期刊文献+
共找到24篇文章
< 1 2 >
每页显示 20 50 100
基于VGG⁃19和MMD卷积神经网络模型的国画风格迁移
1
作者 徐子俊 胡予昕 +2 位作者 陆文浩 宋兴睿 刘哲 《现代计算机》 2024年第3期61-65,70,共6页
卷积神经网络因效果强大而被广泛应用于图像识别,在提取图像特征方面有极大的进步。由于风格迁移技术主要是针对西方油画,而国画是一种传统的中国艺术风格,其在风格迁移方向上缺乏广泛的应用。设计以国画代替西方油画作为风格图像,以自... 卷积神经网络因效果强大而被广泛应用于图像识别,在提取图像特征方面有极大的进步。由于风格迁移技术主要是针对西方油画,而国画是一种传统的中国艺术风格,其在风格迁移方向上缺乏广泛的应用。设计以国画代替西方油画作为风格图像,以自然景观照片作为内容图像,探究传统国画经过卷积神经网络后的提取效果。实验依据VGG算法模型并结合TensorFlow 2框架,对采集的数据集进行预处理,采集像素制成数据矩阵,输入VGG⁃19浅层模型进行训练,通过MMD最小化分布特征图差异,增强卷积层的目标效果。该方法取得比较满意的结果,可为风格迁移转换的研究提供更多参考。 展开更多
关键词 卷积层神经网络 VGG⁃19 MMD 风格迁移算法
下载PDF
多层卷积神经网络深度学习算法可移植性分析 被引量:3
2
作者 肖堃 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第3期420-424,共5页
在现实环境下,出现恶意用户或攻击者对机器学习算法的攻击;在应用过程中,机器学习算法也会受到物体形状、位移、尺度、光照、背景等因素的影响。针对这些使用过程中所产生的安全性问题,本文提出了基于多层卷积神经网络深度学习算法的图... 在现实环境下,出现恶意用户或攻击者对机器学习算法的攻击;在应用过程中,机器学习算法也会受到物体形状、位移、尺度、光照、背景等因素的影响。针对这些使用过程中所产生的安全性问题,本文提出了基于多层卷积神经网络深度学习算法的图像识别方法,并对其可移植性进行分析,通过对抗性训练提高模型泛化能力来防御对抗样例攻击。针对可用性攻击,在前向传播过程中,采用训练好的多层卷积神经网络深度学习模型自动提取输入图像特征,并利用模型权值共享、更新、下采样等操作对输入图像做降采样处理,降低计算复杂度;在反向传播过程中,利用delta法则和Fisher准则,以及基于类内距离和类间距离的能量约束函数实时调整多层卷积神经网络深度学习模型参数,计算模型输出层各个输出单元的残差,使模型权值能够更加快速收敛到有利于图像识别的最优值。测试结果表明:多层卷积神经网络深度学习算法在图像识别领域的应用具有识别准确率和鲁棒性较高,耗时较短的优点,从理论和实验2方面证明了算法的可移植性。 展开更多
关键词 卷积神经网络 深度学习算法 可移植性 分析 图像识别 拟合效果 delta法则 FISHER准则
下载PDF
基于多层卷积神经网络的变电站异常场景识别算法 被引量:11
3
作者 孟格格 高强 《电测与仪表》 北大核心 2018年第5期46-50,共5页
针对卷积神经网络对小样本识别率较低的问题,引入置信度的概念,提出了一种基于多层卷积神经网络的图像分类方法,简称M_CNN,并将其应用在变电站异常场景识别中。依据网络对小样本的识别情况,设置置信度判决函数,对在已训练好的单层网络... 针对卷积神经网络对小样本识别率较低的问题,引入置信度的概念,提出了一种基于多层卷积神经网络的图像分类方法,简称M_CNN,并将其应用在变电站异常场景识别中。依据网络对小样本的识别情况,设置置信度判决函数,对在已训练好的单层网络结构中难以识别的样本,重新进行特征的提取并训练下一层的网络,形成多层卷积神经网络结构,达到提高识别率的目的。在MNIST手写体数据库上对不同规模样本数进行实验,结果表明M_CNN模型在针对小样本识别时具有一定优越性,最后,将M_CNN模型应用在变电站异常场景识别中,取得了良好的效果。 展开更多
