均取得了优秀的检测精度,并且在检测速度上超越了同期所有基于锚框的检测方法。（2）本文提出了一种不依赖于任何先验知识的两阶段多方向文本检测网络。它创新性的利用定位和链接文本框的四个角点来生成候选,代替滑动锚框扫描全图的方式去估计文本可能存在的位置及形状。利用角点生成的四边形候选框是几何自适应的,这使得该检测模型对于文本的尺度、形状相对不敏感。此外,我们提出了一种名为Dual-Ro I Pooling的池化层,它是一种内置于网络的数据增强模块,能更加有效的利用训练数据从而稳定提高检测鲁棒性。在多个公开数据集上的测试结果证明了我们方法的有效性,同时在检测效率方面也非常具有竞争力。（3）我们分析认为影响不规则文本图像识别精度的主要原因在于背景在图像中占比较重,而标准卷积其固定的感受野及采样点会引入较多冗余的无关信息。本文利用可变形卷积层几何结构可调的特性,提出了一种无需额外附加操作的聚焦增强识别网络。通过端对端的训练使卷积核能学习调整其采样位置,从而提取到更具表征力的相关卷积特征。在多个公开数据集上的测试结果证明了该网络相对于基准模型的提升,并且获得了当时较优的识别精度。（4）现有基于深度学习的文本识别网络需要大量的标注数据进行模型训练,而现有的文本序列图像合成方法通常需要一系列较为复杂的处理流程。本文提出将序列图像的生成看作为一种图像到图像转换,利用生成对抗网络将简单的字符序列语义图转换为逼真的场景文本图像,整个过程仅需两步即可完成。多项生成图像的评价标准和实际的文本识别精度证明了该方法的有效性。（5）结合我们之前的工作,本文提出了一套完整且通用的端对端文本识别网络。它将多个相关任务进行整合,仅需一次前向传播即可同时完成文本检测与识别。多个分支网络共享卷积特征,通过多任务训练的方式让网络能提取到更具针对性的卷积特征。基于轻量化的骨架网络和简洁的分支架构,使得网络在精确识别的同时保持了完全实时的处理速度。此外,我们将之应用于车牌识别中,在不改变大部分网络参数的情况下展示了优秀的识别精度,证明了其良好的通用性。最后,本文所有已发表的工作都已将相关代码和数据进行了开源,具体请详见各大章节。
张宇翔[7]（2020）在《电动自行车用BLDCM优化设计及控制策略研究》文中研究表明随着社会的不断发展,交通工具也在发生日新月异的变化,大量汽车的产生导致二氧化硫以及二氧化碳过量排放,如何解决交通行业所带来的污染问题是当今的热门话题。电动自行车作为中国的一大特色交通工具,因为其使用的是清洁的电能,所以有效地抑制了交通污染问题。永磁无刷直流电机（Permanent magnet brushless DC motor）由于不易损坏,性能优越等特点成为电动自行车的主要电机,但是无刷直流电机（BLDCM）的研究由于起步晚的原因一直落后于发达国家,因此对BLDCM的研究具有重要的意义。针对电动自行车需要稳定爬坡以及在崎岖路面稳定行驶的特点,需要提高BLDCM的以下性能:（1）本体设计上不仅需要满足国家标准,还需要有较宽的恒功率调速以及满足高效率、低损耗的要求;（2）采用新的控制方式代替传统的比例积分控制（PI）和比例积分微分控制（PID）,实现精准的速度跟踪性能和强鲁棒性能以应对爬坡时的突增负载问题。本文首先介绍了国内外BLDCM的研究状况,对BLDCM的基础结构进行说明,并构建出BLDCM的数学模型。接着,提出了实用型的目标设计法与传统的设计法相结合的理论对BLDCM的主要参数进行推导,设计出一台三相12/8极的BLDCM。借助有限元分析软件JMAG对电机进行电磁分析与研究,验证设计方法的合理性。最后,针对传统的PI、PID双闭环调速系统无法满足电动自行车行业越来越高的性能要求,设计出分数阶滑模控制器（Fractional Order Sliding Mode Controller）。该控制器不仅利用分数阶微积分（Fractional Order Calculus）的变化缓慢、记忆特性等特点构建出分数阶滑模面,还结合改进型分数阶趋近律进行控制律设计,使整个控制系统具有优秀的速度跟踪和强鲁棒特性。通过MATLAB中的Simulink分别对BLDCM的传统控制方式与分数阶滑模控制方式进行仿真,结果得出后进行对比,验证分数阶滑模控制方式可以使BLDCM控制系统具有强鲁棒性和优越的速度跟踪性能,最后搭建完整的实验平台验证了理论在实物控制中的可行性。
