侵权投诉

为什么大多数流行的目标检测模型不擅长检测小目标?

沃德普自动化 2021-06-09 17:50 次阅读

导读

对小目标检测进行了分析,并结合已有的方法给出了一些思路。

机器学习正越来越多地进入我们的日常生活。从个人服务的广告和电影推荐,到自动驾驶汽车和自动送餐服务。几乎所有的现代自动化机器都能“看”世界,但跟我们不一样。为了像我们人类一样看到和识别每个物体,它们必须特别地进行检测和分类。虽然所有现代检测模型都非常擅长检测相对较大的物体,比如人、汽车和树木,但另一方面,小物体仍然给它们带来一些麻烦。对于一个模型来说,很难在房间的另一边看到手机,或者在100米之外看到红绿灯。所以今天我们要讲的是为什么大多数流行的目标检测模型不擅长检测小目标,我们如何提高它们的性能,以及其他已知的解决这个问题的方法。

原因

所有现代目标检测算法都是基于卷积神经网络的。这是一种非常强大的方法,因为它能够创造一些低级的图像抽象,如线,圆圈,然后将它们“迭代地组合”成我们想要检测的目标,但这也是它们难以检测小目标的原因。

上面你可以看到一个通用的图像分类神经网络的插图。我们最感兴趣的是隐藏层部分。如你所见,这个网络有许多卷积的组合,然后是一个池化层。许多目标检测网络,如YOLO, SSD-Inception和Faster R-CNN也使用这些,而且使用得相当多。将图像的分辨率从600×600降低到约30×30。由于这个事实,他们在第一层提取的小目标特征(一开始就很少)在网络中间的某个地方“消失”了,从来没有真正到达检测和分类步骤中。我们可以尝试一些方法来帮助模型更好地查看这些目标,但是在改进性能之前,让我们先看看它现在的状态。

目前流行的目标检测器的性能

论文SOD-MTGAN在COCO数据集上进行实验并收集了2016年的测试结果。+++表示F-RCNN的特殊训练过程。

一些很小改动去提升小目标检测的方法

使用Focal loss

如果你有很多类要检测,一个最简单的方法来提高对小物体和难以检测的类的检测是在训练神经网络的过程中使用Focal loss。这里的主要直觉是,这种损失对网络的“惩罚”不是对它已经可以很好地检测到的类别进行错误分类,而是对它现在有问题的类别进行更多分类。因此,为了进一步最小化损失函数,权值将开始以这样一种方式改变,使网络更好地挑选困难的类别。这很容易从主要论文提供的图中看到:

将图像分成小块

我们自己也遇到过模型不能检测到相对较小的物体的问题。任务是检测足球运动员和比赛场上的足球。游戏的分辨率是2K,所以我们有很多细节。但我们用来检测玩家的模型的输入分辨率要小得多——从300×300到604×604。所以,当我们把图像输入网络时,很多细节都丢失了。它仍然能够找到前景中的球员,但既没有球也没有球员在球场的另一边被检测到。因为我们有一个大的输入图像,我们决定先尝试我们能想到的最简单的解决方案 —— 把图像分割成小块,然后对它们运行检测算法。而且效果很好。你可以在下面看到运行测试的结果。

虽然该模型的FPS大幅下降,但它给了该模型在玩家检测上一个非常好的准确性提升。另一方面,球仍然是个问题。稍后我们将更深入地探讨我们是如何解决它的。

利用图像的时间特性

如果我们有一个来自静止摄像机的视频,我们需要检测它上面的移动物体,比如足球,我们可以利用图像的时间特性。例如,我们可以做背景减法,或者仅仅使用后续帧之间的差异作为一个(或多个)输入通道。所以,我们可能有3个RGB通道和一个或多个额外的通道。这确实让我们改变了一些网络的输入,但仍然不是很多。我们所需要改变的只是第一个输入层,而网络的其他部分可以保持不变,仍然可以利用整个架构的力量。

这一变化将预示着网络将为移动目标创造更“强大”的特性,而这些特性不会消失在池化和大stride的卷积层中。

改变anchor大小

目前的一些探测器使用所谓的“锚”来探测物体。这里的主要直觉是通过明确地向网络提供一些关于物体大小的信息来帮助网络检测物体,并在图像中每个预定义的单元格中检测几个物体。

因此,改变锚点以适应你的数据集是一个很好的主意。对于YOLOv3,有一种简单的方法可以做到这一点。这里:https://github.com/AlexeyAB/darknet#how-to-improve-object-detection你将发现一系列改进YOLO体系结构检测的方法。

