基于3D卷积双路神经网络的考场行为异常识别 被引量：3

1

作者 于明学 金鑫 +1 位作者 李晓东 吴亚明 《北京电子科技学院学报》 2018年第4期60-72,共13页

经过深入研究近年来发展迅速的深度学习技术,并学习卷积神经网络处理视频数据的方法本文,在传统3D卷积神经网络的基础上改进了网络结构。同时,考虑到考场采用双摄像头监控系统,可从不同视角观察考生的考试行为,本文提出了基于双路的考... 经过深入研究近年来发展迅速的深度学习技术,并学习卷积神经网络处理视频数据的方法本文,在传统3D卷积神经网络的基础上改进了网络结构。同时,考虑到考场采用双摄像头监控系统,可从不同视角观察考生的考试行为,本文提出了基于双路的考场异常行为识别方法。该方法结合了改进的3D卷积神经网络和双摄像头的监控系统,设计了新的双路网络结构的视频特征提取器,可以提取不同视角下的考生行为特征,并将双路网络提取到的行为特征向量进行融合。通过提取正常考试行为的特征向量,在LibSVM中训练出考场行为的分类器,该分类器可以对测试视频的特征向量进行分类,由此判断测试视频中是否存在异常行为。该方法使用双路视频特征进行异常识别,在考场行为数据集中有着较高的识别正确率。 展开更多

关键词 3D卷积 双路神经网络 异常行为检测

下载PDF 职称材料

基于双路射频指纹卷积神经网络与特征融合的雷达辐射源个体识别

2

作者 肖易寒 王博煜 +1 位作者 于祥祯 蒋伊琳 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3238-3245,共8页

为实现雷达辐射源个体识别不受信号参数、调制方式的影响,该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号;其次分别对Raw-I/Q两路信号进行... 为实现雷达辐射源个体识别不受信号参数、调制方式的影响,该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号;其次分别对Raw-I/Q两路信号进行轴向积分双谱(AIB)和围线积分双谱(SIB)降维以构建双谱积分矩阵;最后将Raw-I/Q信号及双谱积分矩阵共同送入Dual RFF-CNN2网络并进行特征融合以实现雷达辐射源个体识别。实验结果表明,该方法具有较高的识别准确率,提取的“指纹特征”具备稳定性、鲁棒性。 展开更多

关键词 雷达辐射源个体识别 双路射频指纹卷积神经网络 特征融合 指纹特征 原始I/Q信号

下载PDF 职称材料

基于双路式卷积神经网络的车辆与行人检测 被引量：1

3

作者 林少丹 李伙钦 洪朝群 《西华大学学报（自然科学版）》 CAS 2019年第2期19-24,共6页

针对低能见度状态下对车辆与行人的视觉特征难以提取的问题,提出一种将2路卷积神经网络融合从而实现对车辆与行人识别的方法。采用高斯背景差分法实现图像去模糊,在双路网络中分别采用不同尺寸的滤波器,调整滤波器的大小得到不同环境下... 针对低能见度状态下对车辆与行人的视觉特征难以提取的问题,提出一种将2路卷积神经网络融合从而实现对车辆与行人识别的方法。采用高斯背景差分法实现图像去模糊,在双路网络中分别采用不同尺寸的滤波器,调整滤波器的大小得到不同环境下图片的特征值,采用反向传播算法计算梯度。实验结果显示,与单路式卷积神经网络对比,在能见度低的环境中,该方法对车辆的辨识率提高至83. 49%,对行人的辨识率提高至87. 36%,表明在低能见度环境中,双路式卷积神经网络识别准确率高于单路式卷积神经网络。 展开更多

关键词 特征提取 单路式卷积神经网络 双路式卷积神经网络 反向传播算法 道路监控系统

下载PDF 职称材料

采用词向量注意力机制的双路卷积神经网络句子分类模型 被引量：9

4

作者 郭宝震 左万利 王英 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2018年第9期1729-1737,共9页

针对句子中不同的词对分类结果影响不同以及每个词对应的词向量受限于单一词向量训练模型的特点,提出一种基于词向量注意力机制的双路卷积神经网络句子分类模型(AT-DouCNN).该模型将注意力机制和卷积神经网络相结合,以不同训练算法得到... 针对句子中不同的词对分类结果影响不同以及每个词对应的词向量受限于单一词向量训练模型的特点,提出一种基于词向量注意力机制的双路卷积神经网络句子分类模型(AT-DouCNN).该模型将注意力机制和卷积神经网络相结合,以不同训练算法得到的词向量同时作为输入,分别进行卷积和池化,并在全连接层进行融合,不仅能够使得具体分类任务下句子中的关键信息更易被提取,还能够有效地利用不同种类的词向量得到更加丰富的句子特征,进而提高分类的准确率.实验结果表明:所提出的模型在3个公开数据集上的分类准确率分别达到50.6%、88.6%和95.4%,具有良好的句子分类效果. 展开更多