段佳琦[8]（2020）在《基于深度学习的任意角度和尺度文字检测算法研究》文中研究指明文本作为信息交流的载体,是人类文明的重要标志,在自然场景的图像中广泛的存在,如车牌信息、道路指示牌等。文本相较自然场景图像中的其他内容而言,其具有更加准确丰富的信息以及更强的逻辑性。所以如何准确的定位自然图像中文本的位置,是提取、理解与分析信息的关键步骤。在过去的几年中,场景文本检测方法已经取得了很大的进步。但是大的几何差异（如:方向）是场景文本检测中的关键挑战。在本文中,首先进行实验研究了网络在检测场景文本时学习几何变化的能力,并发现网络只能处理有限的文本几何变化。然后,本文提出了一种新颖的具有多个分支的几何规范化模块,每个分支均由一个比例尺归一化单元和一个方向归一化单元组成,以通过至少一个分支将每个文本实例归一化为一个所需的规范几何范围。几何规范化模块是通用的,很容易插入到现有的基于卷积神经网络的文本检测器中,以构建端到端的几何规范化网络。此外,本文提出了一种几何感知训练方案,通过从统一的几何差异分布中采样和扩充文本实例来有效地训练几何规范化网络。最后,在ICDAR 2015和ICDAR 2017 MLT的流行测试集上,本文的方法使用单图片输入测试分别获得88.52和74.54的F-score,明显优于目前所有最新方法。
郭小宝[9]（2019）在《基于多任务级联的场景文本检测算法研究》文中进行了进一步梳理文字是重要的信息传递载体,能表达高级语义信息,场景文本作为重要的表现形式在生活中大量出现。近年来,在学术界和工业界,场景文本检测已成为理论研究和应用的热点。场景文本检测是OCR的重要环节,被广泛地应用于车牌检测识别、卡证票据检测识别、场景文本情感分析等。由于深度学习的发展,基于深度学习的方法在解决场景文本检测问题中占据主要地位。但场景文本复杂,现有方法仍存在不足,例如尺度变化、种类多样（不同语种和文本类型）、方向任意（多方向、弯曲等）、文本视觉特征杂乱（结构共性少）等。针对以上问题,本文通过分析基于检测和基于分割的场景文本检测方法,建立两种多任务级联的场景文本检测方案。上下文模块与辅助回归的方法主要用于解决多方向文本检测问题。在场景文本特征提取和特征融合方面,主要利用上采样特征融合方法,多分支上下文模块等提取有鉴别力的图像文本特征;在二次检测框架中,该模块有利于提取更好的候选区域;在多任务级联方法上,主要结合坐标对齐的场景文本检测和实例分割的方法,增加基于中心点和角点的辅助回归方法,改进了一般的实例分割分支,提高了多方向文本检测的准确率。特征金字塔融合的场景文本检测方法不仅能用于解决多方向文本问题,也可以用于解决经常存在的弯曲文本问题。它利用更强的特征提取和融合结构,将高层语义信息和低层位置信息有效结合,将特征金字塔各个特征层级上对应尺度的目标有效的提取出来,用于应对场景文本尺度变化的问题,同时使得后续的分类、回归和分割任务能够获得足够的特征。在多任务级联方面,采用一般的实例分割方法能够统一多方向和弯曲文本分割问题,并在模型训练中使用了在线难例挖掘和同步批归一化方法,使得模型收敛效果大大增强。通过实验,对比了两种方案在特征提取上的效果,实验表明方案二有更强的特征融合能力。通过在多方向、多语言和弯曲文本数据集的实验,验证了本文提出的两种多任务级联的场景文本检测方案在多个场景文本检测数据集上达到了当前主流方法的效果。