为小目标检测定制模型

上面描述的方法很好,但远不是最好的,如果你使用专为寻找小目标而设计的体系结构,你很可能会获得更好的结果。所以,让我们开始吧。

特征金字塔网络 (FPN)

由于其有趣的结构,这些类型的网络在检测小目标方面表现得相当有效。虽然像SSD和YOLOv3这样的网络也检测不同尺度的目标,但是只使用了这些尺度的信息,即所谓的金字塔特征层,而FPN建议将高层特征向下传播。这一方法“丰富”了抽象的底层,并具有更强的语义特征,这些特征是网络在其头部附近计算出来的,最终帮助探测器拾取小物体。这种简单而有效的方法表明,可以将目标检测数据集的总体平均精度从47.3提高到56.9。

Finding Tiny Faces

这篇做了大量的工作和研究。我强烈建议你阅读全文:https://arxiv.org/pdf/1612.04402.pdf,但我们在这里总结一下:

上下文很重要,利用它更好地找到小物体

建立多个不同尺度的网络成本高,但效果好

如果你想要高精度,区域建议仍然是一个好方法

查看你的骨干网络做预训练的数据集,然后尝试缩放你的图像,使你需要检测/分类的目标的大小匹配那些预训练的数据集。这将减少训练时间和并得到更好的结果。检测大小为20×45的目标,使用同样大小的kernel可能并不一定是最有效的。将图像放大两倍并使用40×90的kernel,就可能真正提高性能。大物体的情况则相反。

F-RCNN的改进

因为在几乎所有你看到的关于网络之间的速度/准确性比较的图表中,F-RCNN总是在右上角,人们一直在努力提高这种体系结构的速度和准确性。我们将简要看一下不同的改进方法,以提高其准确性。

Small Object Detection in Optical Remote Sensing Images via Modified Faster RCNN

在本文中,作者做了几件事。首先,他们测试了不同的预训练骨干网络用于F-RCNN的小目标检测。结果表明,ResNet-50的效果最好。他们已经选择了最适合他们测试网络的数据集的最佳锚尺寸。此外,就像之前关于寻找小人脸的论文一样,使用物体周围的背景也显著有助于检测。最后,他们采用了从高到低结合特征的FPN方法。

然而,架构并不是他们唯一改变和创新的东西。训练过程也得到了改进,并对训练结果产生了很大的影响。第一个变化是为训练平衡数据集的特定方式。他们通过多次处理一些图像来平衡数据集,而不是让它保持原样,然后调整损失函数来进行均衡类别的学习。这使得每个时代的阶级分布更加均匀。他们改变的第二件事是添加了一个随机旋转。因此,它们不是将图像旋转90或180度,而是将图像旋转一个随机生成的角度,例如13.53。这需要重新计算边界框,你可以在原始论文中看到公式。

Small Object Detection with Multiscale Features

本文作者也使用Faster-RCNN作为主要网络。他们所做的修改与FPN的想法相似 —— 将高层的特征与低层的特征结合起来。但是,他们没有迭代地组合层,而是将它们连接起来,并对结果运行1×1卷积。这在作者提供的体系结构可视化中得到了最好的体现。

在结果表中,他们显示,与普通的Faster-RCNN相比,这种方法使mAP增加了0.1。

SOD-MTGAN: Small Object Detection via Multi-Task Generative Adversarial Network

首先,在读到这种方法的名称后,你可能会想:“等等,使用GAN来检测目标?”。但请耐心等待,这种方法的作者做了一件相当聪明的事情。你可能之前就想到过:“如果物体都很小,为什么我们不放大它们呢?”简单地使用插值将图像放大的问题在于,对于原来的5×5的模糊的像素,我们将得到10×10(或20×20,或任何你设置的倍增因子)甚至更模糊的像素。这在某些情况下可能有所帮助,但通常情况下,这以处理更大的图像和更长时间的训练为代价,提供了相对较小的性能提升。但是如果我们有一种方法可以放大图像同时保留细节呢?这就是GANs发挥作用的地方。你可能知道,它们被证明在放大图像时非常有效。所谓的超分辨率网络(SRN)可以可靠地将图像缩放到x4倍,如果你有时间训练它们并收集数据集的话,甚至可以更高。