关键词 置信度 卷积神经网络 小样本 变电站 异常场景识别
下载PDF
糖熏鸡腿颜色快速精准识别的多层卷积神经网络模型研究 被引量:3
4
作者 王博 杨洪遥 +3 位作者 陆逢贵 陈子东 曹振霞 刘登勇 《食品与发酵工业》 CAS CSCD 北大核心 2021年第1期259-265,共7页
为快速精准识别糖熏鸡腿在熏制过程中产生的所有颜色,基于机器视觉技术,构建Xception-CNN模型用于熏鸡腿颜色的识别,同时应用Res Net-50、Inception和传统卷积神经网络(convolutional neural networks,CNN)等3种模型对比分析Xception-CN... 为快速精准识别糖熏鸡腿在熏制过程中产生的所有颜色,基于机器视觉技术,构建Xception-CNN模型用于熏鸡腿颜色的识别,同时应用Res Net-50、Inception和传统卷积神经网络(convolutional neural networks,CNN)等3种模型对比分析Xception-CNN模型对熏鸡腿颜色的识别效果。采集并经过图像预处理后,共得到不同颜色的熏鸡腿图像4 352张,作为4种模型的实验样本,随机选取其中的3 482张作为训练组,剩下的870张作为测试组。结果表明,4种模型的平均识别准确率分别为92%(Xception-CNN)、91%(Res Net-50)、89%(Inception)、87%(传统CNN);测试时间分别为1. 36 s(Xception-CNN)、0. 81 s(Res Net-50)、0. 98 s(Inception)、2. 48 s(传统CNN)。Xception-CNN模型对糖熏鸡腿图像的颜色识别准确率最高,达到92%,测试时间略高于Res Net-50模型和Inception模型,但低于传统CNN模型,仅需1. 36 s即可完成识别,此模型可以实现糖熏鸡腿颜色的快速精准识别,为糖熏工艺参数精准调控、保障产品颜色标准化等提供可靠依据。 展开更多
关键词 熏鸡 糖熏 颜色识别 机器视觉 卷积神经网络模型
下载PDF
基于卷积神经网络的图像识别系统 被引量:4
5
作者 李航 厉丹 +2 位作者 朱晨 姚瑶 张丽娜 《电脑知识与技术》 2020年第10期196-197,200,共3页
卷积神经网络是人工神经网络与深度学习相结合,从而实现深度学习的方法.其具有良好的容错性、自适应性以及较强的自学习能力,还具有自动提取特征、权值共享以及输入图像与网络结构结合良好等优势.基于卷积神经网络和深度学习的图像识别... 卷积神经网络是人工神经网络与深度学习相结合,从而实现深度学习的方法.其具有良好的容错性、自适应性以及较强的自学习能力,还具有自动提取特征、权值共享以及输入图像与网络结构结合良好等优势.基于卷积神经网络和深度学习的图像识别系统,首先对不同的图像进行采集,将采集的得到的结果作为训练集和测试集.通过卷积神经网络对采集结果的训练,得到用来识别的各类特征,识别的结果可以得到图像的类别信息. 展开更多
关键词 卷积层神经网络 深度学习 图像识别 图像分类 Alexnet构架
下载PDF
基于浅层卷积神经网络的面部表情识别
6
作者 张文杰 张在房 《计量与测试技术》 2021年第7期32-35,共4页
面部表情识别在人机交互等领域中发挥着重要作用,采用深度学习方法提高了模型精度,但过深的网络加大了计算成本,造成识别滞后和性能低下的问题。本文提出了一种浅层卷积神经网络模型,它受到Xception网络的启发,结合了残差模块和深度可... 面部表情识别在人机交互等领域中发挥着重要作用,采用深度学习方法提高了模型精度,但过深的网络加大了计算成本,造成识别滞后和性能低下的问题。本文提出了一种浅层卷积神经网络模型,它受到Xception网络的启发,结合了残差模块和深度可分离卷积,同时引入了功能模块与网络进行融合。微调后的网络结构简单、模型较小,在FER2013数据集上获得了66.12%的准确率,优于多个对比网络。最后,本文搭建了一个可视化系统来验证所提模型在自然场景下的性能,验证结果与实验结论一致。 展开更多