江武[10]（2019）在《深井试油试气测试工艺技术研究与应用》文中认为针对深井高温高压条件下的试油试气测试,从高温橡胶密封件、高温高压P-T封隔器、封隔器坐封负荷等方面研发新测试工艺技术,并通过实践验证了新测试工艺技术的合理性与有效性,以此为深井的试油试气测试及其发展提供理论和实践参考。
二、MLT测试器的应用与改进（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、MLT测试器的应用与改进（论文提纲范文）
（1）针对复杂路径条件的固件测试方法改进（论文提纲范文）
| 0 引言 |
| 1 基本概念 |
| 1.1 模糊测试器 |
| 1.2 p2im |
| 2 本文原理与方案设计 |
| 2.1 原理和思路 |
| 2.2 方案设计与实施 |
| 3 评估 |
| 3.1 实验配置 |
| 3.2 实验结果 |
| 4 结语 |
（2）MFE地层测试工具在大斜度井使用中的难点解析（论文提纲范文）
| 1 MFE地层测试工具 |
| 1.1 工作原理及性能指标 |
| 1.2 配套工具 |
| (1)反循环接头。 |
| (2)电子压力计及压力计托筒。 |
| (3)锁紧接头。 |
| (4)P-T封隔器。 |
| (5)RTTS剪销封隔器。 |
| (6)开槽尾管。 |
| (7)减震器。 |
| (8)传压接头。 |
| (9)筛管密封接头。 |
| 2 施工难点及解决措施 |
| 3 现场应用情况 |
| 3.1 施工前准备 |
| (1)通井。 |
| (2)刮削、洗井、替液。 |
| (3)地层汲水实验。 |
| 3.2 施工过程 |
| 4 结论 |
（4）网络协议模糊测试系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要贡献 |
| 1.4 论文的结构安排 |
| 第二章 相关理论及技术基础 |
| 2.1 模糊测试技术介绍 |
| 2.2 模糊测试技术分类 |
| 2.2.1 黑盒模糊测试技术 |
| 2.2.2 白盒模糊测试技术 |
| 2.2.3 灰盒模糊测试技术 |
| 2.3 模糊测试评价指标 |
| 2.3.1 代码覆盖率 |
| 2.3.2 独特崩溃数 |
| 2.4 本章小结 |
| 第三章 网络协议灰盒模糊测试系统方案设计 |
| 3.1 网络协议模糊测试技术原理 |
| 3.2 现有网络协议模糊测试方案分析 |
| 3.3 NPGFuzzer系统设计目标 |
| 3.4 NPGFuzzer系统方案设计 |
| 3.4.1 整体方案设计 |
| 3.4.2 模块功能描述 |
| 3.5 本章小结 |
| 第四章 网络协议灰盒模糊测试系统关键技术 |
| 4.1 模型文件自动生成技术 |
| 4.1.1 解析器 |
| 4.1.2 生成器 |
| 4.2 基于状态导向的灰盒模糊测试技术 |
| 4.2.1 灰盒模糊测试引擎 |
| 4.2.2 智能状态导向引擎 |
| 4.3 模式控制技术 |
| 4.3.1 服务器端测试模式 |
| 4.3.2 客户端测试模式 |
| 4.3.3 路由协议测试模式 |
| 4.4 本章小结 |
| 第五章 网络协议灰盒模糊测试系统验证实验 |
| 5.1 测试环境 |
| 5.2 模型文件自动生成能力验证 |
| 5.3 代码覆盖率提升能力验证 |
| 5.3.1 DNS协议服务器端模糊测试 |
| 5.3.2 RTSP协议服务器端模糊测试 |
| 5.4 模式控制能力验证 |
| 5.4.1 FTP协议客户端模糊测试 |
| 5.4.2 TFTP协议客户端模糊测试 |