但作者们也不仅仅是简单地使用SRN来提升图像,他们训练SRN的目的是创建图像,使最终的检测器更容易找到小物体,检测器与生成器一起训练。因此,这里的SRN不仅用于使模糊的图像看起来清晰,而且还用于为小物体创建描述性特征。正如你在之前的图中看到的,它工作得很好,提供了一个显著的提高准确性。

总结

今天我们学到的是:

小目标检测仍然不是一个完全解决的问题,

上下文问题

放大图像是个好主意

结合不同层的输出

检查预训练网络的数据集,更好地评估其性能和利用它。

原文标题:小目标检测的一些问题,思路和方案

文章出处:【微信公众号:机器视觉自动化】欢迎添加关注!文章转载请注明出处。

责任编辑:haq

原文标题:小目标检测的一些问题,思路和方案

文章出处:【微信号:jiqishijue2020,微信公众号:沃德普自动化】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

黑芝麻智能华山二号A1000 Pro流片成功

此次A1000 Pro流片成功也让黑芝麻智能成为国内唯一已经推出两款满足ISO26262车规功能安全....
发表于 07-28 14:50 66次 阅读
黑芝麻智能华山二号A1000 Pro流片成功

如何解决图神经网络中的过平滑问题

图神经网络图解指南图神经网络或简称 GNN 是用于图数据的深度学习 (DL) 模型。这些年来它们变得....
的头像 三星半导体互动平台 发表于 07-26 16:41 94次 阅读
如何解决图神经网络中的过平滑问题

信号处理与机器学习的结合论文

信号处理与机器学习的结合论文(itech可编程电源)-Tensor Decomposition fo....
发表于 07-26 13:32 7次 阅读
信号处理与机器学习的结合论文

BP(BackPropagation)反向传播神经网络介绍及公式推导

BP(BackPropagation)反向传播神经网络介绍及公式推导(电源和地电气安全间距)-该文档....
发表于 07-26 10:31 7次 阅读
BP(BackPropagation)反向传播神经网络介绍及公式推导

支付宝/微信瘫痪,市民购物用香烟抵账,河南暴雨揭开智慧城市“假面”

这几天,河南暴雨牵动着所有国人的心。一方有难八方支援,河北、山东、山西等数个省份,以及腾讯、百度、阿....
发表于 07-25 09:00 2050次 阅读
支付宝/微信瘫痪,市民购物用香烟抵账,河南暴雨揭开智慧城市“假面”

Cadence推出革命性新产品Cerebrus:完全基于机器学习,提供一流生产力和结果质量,拓展数字设计领导地位

随着 Cerebrus 加入到Cadence广泛的数字产品系列中,Cadence现在可以提供业界最先....
的头像 西西 发表于 07-23 16:37 386次 阅读
Cadence推出革命性新产品Cerebrus:完全基于机器学习,提供一流生产力和结果质量,拓展数字设计领导地位

当“教育信息化”遇见“光”,高校校园网建设新选择

7月21日,中国高等教育学会教育信息化分会指导,中国药科大学和锐捷网络联合主办的“育见·光——高校新....
发表于 07-23 11:52 1268次 阅读
当“教育信息化”遇见“光”,高校校园网建设新选择

开源网络协议分析器WireShark软件下载

开源网络协议分析器WireShark软件下载
发表于 07-23 09:22 12次 阅读
开源网络协议分析器WireShark软件下载

网络欺诈检测系统的应用优势是什么

根据普华永道2018年发布的一个经济犯罪调查显示,欺诈涉及数十亿美元的业务,并且每年都在增加:在他们....
发表于 07-23 09:20 93次 阅读
网络欺诈检测系统的应用优势是什么

ICME 2021|高性能、保护隐私的下一代生物识别之路

指纹识别是一种典型生物特征比对方式,一般来说有两种类型任务:第一种是验证,也称之为 1:1 的比对,....
发表于 07-20 14:33 1148次 阅读
ICME 2021|高性能、保护隐私的下一代生物识别之路

Vivado ML(机器学习) 2021尝鲜 精选资料分享

参考:UG973 (v2021.1)图:赛灵思全新 Vivado® ML 版Vivado 2021.1这个新版本的新增加的一些特:1、在IP这个层面的功能...
发表于 07-20 07:06 0次 阅读
Vivado ML(机器学习) 2021尝鲜  精选资料分享