关键词 面部表情识别 卷积神经网络 可视化系统
下载PDF
基于多层卷积神经网络编解码的远程桌面模型优化设计
7
作者 晁培 曾伟 王颂 《软件》 2022年第10期82-87,共6页
远程桌面是一种实现计算机桌面远程控制的软件,随着机器学习技术的不断发展,逐渐有研究开始了对远程桌面的优化设计。为了提升远程桌面的编解码速度及同时使其运行机制得到优化,本次研究提出了以多层卷积神经网络为基础来设计编解码器,... 远程桌面是一种实现计算机桌面远程控制的软件,随着机器学习技术的不断发展,逐渐有研究开始了对远程桌面的优化设计。为了提升远程桌面的编解码速度及同时使其运行机制得到优化,本次研究提出了以多层卷积神经网络为基础来设计编解码器,并以此来提升远程桌面模型的整体性能优化。研究中首先利用多层卷积神经网络来实现图片压缩的优化,也就是实现编解码器的优化,并对卷积神经网络进行优化设计,并将基于多层神经网络的编解码器应用在远程桌面设计中,实现较优的图片压缩,最终构建出基于多层卷积神经网络编解码的远程桌面优化模型。经过测试,结果显示优化设计的卷积神经网络的损失率较低,并且基于卷积神经网络的编解码器的性能较优化前的性能而言,得到了较为明显的提升。此外从远程桌面软件的应用效果中可以得知,服务端的读取速度最高可以达到7.43m/s,并且通过参试者的实验,可以得知设计的远程桌面软件的使用率能在3个月内到90%以上,在加上集运专家的前景分析,可以得知软件的应用效果较好,并具有较为明朗的前景。研究结果为远程桌面控制研究提供了一定的理论支持。 展开更多
关键词 远程桌面 机器学习技术 编解码 卷积神经网络
下载PDF
浅层卷积神经网络结合弹性网用于定量分析拉曼光谱的血糖浓度
8
作者 骈斐斐 骈童喜 《黑龙江科学》 2024年第22期7-11,16,共6页
提出了一维浅层卷积神经网络结合弹性网的结构(1D-SCNN-EN)用于预测血液拉曼光谱中的血糖浓度,通过傅立叶变换(FT)拉曼光谱获得106组不同的血糖光谱。提出在全连接层上添加弹性网的一维浅层卷积神经网络,以捕获多个深层特征并降低模型... 提出了一维浅层卷积神经网络结合弹性网的结构(1D-SCNN-EN)用于预测血液拉曼光谱中的血糖浓度,通过傅立叶变换(FT)拉曼光谱获得106组不同的血糖光谱。提出在全连接层上添加弹性网的一维浅层卷积神经网络,以捕获多个深层特征并降低模型的复杂性。1D-SCNN-EN模型相比传统方法(偏最小二乘法和支持向量机)具有更好的性能。校正集的均方根误差(RMSEC)、预测集的均方根误差(RMSEP)、决定系数(R 2 P)和相对分析误差(RPD)分别为0.10262、0.11210、0.99403和12.94601。实验结果表明,相较于其他回归模型,1D-SCNN-EN模型具有更高的预测精度和更强的鲁棒性。在数据量较小的情况下,1D-SCNN-EN模型有望通过拉曼光谱预测血液中的血糖浓度。 展开更多
关键词 血糖 拉曼光谱 卷积神经网络 弹性网
下载PDF
多层感知卷积神经网络的国产多光谱影像分类 被引量:8
9
作者 朱瑞飞 马经宇 +5 位作者 李竺强 王栋 安源 钟兴 高放 孟祥玉 《光学学报》 EI CAS CSCD 北大核心 2020年第15期194-206,共13页
联合像元谱段信息与空间结构特征,提出一种适用于多光谱遥感影像像素级分类的多层感知卷积神经网络(MPCNet),并基于吉林1号光谱卫星(Jilin-1GP)影像,在印度纳西克研究区对地表覆盖分类算法进行性能测试。为保证实验的高可靠性,在相同时... 联合像元谱段信息与空间结构特征,提出一种适用于多光谱遥感影像像素级分类的多层感知卷积神经网络(MPCNet),并基于吉林1号光谱卫星(Jilin-1GP)影像,在印度纳西克研究区对地表覆盖分类算法进行性能测试。为保证实验的高可靠性,在相同时间段结合Landsat8、Sentinel-2A及HJ-1A影像进行同步分类来定性与定量评估。除此之外,选取三个当前流行算法支持向量机(SVM)、LightGBM、浅层卷积神经网络(CNN)进行算法性能比较。实验结果表明,在Jilin-1GP影像上的总体分类精度可达94.0%~95.8%,Kappa系数达到0.932~0.948。相比准确率较高的浅层CNN,MPCNet的总体分类精度提升3.7个百分点。 展开更多