| 5.4.3 RIP协议模糊测试 |
| 5.4.4 OSPF协议模糊测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 后续研究方向 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（5）基于尺度可扩展网络的复杂背景字符检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外字符检测现状 |
| 1.2.1 自然场景下的字符检测算法现状 |
| 1.2.2 基础特征提取网络现状 |
| 1.2.3 特征融合技术现状 |
| 1.3 研究内容及创新点 |
| 1.4 本文架构安排 |
| 2 注意力机制算法综述 |
| 2.1 注意力机制的定义及要求 |
| 2.2 各类注意力机制算法以及比较 |
| 2.2.1 基于时序的注意力机制 |
| 2.2.2 基于空间的注意力机制 |
| 2.2.3 基于通道的注意力机制 |
| 2.3 高维数据的注意力机制分析 |
| 2.4 注意力机制在神经网络中的发展及应用 |
| 2.4.1 时序注意力机制在卷积神经网络中的发展及应用 |
| 2.4.2 空间注意力机制在卷积神经网络中的发展及应用 |
| 2.4.3 通道注意力机制在卷积神经网络中的发展及应用 |
| 2.5 本章小结 |
| 3 基于尺度可扩展网络的烟盒喷码检测方法研究 |
| 3.1 算法背景 |
| 3.2 相关算法 |
| 3.2.1 基于传统图像处理的算法 |
| 3.2.2 基于深度学习的喷码检测算法 |
| 3.3 基于烟盒喷码检测算法的研究 |
| 3.3.1 基于尺度扩展网络的迁移学习 |
| 3.3.2 基于尺度可扩展网络的喷码检测 |
| 3.4 实验结果与分析 |
| 3.4.1 实验环境 |
| 3.4.2 实验数据 |
| 3.4.3 模型训练 |
| 3.4.4 评价标准 |
| 3.4.5 实验结果分析 |
| 3.5 本章小结 |
| 4 基于尺度可扩展网络的改进算法 |
| 4.1 算法背景 |
| 4.2 相关算法 |
| 4.2.1 PSE-Net |
| 4.2.2 ECA-Net |
| 4.2.3 CAM |
| 4.3 基于尺度可扩展网络的改进算法 |
| 4.3.1 特征提取网络 |
| 4.3.2 特征融合网络 |
| 4.3.3 通道注意力网络 |
| 4.4 实验结果与分析 |
| 4.4.1 实验环境 |
| 4.4.2 实验数据 |
| 4.4.3 模型训练 |
| 4.4.4 测评标准 |
| 4.4.5 实验结果分析 |
| 4.5 基于改进的尺度可扩展网络的烟盒喷码检测 |
| 4.5.1 模型训练 |
| 4.5.2 实验结果分析 |
| 4.6 本章小节 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表论文及科研成果 |
| 致谢 |
（6）自然场景下端对端文本识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 相关研究现状 |
| 1.2.1 场景文本检测 |
| 1.2.2 场景文本识别 |
| 1.2.3 端对端文本识别 |
| 1.3 主要贡献与创新 |
| 1.4 本文结构安排 |
| 第二章 基于学习锚框的实时文本检测 |
| 2.1 概述 |
| 2.2 引言 |
| 2.3 研究方法 |
| 2.3.1 单阶段检测器 |
| 2.3.2 旋转矩形回归 |
| 2.3.3 学习锚框 |
| 2.3.4 网络架构 |
| 2.4 实验部分 |
| 2.4.1 实现细节 |