VPN(虚拟专用网络)是什么,有哪些作用

VPN(虚拟专用网络))是传统因特网用户熟悉的缩写。一开始,VPN被用于企业内的安全连接网络。目前,....
发表于 07-15 10:19 199次 阅读
VPN(虚拟专用网络)是什么,有哪些作用

高焕堂老师:ML是如何鉴往知来,瞬间洞察(眼前及未来)(三)

ML从历史数据(资料)中学习,增广阅历,萃取经验,沉淀其精华,领悟其中之道,谓之「潜藏之规律」。然后将此道应用于眼前或未来...
发表于 07-14 16:21 202次 阅读
高焕堂老师:ML是如何鉴往知来,瞬间洞察(眼前及未来)(三)

高焕堂老师:ML是如何鉴往知来,瞬间洞察(眼前及未来)(二)

ML从历史数据(资料)中学习,增广阅历,萃取经验,沉淀其精华,领悟其中之道,谓之「潜藏之规律」。然后将此道应用于眼前或未来...
发表于 07-14 16:16 101次 阅读
高焕堂老师:ML是如何鉴往知来,瞬间洞察(眼前及未来)(二)

高焕堂老师:ML是如何鉴往知来,瞬间洞察(眼前及未来)(一)

ML从历史数据(资料)中学习,增广阅历,萃取经验,沉淀其精华,领悟其中之道,谓之「潜藏之规律」。然后将此道应用于眼前或未来...
发表于 07-14 16:14 172次 阅读
高焕堂老师:ML是如何鉴往知来,瞬间洞察(眼前及未来)(一)

基于STM32的机器学习(手势识别)精选资料分享

第一次写博客,希望能给研究单片机AI的同仁一个好的启示。如有不当,多多指正。STM32自从2019年开始发布AI库以来,网络上...
发表于 07-14 08:09 0次 阅读
基于STM32的机器学习(手势识别)精选资料分享

请问一下如何去打造一种机器学习流水线?

如何去打造一种机器学习流水线?有哪些步骤?...
发表于 07-14 06:26 0次 阅读
请问一下如何去打造一种机器学习流水线?

基于神经网络的图像边缘检测方案说明

为什么要提高图像边缘检测的精度? 图像识别已经应用于生产生活各个领域,如在人脸识别领域,提高图像检测....
发表于 07-13 15:39 1806次 阅读
基于神经网络的图像边缘检测方案说明

如何构建神经网络?

原文链接: 神经网络是一种基于现有数据创建预测的计算系统。如何构建神经网络?神经网络包括:输入层:根据现有数据获取输入的层...
发表于 07-12 08:02 0次 阅读
如何构建神经网络?

离散小波转换(DWT)深度神经网络是什么

论文信息2019Learning作者单位:美国莱斯大学(QS前100)&清华大学&香港大学数据集Goldwind Inc数据集Goldwind是中国最大的...
发表于 07-12 07:38 0次 阅读
离散小波转换(DWT)深度神经网络是什么

人工神经网络之深度学习

人类的好奇心是科学技术进步的源泉。飞机的发明就是人类对鸟类飞行的好奇心产生的,一开始是在奴隶的身上安装类似羽毛的纺织物,...
发表于 07-12 07:03 0次 阅读
人工神经网络之深度学习

深度神经网络是什么

多层感知机 深度神经网络in collaboration with Hsu Chung Chuan, Lin Min Htoo, and Quah Jia Yong. 与许忠传,林敏涛...
发表于 07-12 06:35 0次 阅读
深度神经网络是什么

电网络分析与综合电子版下载

电网络分析与综合电子版下载
发表于 07-09 09:28 43次 阅读
电网络分析与综合电子版下载

LoRaWAN网络协议中文版资源下载

LoRaWAN网络协议中文版资源下载
发表于 07-08 10:02 34次 阅读
LoRaWAN网络协议中文版资源下载

日行5万步 只为高可靠的无线零漫游网络

对于在某电商公司10 多万㎡仓储中心里负责IT运维的赵明来说,每年的618、双十一促销季都是一场攻坚....
的头像 话说科技 发表于 07-07 17:34 2848次 阅读
日行5万步 只为高可靠的无线零漫游网络

2.5G网卡和千兆网络相比具有哪些优势

一年一度的暑期再次来临,你原本平静的心是不是又开始蠢蠢欲动?《热血三国》《传奇荣耀》《斗破沙城》,只....
发表于 07-07 15:49 346次 阅读
2.5G网卡和千兆网络相比具有哪些优势

