基于级联卷积神经网络的复杂花色布匹瑕疵检测算法 被引量：8

1

作者 孟志青 邱健数 《模式识别与人工智能》 EI CSCD 北大核心 2020年第12期1135-1144,共10页

当布匹的背景信息复杂多变时,复杂花色布匹的瑕疵定位与分类较为困难.针对这一问题,文中提出基于级联卷积神经网络的复杂花色布匹瑕疵检测算法.首先,使用双路残差的骨干特征提取网络,在缺陷图和模板图上提取并融合特征.然后,设计密度聚... 当布匹的背景信息复杂多变时,复杂花色布匹的瑕疵定位与分类较为困难.针对这一问题,文中提出基于级联卷积神经网络的复杂花色布匹瑕疵检测算法.首先,使用双路残差的骨干特征提取网络,在缺陷图和模板图上提取并融合特征.然后,设计密度聚类边框生产器,指导框架中区域候选网络的预检测框设计.最后,通过级联回归方法完成瑕疵的精确定位和分类.采用工业现场采集的布匹图像数据进行训练与预测,结果表明,文中算法的精准率和召回率较高. 展开更多

关键词 布匹瑕疵检测 级联卷积神经网络 目标检测 瑕疵分类

下载PDF 职称材料

基于级联卷积神经网络的前列腺磁共振图像分类 被引量：10

2

作者 刘可文 刘紫龙 +4 位作者 汪香玉 陈黎 李钊 吴光耀 刘朝阳 《波谱学杂志》 CAS 北大核心 2020年第2期152-161,共10页

针对深度学习训练成本高,以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于级联卷积神经网络(Convolutional Neural Network,CNN)和磁共振图像的前列腺癌(Prostate Cancer,PCa)自动分类诊断方... 针对深度学习训练成本高,以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于级联卷积神经网络(Convolutional Neural Network,CNN)和磁共振图像的前列腺癌(Prostate Cancer,PCa)自动分类诊断方法,该网络以Faster-RCNN作为前网络,对前列腺区域进行提取分割,用于排除前列腺附近组织器官的干扰;以基于ResNet改进的网络结构CNN40bottleneck作为后网络,用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成,其中使用批量标准化(Batch Normalization,BN)、全局平均池化(Global Average Pooling,GAP)进行优化.实验结果证明,本文方法对前列腺癌诊断结果较好,而且缩减了训练时间和参数量,有效降低了训练成本. 展开更多

关键词 磁共振成像(MRI) 级联卷积神经网络(Cascaded CNN) 前列腺癌(PCa) 分类

下载PDF 职称材料

基于级联卷积神经网络的手势特征提取方法 被引量：1

3

作者 陈金龙 瞿元昊 +3 位作者 杨明浩 强保华 唐仁俊 朱庆杰 《计算机应用》 CSCD 北大核心 2020年第S01期74-79,共6页

针对当前手势图像数据集不能均匀、全面地覆盖所有手势参数空间内的各种手势的问题,提出一种基于级联卷积神经网络的手势特征提取方法。该方法通过级联式模型,分层次地对高维度、高自由度的手势参数进行特征感知和提取。首先,将手腕角... 针对当前手势图像数据集不能均匀、全面地覆盖所有手势参数空间内的各种手势的问题,提出一种基于级联卷积神经网络的手势特征提取方法。该方法通过级联式模型,分层次地对高维度、高自由度的手势参数进行特征感知和提取。首先,将手腕角度参数作为手势参数的全局参数,进行划分和特征提取;然后,将手指角度参数作为局部参数,进行特征提取。为解决局部参数特征提取网络数量过多的问题,减少神经网络的数量和节约训练网络所需的时间与内存开销,采用多分支结构的神经网络模型,将五个手指的局部特征提取网络集成为一个整体。实验结果表明,所提方法在真实训练集上平均分类准确率达到95.13%,测试集平均准确率达到54%,测试集准确率相较于全卷积神经网络的算法提高了4.76个百分点。 展开更多