| 2.4.2 对比实验 |
| 2.4.3 实验结果 |
| 2.4.4 模型的局限 |
| 2.5 本章小结 |
| 第三章 基于角点的多方向文本检测 |
| 3.1 概述 |
| 3.2 引言 |
| 3.3 研究方法 |
| 3.3.1 基于角点的区域生成网络 |
| 3.3.2 Dual-RoI Pooling |
| 3.3.3 网络结构 |
| 3.3.4 损失函数 |
| 3.4 实验部分 |
| 3.4.1 实现细节 |
| 3.4.2 对比实验 |
| 3.4.3 实验结果 |
| 3.4.4 模型的局限 |
| 3.5 本章小结 |
| 第四章 聚焦增强的文本识别网络 |
| 4.1 概述 |
| 4.2 引言 |
| 4.3 研究方法 |
| 4.3.1 基准模型 |
| 4.3.2 可变形卷积 |
| 4.3.3 网络架构 |
| 4.3.4 损失函数 |
| 4.4 实验部分 |
| 4.4.1 数据集 |
| 4.4.2 实现细节 |
| 4.4.3 对比实验 |
| 4.4.4 实验结果 |
| 4.5 本章小节 |
| 第五章 文本序列图像生成网络 |
| 5.1 概述 |
| 5.2 引言 |
| 5.3 研究方法 |
| 5.3.1 级联生成网络 |
| 5.3.2 残差模块 |
| 5.3.3 激活函数 |
| 5.3.4 语义图像合成 |
| 5.4 实验部分 |
| 5.4.1 实现细节 |
| 5.4.2 评价指标 |
| 5.4.3 对比实验 |
| 5.4.4 数据集对比 |
| 5.4.5 数据量的影响 |
| 5.5 本章小节 |
| 第六章 端对端文本识别及应用 |
| 6.1 概述 |
| 6.2 引言 |
| 6.3 研究方法 |
| 6.3.1 网络架构 |
| 6.3.2 区域特征提取 |
| 6.3.3 识别分支网络 |
| 6.3.4 网络训练 |
| 6.4 实验部分 |
| 6.4.1 对比实验 |
| 6.4.2 实验结果 |
| 6.5 拓展应用 |
| 6.5.1 CRPD数据集 |
| 6.5.2 测试结果 |
| 6.6 本章小节 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（7）电动自行车用BLDCM优化设计及控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的来源背景及研究意义 |
| 1.2 永磁无刷直流电机应用现状及研究 |
| 1.2.1 永磁无刷直流电机应用范畴 |
| 1.2.2 永磁无刷直流电机的国内外研究现状 |
| 1.3 永磁无刷直流电机的基本结构 |
| 1.4 永磁无刷直流电机的数学模型 |
| 1.5 课题研究内容 |
| 1.6 本章小结 |
| 第二章 永磁无刷直流电机的实用设计及计算 |
| 2.1 永磁无刷直流电机实用设计方法探讨 |
| 2.2 永磁无刷直流电机的目标设计 |
| 2.3 永磁无刷直流电机的目标设计理论推导 |
| 2.3.1 BLDCM的气隙设计 |
| 2.3.2 BLDCM绕组匝数的目标设计 |
| 2.3.3 BLDCM定子冲片的目标设计 |
| 2.4 电动自行车对驱动永磁无刷直流电机的性能要求 |
| 2.5 永磁无刷直流电机主要尺寸和参数的设计与计算 |
| 2.5.1 BLDCM相数、电磁功率和气隙的选取 |
| 2.5.2 BLDCM电负荷和磁负荷的选取 |
| 2.5.3 BLDCM电流密度的选取 |
| 2.5.4 BLDCM定子内径与极弧系数的选取 |
| 2.5.5 BLDCM极槽配合的选取 |
| 2.5.6 BLDCM磁钢的选取 |
| 2.5.7 BLDCM电枢绕组的设计和定转子铁心材料的选取 |