认真读完这21句话你的机器学习就算是入门了

【编者按】这是一篇关于机器学习工具包Scikit-learn的入门级读物。对于程序员来说,机器学习的....
的头像 ViTEX机器视觉 发表于 07-06 17:42 370次 阅读
认真读完这21句话你的机器学习就算是入门了

Marvell凭借业界首款5纳米数据处理器拓展OCTEON的领导地位

OCTEON 10系列集成安谋Neoverse N2内核,为性能和低功耗设定行业基准。
发表于 07-06 17:17 2044次 阅读
Marvell凭借业界首款5纳米数据处理器拓展OCTEON的领导地位

如何使用Python-OpenCV实现餐盘水果识别与计价的应用

导读本文主要介绍使用Python-OpenCV实现餐盘水果识别与计价的应用。 测试图像与说明 使用图....
的头像 ViTEX机器视觉 发表于 07-06 11:02 416次 阅读
如何使用Python-OpenCV实现餐盘水果识别与计价的应用

基于神经网络的图像边缘检测方案介绍

为什么要提高图像边缘检测的精度? 图像识别已经应用于生产生活各个领域,如在人脸识别领域,提高图像检测....
发表于 07-06 10:00 919次 阅读
基于神经网络的图像边缘检测方案介绍

为什么对于零件要进行精密的光学检测

为什么对于零件进行精密的光学检测 机械零件的尺寸大小和加工质量会影响零件之间的配合精密度,从而整个仪....
发表于 07-06 09:57 87次 阅读
为什么对于零件要进行精密的光学检测

华三H3C S1324G-PWR 24口千兆POE交换机原理图

华三H3C S1324G-PWR 24口千兆POE交换机原理图
发表于 07-06 09:14 42次 阅读
华三H3C S1324G-PWR 24口千兆POE交换机原理图

基于果蝇算法的混合小波神经网络交通流预测模型

基于果蝇算法的混合小波神经网络交通流预测模型
发表于 07-05 16:52 33次 阅读
基于果蝇算法的混合小波神经网络交通流预测模型

基于多通道时频信号的CNN智能故障诊断技术

基于多通道时频信号的CNN智能故障诊断技术
发表于 07-05 16:44 24次 阅读
基于多通道时频信号的CNN智能故障诊断技术

基于桥式吊车系统的分组自适应控制策略

基于桥式吊车系统的分组自适应控制策略
发表于 07-05 15:31 21次 阅读
基于桥式吊车系统的分组自适应控制策略

基于两步式理论框架实现机器学习的高通量微流控平台的构建

在材料科学领域,制备具有特定光学性能纳米材料的方法极为重要。近年来,机器学习方法已用于解决材料科学中....
的头像 微波射频网 发表于 07-05 11:44 352次 阅读
基于两步式理论框架实现机器学习的高通量微流控平台的构建

网络检测工具软件QuickPing安装程序下载

QuickPing是一款网络监测工具,支持批量快速ping局域网内IP,网络监控工程实用工具,选择要....
发表于 07-05 09:22 26次 阅读
网络检测工具软件QuickPing安装程序下载

基于双通道多特征融合的电力负荷智能感知综述

基于双通道多特征融合的电力负荷智能感知综述
发表于 07-02 17:09 29次 阅读
基于双通道多特征融合的电力负荷智能感知综述

赛灵思Vivado ML版优化应用设计

赛灵思近日宣布推出 Vivado ML 版,这是业内首个基于机器学习(ML )优化算法以及先进的面向....
的头像 FPGA干货 发表于 07-02 16:40 344次 阅读
赛灵思Vivado ML版优化应用设计

基于可变形卷积网络的恒星大气物理参数测量

基于可变形卷积网络的恒星大气物理参数测量
发表于 07-02 16:07 25次 阅读
基于可变形卷积网络的恒星大气物理参数测量

智能风控决策系统MOFD的性能特点及应用场景

互联网技术已经渗透到人们的日常生活中,各行各业的业务逐渐向线上转移,欺诈也随之转移,值得关注之一就是....
的头像 芯盾时代 发表于 07-02 15:39 319次 阅读
智能风控决策系统MOFD的性能特点及应用场景