关键词 遥感 光谱卫星 空间-光谱信息 感知卷积神经网络 分类评估
原文传递
采用多通道浅层CNN构建的多降噪器最优组合模型 被引量:1
10
作者 徐少平 林珍玉 +2 位作者 陈孝国 李芬 杨晓辉 《自动化学报》 EI CAS CSCD 北大核心 2022年第11期2797-2811,共15页
现有的一致性神经网络(Consensus neural network,CsNet)利用凸优化和神经网络技术将多个降噪算法(降噪器)输出的图像进行加权组合(融合),以获得更好的降噪效果,但该优化模型在降噪效果和执行效率方面仍有较大改进空间.为此,提出一种基... 现有的一致性神经网络(Consensus neural network,CsNet)利用凸优化和神经网络技术将多个降噪算法(降噪器)输出的图像进行加权组合(融合),以获得更好的降噪效果,但该优化模型在降噪效果和执行效率方面仍有较大改进空间.为此,提出一种基于轻量型多通道浅层卷积神经网络(Multi-channel shallow convolutional neural network,MSCNN)构建的多降噪器最优组合(Optimal combination of image denoisers,OCID)模型.该模型采用多通道输入结构直接接收由多个降噪器输出的降噪图像,并利用残差学习技术合并完成图像融合和图像质量提升两项任务.具体使用时,对于给定的一张噪声图像,先用多个降噪器对其降噪,并将降噪后图像输入OCID模型获得残差图像,然后将多个降噪图像的均值图像与残差图像相减,所得到图像作为优化组合后的降噪图像.实验结果表明,与CsNet组合模型相比,网络结构更为简单的OCID模型以更小的计算代价获得了图像质量更高的降噪图像. 展开更多
关键词 多降噪器最优组合 一致性神经网络 多通道浅卷积神经网络 降噪效果提升 执行效率
下载PDF
基于非侵入式多模态BCI的情绪识别与情感分析
11
作者 周晶 周丽丽 《自动化技术与应用》 2024年第4期186-188,共3页
为提高EEG识别准确率和控制可靠性,本文以非侵入式多模态脑机接口(BCI)系统进行分析,以浅层CNN对运动想象EEG进行分类,同时,提出了一种基于召回率选择控制指令刺激频率的新型策略,以结合MI和SSVEP实现稳定的输出。通过研究发现,浅层CNN... 为提高EEG识别准确率和控制可靠性,本文以非侵入式多模态脑机接口(BCI)系统进行分析,以浅层CNN对运动想象EEG进行分类,同时,提出了一种基于召回率选择控制指令刺激频率的新型策略,以结合MI和SSVEP实现稳定的输出。通过研究发现,浅层CNN可有效提高EEG识别准确率,新型控制策略降低了用户的疲劳阈值,使得多模态BCI信号能够实现更稳定的输出。这些方法在情绪识别、情感分析、康复和虚拟现实领域具有广泛的应用前景,为非侵入式BCI系统的进一步发展提供了新的思路和方法。 展开更多
关键词 非侵入式多模态BCI系统 卷积神经网络 EEG分类 召回率选择控制
下载PDF
包含跨域建模和深度融合网络的手绘草图检索 被引量:7
12
作者 于邓 刘玉杰 +2 位作者 邢敏敏 李宗民 李华 《软件学报》 EI CSCD 北大核心 2019年第11期3567-3577,共11页