| 2.6 永磁无刷直流电机设计的详细流程 |
| 2.6.1 BLDCM设计主要指标 |
| 2.6.2 BLDCM主要尺寸的确定 |
| 2.6.3 BLDCM定子结构的确定 |
| 2.6.4 BLDCM转子结构的确定 |
| 2.6.5 BLDCM转子磁钢的确定 |
| 2.6.6 电路参数的确定 |
| 2.6.7 损耗计算 |
| 2.7 行星齿轮减速器的选择 |
| 2.8 本章小结 |
| 第三章 永磁无刷直流电机的电磁分析 |
| 3.1 永磁无刷直流电机的有限元理论 |
| 3.1.1 BLDCM的电磁场数学模型 |
| 3.1.2 矢量磁位 |
| 3.1.3 泊松方程 |
| 3.1.4 边界条件 |
| 3.1.5 BLDCM内磁场数学模型 |
| 3.2 JMAG有限元分析的基本步骤 |
| 3.3 BLDCM仿真建模 |
| 3.3.1 电机本体建模 |
| 3.3.2 BLDCM的材料定义 |
| 3.3.3 BLDCM的分析条件设置 |
| 3.3.4 BLDCM的功率变换电路设置 |
| 3.3.5 BLDCM的网格剖分 |
| 3.3.6 BLDCM的求解计算 |
| 3.4 BLDCM的电磁分析 |
| 3.4.1 BLDCM的定位力矩分析 |
| 3.4.2 BLDCM的磁通密度分析 |
| 3.4.3 BLDCM的相反电动势分析 |
| 3.4.4 BLDCM的相电流分析 |
| 3.4.5 BLDCM的电磁转矩分析 |
| 3.5 本章小结 |
| 第四章 BLDCM的分数阶滑模转速控制器设计 |
| 4.1 滑模控制基础原理 |
| 4.2 滑模面的设计方法 |
| 4.3 滑模控制的抖振问题 |
| 4.4 分数阶积分的优点 |
| 4.5 分数阶方程的定义 |
| 4.6 分数阶与滑模控制相结合的转速控制器设计 |
| 4.7 稳定性证明 |
| 4.8 滑模存在的条件 |
| 4.9 本章小结 |
| 第五章 永磁无刷直流电机控制系统的仿真 |
| 5.1 系统仿真 |
| 5.2 BLDCM的速度跟踪仿真比较 |
| 5.3 BLDCM控制系统的鲁棒性能仿真比较 |
| 5.4 本章小结 |
| 第六章 永磁无刷直流电机控制系统软件设计和实验研究 |
| 6.1 永磁无刷直流电机控制系统软件设计流程 |
| 6.2 实验研究与分析 |
| 6.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术成果目录 |
（8）基于深度学习的任意角度和尺度文字检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外的研究现状 |
| 1.3 论文的主要研究内容 |
| 2 相关技术介绍 |
| 2.1 深度学习 |
| 2.2 物体检测算法 |
| 2.3 文字检测算法 |
| 2.4 相关数据集 |
| 2.5 评价标准 |
| 2.6 实验平台 |
| 2.7 本章小结 |
| 3 任意角度和尺度文字检测算法的探究和设计 |
| 3.1 实验基准 |
| 3.2 模型局限性分析 |
| 3.3 尺度变化对模型的影响 |
| 3.4 角度变化对模型的影响 |
| 3.5 本章小结 |
| 4 任意角度和尺度文字检测算法的加速和验证 |
| 4.1 几何归一化模块 |
| 4.2 几何归一化网络结构 |
| 4.3 损失函数 |
| 4.4 几何归一化网络训练和测试策略 |
| 4.5 实验 |
| 4.6 本章小结 |
| 5 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