基于残差神经网络的微型电机转子焊点图像检测

基于残差神经网络的微型电机转子焊点图像检测
发表于 07-02 14:56 32次 阅读
基于残差神经网络的微型电机转子焊点图像检测

改进VGG模型在苹果外观识别分类中的应用

改进VGG模型在苹果外观识别分类中的应用
发表于 07-02 14:52 26次 阅读
改进VGG模型在苹果外观识别分类中的应用

5G网络中用于传输SSR辅助数据的LPP消息格式

5G网络中用于传输SSR辅助数据的LPP消息格式
发表于 07-02 11:41 100次 阅读
5G网络中用于传输SSR辅助数据的LPP消息格式

基于BP神经网络的胰岛素评价模型

基于BP神经网络的胰岛素评价模型
发表于 07-02 11:20 19次 阅读
基于BP神经网络的胰岛素评价模型

未来十年安全边缘设备将会兴起 2021年仅是个开端

未来十年,安全边缘设备将会兴起……2021年仅仅标志着智能边缘时代的开端,这将是一个充满挑战性的漫长....
的头像 贸泽电子 发表于 07-02 10:56 354次 阅读
未来十年安全边缘设备将会兴起 2021年仅是个开端

DapuStor推出Haishen3 E1.S form factor 企业级SSD

近日,DapuStor推出Haishen3 E1.S form factor 企业级SSD。E1.S....
的头像 该帐号已冻结 发表于 07-02 09:52 351次 阅读
DapuStor推出Haishen3 E1.S form factor 企业级SSD

基于RNN的GIS故障预测算法及系统设计

基于RNN的GIS故障预测算法及系统设计
发表于 07-01 15:38 18次 阅读
基于RNN的GIS故障预测算法及系统设计

基于Mask RCNN的滤袋开口检测方法综述

基于Mask RCNN的滤袋开口检测方法综述
发表于 07-01 15:36 22次 阅读
基于Mask RCNN的滤袋开口检测方法综述

基于改进KH-ANFIS的海洋溶菌酶发酵浓度检测

基于改进KH-ANFIS的海洋溶菌酶发酵浓度检测
发表于 07-01 15:07 19次 阅读
基于改进KH-ANFIS的海洋溶菌酶发酵浓度检测

如何在训练过程中正确地把数据输入给模型

机器学习中一个常见问题是判定与数据交互的最佳方式。 在本文中,我们将提供一种高效方法,用于完成数据的....
的头像 XILINX开发者社区 发表于 07-01 10:47 232次 阅读
如何在训练过程中正确地把数据输入给模型

芯盾时代智能人机识别 CAPTCHA有哪些特色

芯盾时代智能人机识别 CAPTCHA 结合行为生物分析与机器学习技术,有效区分人机操作,根据风险程度....
的头像 芯盾时代 发表于 07-01 10:15 250次 阅读
芯盾时代智能人机识别 CAPTCHA有哪些特色

广和通携手涂鸦智能打造一站式人工智能物联网解决方案

全球领先的无线通信模组供应商广和通与领军IoT云平台涂鸦智能于上海正式签署合作伙伴协议,未来双方将不....
发表于 07-01 09:58 223次 阅读
广和通携手涂鸦智能打造一站式人工智能物联网解决方案

基于PyTorch的物体检测包围框数据增强包

像许多神经网络模型一样,目标检测模型在训练大量数据时效果最好。通常情况下,可用的数据有限,世界各地的....
的头像 ViTEX机器视觉 发表于 07-01 09:23 290次 阅读
基于PyTorch的物体检测包围框数据增强包

工控服务器概述、特点及应用

本期上海研强给大家分享的是工控服务器的特点介绍及应用领域,希望看完本篇文章您能对工控服务器有一个全新....
发表于 06-30 16:54 73次 阅读
工控服务器概述、特点及应用

基于多云网络架构的应用编排混合部署研究

基于多云网络架构的应用编排混合部署研究
发表于 06-30 15:50 30次 阅读
基于多云网络架构的应用编排混合部署研究

手机信号差的主要原因及解决方法

目前,中国已建成5G基站85万个,飞机上也将有5G网络了。不少网友说:“那为啥我家手机信号还这么差啊....
发表于 06-30 09:39 811次 阅读
手机信号差的主要原因及解决方法

空气质量检测仪的简单介绍

空气质量状况是目前人们最为关注的话题,空气质量检测仪【恒美 HM-Q06】是构成环境空气质量监测网络....
发表于 06-30 09:24 106次 阅读
空气质量检测仪的简单介绍

基于无线宽带的林业监控网络架构设计方案

基于无线宽带的林业监控网络架构设计方案
发表于 06-29 16:56 45次 阅读
基于无线宽带的林业监控网络架构设计方案