在手绘草图检索(sketch-based image retrieval,简称SBIR)领域,引入一种手绘草图的新型检索模型.手绘草图与自然图片之间存在巨大的差异性,这是因为,与自然图片相比,手绘草图展现出高度抽象的视觉表达,用现有的方法对手绘草图进行特征提... 在手绘草图检索(sketch-based image retrieval,简称SBIR)领域,引入一种手绘草图的新型检索模型.手绘草图与自然图片之间存在巨大的差异性,这是因为,与自然图片相比,手绘草图展现出高度抽象的视觉表达,用现有的方法对手绘草图进行特征提取,其产生的特征描述子对于手绘草图的内容无法进行有效地拟合;对于相同的物体,不同的人群用手绘草图描述方式和表达也存在巨大的差距,这就使得手绘草图-自然图片的匹配更加困难;同时,将手绘草图与自然图片映射到相同视觉域的工作,也是一项具有困难的任务.所以,手绘草图检索技术是公认的比较有挑战性的任务.提出一种将手绘草图与自然图片在多个层次上映射到同一视觉域的策略来解决跨域的问题.同时,引入多层深度融合卷积神经网络(multi-layer deep fusion convolutional neural network)的框架来训练并获得手绘草图和自然彩色图片的多层特征表达.在Flickr15k图像数据库进行检索实验,实验结果显示,多层深度融合卷积网络学习到的特征的检索精度超过了现有的手工特征以及由自然图片或者手绘草图训练出来的卷积神经网络(convolutional neural network,简称CNN)的特征. 展开更多
关键词 手绘草图检索 跨域建模 深度融合卷积神经网络 特征融合 深度学习
下载PDF
融合CNN-SAM与GAT的多标签文本分类模型 被引量:6
13
作者 杨春霞 马文文 +1 位作者 陈启岗 桂强 《计算机工程与应用》 CSCD 北大核心 2023年第5期106-114,共9页
现有基于神经网络的多标签文本分类研究方法存在两方面不足,一是不能全面提取文本信息特征,二是很少从图结构数据中挖掘全局标签之间的关联性。针对以上两个问题,提出融合卷积神经网络-自注意力机制(CNNSAM)与图注意力网络(GAT)的多标... 现有基于神经网络的多标签文本分类研究方法存在两方面不足,一是不能全面提取文本信息特征,二是很少从图结构数据中挖掘全局标签之间的关联性。针对以上两个问题,提出融合卷积神经网络-自注意力机制(CNNSAM)与图注意力网络(GAT)的多标签文本分类模型(CS-GAT)。该模型利用多层卷积神经网络与自注意力机制充分提取文本局部与全局信息并进行融合,得到更为全面的特征向量表示;同时将不同文本标签之间的关联性转变为具有全局信息的边加权图,利用多层图注意力机制自动学习不同标签之间的关联程度,将其与文本上下文语义信息进行交互,获取具有文本语义联系的全局标签信息表示;使用自适应融合策略进一步提取两者特征信息,提高模型的泛化能力。在AAPD、RCV1-V2与EUR-Lex三个公开英文数据集上的实验结果表明,该模型所达到的多标签分类效果明显优于其他主流基线模型。 展开更多
关键词 多标签文本分类 卷积神经网络 自注意力机制 多头图注意力机制
下载PDF
基于ISCNN-LightGBM的轴承故障诊断 被引量:1
14
作者 张思源 纪洪泉 刘洋 《控制理论与应用》 EI CAS CSCD 北大核心 2023年第4期753-760,共8页
在传统卷积神经网络与分类器相结合的故障诊断方法中,CNN用于故障特征提取时,存在着提取的特征质量不高与运行时间较长的问题.针对以上问题,本文提出了一种基于改进单层卷积神经网络及LightGBM的故障诊断模型.该模型通过将特征距离函数... 在传统卷积神经网络与分类器相结合的故障诊断方法中,CNN用于故障特征提取时,存在着提取的特征质量不高与运行时间较长的问题.针对以上问题,本文提出了一种基于改进单层卷积神经网络及LightGBM的故障诊断模型.该模型通过将特征距离函数嵌入CNN的损失函数中,提升了CNN特征提取的能力,增强了CNN与后续分类器之间的联系,从而提升了整体模型的故障诊断能力.于此同时,经过改进的单层的卷积神经网络进一步缩短了模型运行的时间,提升了模型的诊断效率.通过对两个不同的公共数据集进行对比实验,其结果表明,本文所提诊断模型对多种轴承故障的诊断准确率与诊断效率显著高于其他诊断模型. 展开更多
关键词 故障诊断 滚动轴承 深度学习 卷积神经网络 轻量级梯度提升机