关键词 词向量 注意力机制 双路卷积神经网络 句子分类

下载PDF 职称材料

基于并行双路卷积神经网络的安全帽识别 被引量：9

5

作者 黄愉文 潘迪夫 《企业技术开发》 2018年第3期24-27,47,共5页

文章针对人工监看视频判断是否佩戴安全帽的低效率现状,改进LeNet_5,提出一种并行双路卷积神经网络方法识别安全帽。该方法在输入通道添加图像的HOG特征通道,然后通过两路输入图像尺寸和层次深度不同的卷积神经网络并将所得图像特征进... 文章针对人工监看视频判断是否佩戴安全帽的低效率现状,改进LeNet_5,提出一种并行双路卷积神经网络方法识别安全帽。该方法在输入通道添加图像的HOG特征通道,然后通过两路输入图像尺寸和层次深度不同的卷积神经网络并将所得图像特征进行串接融合,输入SVM识别人体,最后结合目标区域的颜色特征判别安全帽。实验结果表明,文中方法能更有效识别多姿态施工现场人员,并且适应多样的施工场景,达到0.867的安全帽识别率。 展开更多

关键词 LeNet5 并行双路卷积神经网络 特征融合 安全帽识别

下载PDF 职称材料

基于边缘的双路卷积神经网络及其可视化 被引量：4

6

作者 李雨冲 闫昭帆 严国萍 《计算机工程与科学》 CSCD 北大核心 2019年第10期1837-1845,共9页

为提高小尺度复杂图像识别准确率,通过对LeNet-5卷积神经网络并入一个新通道,让其处理与边缘有关的信息。结合两种通道产生的不同特征构造分类器,提出一种基于边缘的双路卷积神经网络,对小尺度复杂数据集进行识别。在包含10类产品数据... 为提高小尺度复杂图像识别准确率,通过对LeNet-5卷积神经网络并入一个新通道,让其处理与边缘有关的信息。结合两种通道产生的不同特征构造分类器,提出一种基于边缘的双路卷积神经网络,对小尺度复杂数据集进行识别。在包含10类产品数据上分类的结果表明,双路卷积神经网络的识别准确率远高于传统网络。最后通过神经网络可视化算法对双路卷积神经网络进行了可视化分析。 展开更多

关键词 图像模式识别 双路卷积神经网络 小尺度复杂图像 神经网络可视化

下载PDF 职称材料

基于双路卷积神经网络的人脸性别识别

7

作者 阴紫微 陈淑荣 《现代计算机》 2020年第24期64-68,85,共6页

为了解决近、远景下拍摄的图片中由于语义信息相差过大造成人脸性别识别准确率低的问题,建立一种双路卷积神经网络模型。首先模型分别采用深度不同的两路网络进行特征提取再融合以此丰富人脸特征语义信息;同时在模型中引入Slice和Eltwis... 为了解决近、远景下拍摄的图片中由于语义信息相差过大造成人脸性别识别准确率低的问题,建立一种双路卷积神经网络模型。首先模型分别采用深度不同的两路网络进行特征提取再融合以此丰富人脸特征语义信息;同时在模型中引入Slice和Eltwise层对特征映射图进行筛选以降低运算量;此外还采用AM-Softmax函数,进一步增大类间,缩小类内差异。模型分别在多个人脸数据集上进行实验,结果表明双路卷积神经网络模型对于提高近、远景下人脸的性别识别准确率有良好的效果。 展开更多