（9）基于多任务级联的场景文本检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于手工特征的文本检测 |
| 1.2.2 深度学习检测方法 |
| 1.2.3 深度学习分割方法 |
| 1.3 本文的主要研究内容 |
| 1.4 本文的组织结构 |
| 第2章 上下文模块与辅助回归的多方向文本检测 |
| 2.1 引言 |
| 2.2 特征提取网络 |
| 2.3 上采样特征融合 |
| 2.4 多分支上下文模块 |
| 2.4.1 卷积核与特征提取 |
| 2.4.2 上下文模块设计 |
| 2.5 基于二次检测器的文本检测网络 |
| 2.5.1 RPN候选区域提取方法 |
| 2.5.2 文本目标分类 |
| 2.5.3 文本目标回归 |
| 2.6 基于中心点与角点辅助回归的掩膜分割分支 |
| 2.6.1 实例分割方法 |
| 2.6.2 辅助回归方法 |
| 2.7 本章小结 |
| 第3章 特征金字塔融合的多方向及弯曲文本检测 |
| 3.1 引言 |
| 3.2 基于特征金字塔的特征提取融合 |
| 3.2.1 特征金字塔网络 |
| 3.2.2 候选文本目标非极大抑制 |
| 3.2.3 候选文本目标在线难例挖掘 |
| 3.2.4 同步批归一化 |
| 3.2.5 文本区域后处理 |
| 3.3 实例分割的弯曲文本检测 |
| 3.4 本章小结 |
| 第4章 实验结果及分析 |
| 4.1 引言 |
| 4.2 数据集及特点 |
| 4.3 模型选择和训练 |
| 4.3.1 数据预处理方法 |
| 4.3.2 多方向文本检测模型训练和测试 |
| 4.3.3 多方向及弯曲文本检测模型训练和测试 |
| 4.4 实验结果及分析 |
| 4.4.1 评价指标计算方法 |
| 4.4.2 特征融合方法对比实验 |
| 4.4.3 多方向文本检测模型实验结果 |
| 4.4.4 多方向及弯曲文本检测模型实验结果 |
| 4.5 模型对比分析 |
| 4.6 模型应用场景分析 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（10）深井试油试气测试工艺技术研究与应用（论文提纲范文）
| 1 高温橡胶密封件 |
| 2 高温高压P-T封隔器 |
| 3 封隔器坐封负荷 |
| 4 MLT测试工具 |
| 5 简易高压井口控制头 |
| 6 管柱的稳定性分析 |
| 7 实际应用 |
| 8 结束语 |
四、MLT测试器的应用与改进（论文参考文献）
- [1]针对复杂路径条件的固件测试方法改进[J]. 王丽娜,张增光,张桐,陈思. 武汉大学学报(理学版), 2022(01)
- [2]MFE地层测试工具在大斜度井使用中的难点解析[J]. 刘光剑,孙伟,朱世杰,王号天,刘东兵,瞿勇. 油气井测试, 2021(06)
- [3]基于深度学习的模糊测试技术的研究[D]. 刘耀阳. 北京邮电大学, 2021
- [4]网络协议模糊测试系统的设计与实现[D]. 郑轲. 电子科技大学, 2021(01)
- [5]基于尺度可扩展网络的复杂背景字符检测算法研究[D]. 郎贵林. 西华大学, 2021(02)
- [6]自然场景下端对端文本识别研究[D]. 邓霖杰. 电子科技大学, 2020(03)
- [7]电动自行车用BLDCM优化设计及控制策略研究[D]. 张宇翔. 曲阜师范大学, 2020(01)
- [8]基于深度学习的任意角度和尺度文字检测算法研究[D]. 段佳琦. 华中科技大学, 2020(01)
- [9]基于多任务级联的场景文本检测算法研究[D]. 郭小宝. 哈尔滨工业大学, 2019(02)
- [10]深井试油试气测试工艺技术研究与应用[J]. 江武. 化工设计通讯, 2019(06)