下载PDF
基于梅尔频率倒谱系数的音频分类研究 被引量:7
15
作者 屈晓渊 崔青 《电子设计工程》 2022年第9期82-87,92,共7页
梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)是一种符合人耳听觉特征,并与频率呈非线性对应关系的频谱特征,广泛应用在语音识别、音频特征分析等方面。对于目前广泛使用的通过单一特征进行音频分类的方法,存在分类准确... 梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)是一种符合人耳听觉特征,并与频率呈非线性对应关系的频谱特征,广泛应用在语音识别、音频特征分析等方面。对于目前广泛使用的通过单一特征进行音频分类的方法,存在分类准确度低、处理速度慢等方面的不足,提出了基于梅尔频率倒谱的音频分类算法,该算法对音频设定采样率,获取音频的时间序列,并根据时间序列提取梅尔频率倒谱系数特征,将获取的二维特征值进行数据拟合、标准化处理。构建多层卷积神经网络模型,将标准化处理后的梅尔频率倒谱系数特征作为网络的输入,通过交叉熵验证的方法,对模型的输出进行分类。通过实验数据可知,梅尔频率倒谱系数特征通过多层卷积网络处理后,分类结果准确率达到92.8%,使用模型进行分类时,速度达到每个样本7 ms的耗时,模型能对音频进行准确快速的分类。 展开更多
关键词 梅尔频率倒谱系数 音乐特征 音频分类 卷积神经网络
下载PDF
采用两阶段混合策略实现的低照度图像增强算法 被引量:3
16
作者 徐少平 陈孝国 +2 位作者 李芬 林珍玉 陈晓军 《电子学报》 EI CAS CSCD 北大核心 2021年第11期2166-2170,共5页
在深入分析现有各主流低照度图像增强(Low Light Image Enhancement,LLIE)算法的基础上,提出了一种采用两阶段混合策略实现的低照度图像增强(Hybrid LLIE,HLLIE)算法.具体地,在第一阶段,对于给定的低照度图像,利用互补效果较好的Fu和Yin... 在深入分析现有各主流低照度图像增强(Low Light Image Enhancement,LLIE)算法的基础上,提出了一种采用两阶段混合策略实现的低照度图像增强(Hybrid LLIE,HLLIE)算法.具体地,在第一阶段,对于给定的低照度图像,利用互补效果较好的Fu和Ying两个主流LLIE算法分别对其进行增强预处理,所得到的两张增强后图像称为初步增强图像;在第二阶段,将所得到的两张初步增强图像输入到预先训练好的多通道浅层卷积神经网络(Multi⁃channel Shallow Convolution Neural Network,MSCNN)模型中,由MSCNN模型将两张初步增强图像优化组合为一张具有更高图像质量的最终增强图像.实验结果表明:与各主流LLIE算法相比,所提出的HLLIE算法在各个客观图像质量评价指标上有显著优势,人工主观评价亦能证实这一点. 展开更多
关键词 低照度图像增强 两阶段混合策略 初步增强图像 多通道浅卷积神经网络 组合
下载PDF
基于STFT和DCNN的伤损识别方法 被引量:1
17
作者 刘宝玲 胡慧玲 姚先哲 《南昌工程学院学报》 CAS 2022年第6期41-46,共6页
为解决脉冲涡流检测(PECT)信号特征提取耗时且需要专家经验等问题,提出了一种基于短时傅里叶变换(STFT)和两层深度卷积神经网络(T-DCNN)的智能伤损识别方法。该法采用短时傅里叶变换将一维的PECT信号转换为二维时频信号;构建由两层卷积... 为解决脉冲涡流检测(PECT)信号特征提取耗时且需要专家经验等问题,提出了一种基于短时傅里叶变换(STFT)和两层深度卷积神经网络(T-DCNN)的智能伤损识别方法。该法采用短时傅里叶变换将一维的PECT信号转换为二维时频信号;构建由两层卷积层、BN层、池化层和全连接层构成的DCNN,并将二维时频信号作为输入,进行端对端伤损识别。结果表明,该法与其他经典网络构架的伤损识别方法(VGG11、VGG16)相比,具有精度高、耗时短等优点,更符合工程领域应用需求。 展开更多