关键词 双路卷积神经网络 特征图融合 AM-Softmax分类函数 人脸性别识别

下载PDF 职称材料

深度神经网络蛋白质溶解性预测模型设计 被引量：1

8

作者 王鲜芳 刘依锋 +2 位作者 杜志勇 朱命冬 李启萌 《河南师范大学学报（自然科学版）》 CAS 北大核心 2021年第2期31-39,共9页

蛋白质溶解性是生物信息学领域的重要研究课题,通过分析蛋白质溶解性数据,结合特征提取和深度学习技术,设计多种卷积神经网络预测蛋白质溶解性的模型.使用CD-HIT对蛋白质原始数据进行降噪,并利用G-gap对每个样本进行张量化处理,得到适... 蛋白质溶解性是生物信息学领域的重要研究课题,通过分析蛋白质溶解性数据,结合特征提取和深度学习技术,设计多种卷积神经网络预测蛋白质溶解性的模型.使用CD-HIT对蛋白质原始数据进行降噪,并利用G-gap对每个样本进行张量化处理,得到适用于卷积神经网络的特征数据,作为模型其中一路网络的输入;为提高模型预测精度,对每个样本利用SCRATCH工具提取6维序列特征和51维结构特征作为额外特征,作为模型的另一路网络输入.依据数据特点,通过对卷积层的串并联结构调整组合,设计4种不同网络模型,实现蛋白质溶解性预测.通过对比试验确定网络结构和参数,结果表明基于深度双路卷积神经网络DDcCNN(Deep Dual-channel Convolutional Neural Networks)的蛋白质溶解性预测模型整体性能最优,其预测精度、查全率、查准率、MCC(Matthews Correlation Coefficient)等性能指标分别达到76.31%、65.31%、75.05%、0.55.并通过与基于传统的深度神经网络、支持向量机、随机森林、决策树建立的预测模型以及现有的研究成果进行比较试验,证明了本研究设计的有效性. 展开更多

关键词 深度双路卷积神经网络 蛋白质溶解性 G-gap二肽频率 预测模型

下载PDF 职称材料

基于BP神经网络的CVT暂态电压传递特性补偿技术 被引量：10

9

作者 谢施君 雷汉坤 +3 位作者 王乃会 潘曦宇 刘毅 林福昌 《高压电器》 CAS CSCD 北大核心 2022年第2期149-157,共9页

为兼顾操作冲击电压、雷电冲击电压作用下对CVT的补偿效果,针对CVT的操作、雷电冲击响应所含的频率分量相差较大,本文提出了一种基于分类器和双路BP神经网络还原CVT一次侧波形的方法。通过设置频率分点计算高于频率分点的小波能量曲线... 为兼顾操作冲击电压、雷电冲击电压作用下对CVT的补偿效果,针对CVT的操作、雷电冲击响应所含的频率分量相差较大,本文提出了一种基于分类器和双路BP神经网络还原CVT一次侧波形的方法。通过设置频率分点计算高于频率分点的小波能量曲线以区分冲击电压类型,进而将冲击电压响应输入对应的双路BP神经网络神经元。通过多组雷电、操作冲击电压波形对神经网络进行训练,并验证了该方法能够兼顾CVT的非线性,模型具有波形适应性。现场应用表明,该方法可以用来对CVT进行暂态电压传递特性补偿,为暂态电压监测与电力故障分析提供理论指导。 展开更多

关键词 CVT冲击响应 小波能量 双路BP神经网络 波形还原

下载PDF 职称材料

基于双路并行卷积信息融合的刀具磨损识别 被引量：2

10

作者 赵东旭 袁志响 +3 位作者 易思广 潘加港 张云鹏 卢文壮 《现代制造工程》 CSCD 北大核心 2024年第1期124-129,共6页

针对机械加工现场环境复杂多变,使用单一信号进行刀具磨损识别难以获取全面的刀具磨损特征信息的问题,提出一种同时利用声音信号和工件表面图像信息结合深度学习网络识别刀具磨损状态的方法。首先采集铣削加工过程中声音信号和工件表面... 针对机械加工现场环境复杂多变,使用单一信号进行刀具磨损识别难以获取全面的刀具磨损特征信息的问题,提出一种同时利用声音信号和工件表面图像信息结合深度学习网络识别刀具磨损状态的方法。首先采集铣削加工过程中声音信号和工件表面图像数据,然后使用双路并行卷积神经网络对声音信号和工件表面图像进行特征提取及融合,最后进行刀具磨损识别。结果表明,和单一信号识别结果相比,采用信息融合方法能获取更全面的刀具磨损特征信息,有利于增强刀具磨损识别效果,且刀具磨损识别准确率和F1-score均在95%以上,能有效识别刀具磨损状况。 展开更多