关键词 手势主方向 特征提取 多分支结构 级联卷积神经网络 手势数据集

下载PDF 职称材料

一种改进的多任务级联卷积神经网络人脸检测算法 被引量：3

4

作者 李艳灵 王莎莎 杨志鹏 《信阳师范学院学报（自然科学版）》 CAS 北大核心 2022年第4期651-655,共5页

多任务级联的卷积神经网络(Multi-task Convolutional Neural Network,MTCNN)人脸检测算法因兼顾了检测的速度与准确率经常被用在一些人脸识别任务上,但是面对一些复杂的人脸检测任务,该网络检测的实时性与准确性仍然达不到实际要求。... 多任务级联的卷积神经网络(Multi-task Convolutional Neural Network,MTCNN)人脸检测算法因兼顾了检测的速度与准确率经常被用在一些人脸识别任务上,但是面对一些复杂的人脸检测任务,该网络检测的实时性与准确性仍然达不到实际要求。为解决这一问题,提出了一种改进的多任务级联卷积神经网络人脸检测算法。该方法对MTCNN中的R-Net和O-Net模块进行了改进,将这两个网络模块的NMS算法优化成Better-NMS算法,即重新对图像候选框的分类置信度进行修改,避免了对于IOU大于预设阈值的人脸候选框的漏检。在WIDER Face和FDDB数据集上,将所提出的改进的级联卷积神经网络人脸检测算法及其他对比算法进行了训练与评测。实验结果表明:该改进算法能在人脸检测过程中更好地排除冗余的候选框,保留精准度更高的回归窗口,可以在不损耗其鲁棒性的同时提高了人脸检测的准确率。 展开更多

关键词 级联卷积神经网络 非极大值抑制 人脸检测 算法

下载PDF 职称材料

一种改进的多任务级联卷积神经网络人脸检测算法 被引量：2

5

作者 刘彩云 李雅雯 刘倩 《长江大学学报（自然科学版）》 2021年第6期111-118,共8页

人脸识别是人工智能的重要应用领域之一,人脸检测是人脸识别的关键步骤。由于姿势变化、外物遮挡以及光源方向等多方面因素的影响,人脸检测的准确率不高,并且对于多人图片,往往很难准确地识别出所有人脸。提出了一种改进的多任务级联卷... 人脸识别是人工智能的重要应用领域之一,人脸检测是人脸识别的关键步骤。由于姿势变化、外物遮挡以及光源方向等多方面因素的影响,人脸检测的准确率不高,并且对于多人图片,往往很难准确地识别出所有人脸。提出了一种改进的多任务级联卷积神经网络的人脸检测算法(IMTCNN):对R-Net层网络集成图片信息卷积残差模块,通过扩大特征图的感受野来获取更多人脸信息,以提升R-Net层网络对人脸目标的检测鲁棒性,并且通过加入反卷积层和最大池化层解决特征融合时维度不一致问题;对O-Net层网络集成图片信息卷积残差模块,进一步提升对多人图片的人脸检测性能,降低人脸检测过程中受外部条件影响产生的误差,同时添加2个卷积池化层使特征融合时维度一致。通过改进R-Net层和O-Net层集成图片信息卷积残差模块,扩大特征图的感受野,对图片进行人脸候选框定、选区筛选以及人脸关键点定位,最终实现人脸检测。试验结果表明,该算法速度快,准确性高,并且可以一次性检测多张人脸,为后续人脸识别打下了良好的基础。 展开更多

关键词 级联卷积神经网络 图片信息卷积残差模块 P-Net层 R-Net层 O-Net层 人脸检测 人脸关键点 定位

下载PDF 职称材料

级联卷积神经网络的遥感影像飞机目标检测 被引量：21

6

作者 余东行 郭海涛 +2 位作者 张保明 赵传 卢俊 《测绘学报》 EI CSCD 北大核心 2019年第8期1046-1058,共13页

传统遥感影像飞机目标检测算法依赖于人工设计特征,对大范围复杂场景和多尺度的飞机目标稳健性较差,基于深层卷积神经网络的目标检测算法通常难以有效应对大幅影像的目标搜索和弱小目标检测问题,针对上述问题,本文提出了一种基于级联卷... 传统遥感影像飞机目标检测算法依赖于人工设计特征,对大范围复杂场景和多尺度的飞机目标稳健性较差,基于深层卷积神经网络的目标检测算法通常难以有效应对大幅影像的目标搜索和弱小目标检测问题,针对上述问题,本文提出了一种基于级联卷积神经网络的遥感影像飞机目标检测算法。首先根据全卷积神经网络能够支持输入任意大小图像的特点,采用小尺度浅层全卷积神经网络对整幅影像进行遍历和搜索,快速获取疑似飞机目标作为兴趣区域,然后利用较深层的卷积神经网络对兴趣区域进行更精确的目标分类与定位。为提高卷积神经网络对地物目标的辨识能力,在卷积层中引入多层感知器,并在训练过程中采取多任务学习与离线难分样本挖掘的策略;在测试阶段,建立影像金字塔进行多级搜索,并结合非极大值抑制消除冗余窗口,从而实现由粗到精的飞机目标检测与识别。对多个数据集下多种复杂场景的遥感影像进行测试,结果表明,本文方法具有较高的准确性和较强的稳健性,可为大幅遥感影像的飞机目标检测问题提供一个快速高效的解决方案。 展开更多