关键词 伤损识别 脉冲涡流检测 短时傅里叶变换 深度卷积神经网络
下载PDF
混晶TiO2颗粒尺寸及相转变温度依存模型研究
18
作者 于成龙 刘航 +3 位作者 齐勇 李梦园 宋杰 程航 《陕西科技大学学报》 CAS 2020年第4期114-120,共7页
实验原料及方法对于制备的TiO2粉体的颗粒尺寸和相转变温度具有重要影响.本文搜集了近年来涉及TiO2相转变的相关文献,并探究了其实验所用钛源A、实验方法B对其颗粒尺寸C及相转变温度D的影响.结果表明,实验方法B对颗粒尺寸C的影响更显著... 实验原料及方法对于制备的TiO2粉体的颗粒尺寸和相转变温度具有重要影响.本文搜集了近年来涉及TiO2相转变的相关文献,并探究了其实验所用钛源A、实验方法B对其颗粒尺寸C及相转变温度D的影响.结果表明,实验方法B对颗粒尺寸C的影响更显著,实验所用钛源A对相转变温度D的影响更显著;与相转变温度D相比,钛源A及实验方法B对颗粒尺寸C的影响更显著;通过四层卷积神经网络建立了颗粒尺寸C及相转变温度D依存模型,并计算模型预测相转变温度Dp值与真实相转变温度D值的相对误差Re,除其中一组预测结果异常外,剩余29组的相对误差均不超过10%,最大相对误差为8.79%,预测结果准确率较高. 展开更多
关键词 混晶TiO2 相转变 卷积神经网络
下载PDF
浅层CNN网络构建的噪声比例估计模型
19
作者 徐少平 林珍玉 +2 位作者 李崇禧 崔燕 刘蕊蕊 《中国图象图形学报》 CSCD 北大核心 2020年第7期1344-1355,共12页
目的利用深度卷积神经网络(deep convolutional neural network,DCNN)构建的非开关型随机脉冲噪声(random-valued impulse noise,RVIN)降噪模型在降噪效果和执行效率上均比主流的开关型RVIN降噪算法更有优势,但在实际应用中,这类基于训... 目的利用深度卷积神经网络(deep convolutional neural network,DCNN)构建的非开关型随机脉冲噪声(random-valued impulse noise,RVIN)降噪模型在降噪效果和执行效率上均比主流的开关型RVIN降噪算法更有优势,但在实际应用中,这类基于训练(数据驱动)的降噪模型,其性能却受制于能否对待降噪图像受噪声干扰的严重程度进行准确的测定(即存在数据依赖问题)。为此,提出了一种基于浅层卷积神经网络的快速RVIN噪声比例预测(noise ratio estimation,NRE)模型。方法该预测模型的主要任务是检测待降噪图像中的噪声比例值并将其作为反映图像受噪声干扰严重程度的指标,依据NRE预测模型的检测结果可以自适应调用相应预先训练好的特定区间DCNN降噪模型,从而快速且高质量地完成图像降噪任务。结果分别在10幅常用图像和50幅纹理图像两个测试集上进行测试,并与现有的主流RVIN降噪算法中的检测模块进行对比。在常用图像测试集上,本文所提出的NRE预测模型的预测准确性最高。相比于噪声比例预测精度排名第2的算法,NRE预测模型在噪声比例预测值均方根误差上低0.6%~2.4%。在50幅纹理图像测试集上,NRE模型的均方根误差波动范围最小,表明其稳定性最好。通过在1幅大小为512×512像素图像上的总体平均执行时间来比较各个算法执行效率的优劣,NRE模型执行时间仅为0.02 s。实验数据表明:所提出的NRE预测模型在受各种不同噪声比例干扰的自然图像上均可以快速而稳定地测定图像中受RVIN噪声干扰的严重程度,非盲的DCNN降噪模型与其联用后即可无缝地转化为盲降噪算法。结论本文RVIN噪声比例预测模型在各个噪声比例下具有鲁棒的预测准确性,与基于DCNN的非开关型RVIN深度降噪模型配合使用后能妥善解决DCNN网络模型固有的数据依赖问题。 展开更多
关键词 随机脉冲噪声 噪声比例估计 卷积神经网络 非逐点模式 执行效率 盲降噪