关键词 刀具磨损 磨损识别 信息融合 双路卷积神经网络

下载PDF 职称材料

基于双路并行时序学习模型的手语视频翻译

11

作者 李安阳 郭丹 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2021年第1期54-60,共7页

手语视频自动翻译是一个广义的序列到序列问题,其难点在于视频中视觉信息的识别不仅要考虑单帧,还要考虑连续帧的时序变化,同时还需特别注意各个手势转换之间的隐藏分割时刻点。文章针对连续手语句子的视频翻译,提出了一种基于联级时序... 手语视频自动翻译是一个广义的序列到序列问题,其难点在于视频中视觉信息的识别不仅要考虑单帧,还要考虑连续帧的时序变化,同时还需特别注意各个手势转换之间的隐藏分割时刻点。文章针对连续手语句子的视频翻译,提出了一种基于联级时序分类优化(connectionist temporal classification, CTC)的双路并行时序学习模型,包括卷积神经网络(convolutional neural network, CNN)和双向长短期记忆网络(bidirectional long short-term memory,BLSTM)并行的双路网络结构,其中:CNN模块专注于特征矩阵上的局部感知;BLSTM侧重于特征序列的时序建模,突出全局序列在时间维度上传递的内在关系。将两者模块输出的得分矩阵进行融合,结合CTC实现端对端的网络优化,能够同时有效兼顾视频中长时和短时的时空视觉信息。实验结果表明该方法对实现视频翻译任务有良好的效果。 展开更多

关键词 手语翻译 双路神经网络 时序卷积 序列学习 联级时序分类

下载PDF 职称材料

基于多层注意力机制的4DC-BGRU脑电情感识别 被引量：2

12

作者 张丽彩 李鸿燕 +1 位作者 司马飞扬 申雁 《电子测量技术》 北大核心 2023年第8期134-141,共8页

为了提高脑电情感识别的准确率,提取更丰富的特征信息,提升网络模型稳定性,提出一种改进的基于多层注意力机制的脑电情感识别模型。在特征提取方面,将原始脑电信号转换成四维空间-频谱-时间结构,提取丰富的脑电信息。在网络模型方面,构... 为了提高脑电情感识别的准确率,提取更丰富的特征信息,提升网络模型稳定性,提出一种改进的基于多层注意力机制的脑电情感识别模型。在特征提取方面,将原始脑电信号转换成四维空间-频谱-时间结构,提取丰富的脑电信息。在网络模型方面,构建双路卷积神经网络学习空间及频率信息,有效提取多尺度特征,增加网络宽度来学习更丰富的特征信息;在卷积层及池化层后融入批量归一化层,防止过拟合。最后,构建多层注意力机制-双向门控循环单元模块处理时间特征并配合Softmax分类。采用双向门控循环单元学习更全面的上下级特征信息。利用多层注意力机制使四维特征中不同时间切片与整体时间切片之间产生关联。该文在DEAP数据集唤醒度和效价两个维度进行了评估实验,二分类平均准确率分别为96.38%和96.73%,四分类平均准确率为93.78%。实验结果显示,与单路卷积神经网络及其他文献算法相比,该文算法的平均准确率有所提高,表明该算法可以有效提升脑电情感识别性能。 展开更多

关键词 脑电情感识别 双路卷积神经网络 多尺度特征 多层注意力机制 双向门控循环单元

原文传递

基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断 被引量：1

13

作者 冯东洋 姜春英 +2 位作者 鲁墨武 叶长龙 李胜宇 《航空动力学报》 EI CAS CSCD 北大核心 2024年第1期187-199,共13页

针对飞机起落架液压系统故障诊断精度低,深层故障特征提取困难的问题,提出了一种基于双路特征融合卷积神经网络(TSFFCNN)与粒子群优化支持向量机(PSO-SVM)结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入... 针对飞机起落架液压系统故障诊断精度低,深层故障特征提取困难的问题,提出了一种基于双路特征融合卷积神经网络(TSFFCNN)与粒子群优化支持向量机(PSO-SVM)结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入,采用一维卷积神经网络(1DCNN)与二维卷积神经网络(2DCNN)并行多通道网络结构自适应提取深层特征信息,并在融合层将深层特征信息融合,通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果,基于AMESim搭建了典型飞机起落架液压系统仿真模型,构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明,所提故障诊断算法精度能达到99.37%,能够有效实现起落架液压系统故障诊断;与其他智能算法对比,基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性,诊断精度更高。 展开更多

关键词 飞机起落架液压系统 特征融合 故障诊断 双路特征融合卷积神经网络(TSFFCNN) 粒子群优化支持向量机(PSO-SVM)

原文传递