原文传递
Neighborhood fusion-based hierarchical parallel feature pyramid network for object detection 被引量:3
20
作者 Mo Lingfei Hu Shuming 《Journal of Southeast University(English Edition)》 EI CAS 2020年第3期252-263,共12页
In order to improve the detection accuracy of small objects,a neighborhood fusion-based hierarchical parallel feature pyramid network(NFPN)is proposed.Unlike the layer-by-layer structure adopted in the feature pyramid... In order to improve the detection accuracy of small objects,a neighborhood fusion-based hierarchical parallel feature pyramid network(NFPN)is proposed.Unlike the layer-by-layer structure adopted in the feature pyramid network(FPN)and deconvolutional single shot detector(DSSD),where the bottom layer of the feature pyramid network relies on the top layer,NFPN builds the feature pyramid network with no connections between the upper and lower layers.That is,it only fuses shallow features on similar scales.NFPN is highly portable and can be embedded in many models to further boost performance.Extensive experiments on PASCAL VOC 2007,2012,and COCO datasets demonstrate that the NFPN-based SSD without intricate tricks can exceed the DSSD model in terms of detection accuracy and inference speed,especially for small objects,e.g.,4%to 5%higher mAP(mean average precision)than SSD,and 2%to 3%higher mAP than DSSD.On VOC 2007 test set,the NFPN-based SSD with 300×300 input reaches 79.4%mAP at 34.6 frame/s,and the mAP can raise to 82.9%after using the multi-scale testing strategy. 展开更多
关键词 computer vision deep convolutional neural network object detection hierarchical parallel feature pyramid network multi-scale feature fusion
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部