关键词 飞机检测 遥感影像 级联卷积神经网络 难分样本挖掘 深度学习

下载PDF 职称材料

尺度无关的级联卷积神经网络人脸检测算法 被引量：6

7

作者 郑成浩 刘兵 周勇 《计算机应用研究》 CSCD 北大核心 2019年第2期593-597,605,共6页

卷积神经网络在进行图片处理时需要输入固定尺寸大小的图片,该限制会导致原图在缩放过程中损失大部分信息。另外,目前人脸检测算法多用单一结构网络进行特征提取,这就使得算法的泛化能力较弱。针对以上两个问题,提出了一种将级联卷积神... 卷积神经网络在进行图片处理时需要输入固定尺寸大小的图片,该限制会导致原图在缩放过程中损失大部分信息。另外,目前人脸检测算法多用单一结构网络进行特征提取,这就使得算法的泛化能力较弱。针对以上两个问题,提出了一种将级联卷积神经网络与空间金字塔池化相结合的人脸检测算法。该方法将三级卷积神经网络模型连接起来,其中三级神经网络模型之间各不相同,结构从简单到复杂,在不同层次的神经网络上提取不同的人脸特征并筛选图片,完成对图片中人脸区域的检测。同时,在每级网络层次中加入空间金字塔池化层,这种池化策略无须固定尺寸大小的输入,增加了模型输入的尺寸选择。在标准人脸数据集中,该方法相对于传统方法实现了模型的多尺度输入,提升了检测性能,并降低了检测人脸的时间。 展开更多

关键词 级联卷积神经网络 空间金字塔池化 人脸检测

下载PDF 职称材料

基于级联卷积神经网络的图像篡改检测算法 被引量：8

8

作者 毕秀丽 魏杨 +2 位作者 肖斌 李伟生 马建峰 《电子与信息学报》 EI CSCD 北大核心 2019年第12期2987-2994,共8页

基于卷积神经网络的图像篡改检测算法利用卷积神经网络的学习能力可以实现不依赖于单一图像属性的图像篡改检测,弥补传统图像篡改检测方法依赖单一图像属性、适用度不高的缺陷。利用深层多神经元的单一网络结构的图像篡改检测算法虽然... 基于卷积神经网络的图像篡改检测算法利用卷积神经网络的学习能力可以实现不依赖于单一图像属性的图像篡改检测,弥补传统图像篡改检测方法依赖单一图像属性、适用度不高的缺陷。利用深层多神经元的单一网络结构的图像篡改检测算法虽然可以学习更高级的语义信息,但检测定位篡改区域效果并不理想。该文提出一种基于级联卷积神经网络的图像篡改检测算法,在卷积神经网络所展示出来的普遍特性的基础上进一步探究其深层次的特性,利用浅层稀神经元的级联网络结构弥补以往深层多神经元的单一网络结构在图像篡改检测中的缺陷。该文提出的检测算法由级联卷积神经网络和自适应筛选后处理两部分组成,级联卷积神经网络实现分级式的篡改区域定位,自适应筛选后处理对级联卷积神经网络的检测结果进行优化。通过实验对比,该文算法展示了较好的检测效果,且具有较高的鲁棒性。 展开更多

关键词 图像篡改检测 级联卷积神经网络 浅层稀神经元 级联网络结构 自适应筛选后处理

下载PDF 职称材料

基于级联卷积神经网络的荧光免疫层析图像峰值点定位方法研究 被引量：3

9

作者 张栋 杜康 +2 位作者 韩文念 李秀梅 汪曣 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第1期217-227,共11页

针对目前荧光免疫层析定量图像峰值点定位易受多种因素影响,导致物质定量准确度低的问题,提出了一种融合目标检测的级联卷积神经网络(CNN)算法。第一层级联算法首先使用经改进的AlexNet算法对荧光免疫层析定量图像中包含质控(C)峰和检测... 针对目前荧光免疫层析定量图像峰值点定位易受多种因素影响,导致物质定量准确度低的问题,提出了一种融合目标检测的级联卷积神经网络(CNN)算法。第一层级联算法首先使用经改进的AlexNet算法对荧光免疫层析定量图像中包含质控(C)峰和检测(T)峰的区域进行检测和提取。之后将提取到的图像区域送入第二层级联卷积神经网络中,对C峰和T峰的位置进行快速定位。随后将定位结果输入到第三层级联卷积神经网络中,对上一层输出的C峰和T峰的定位结果进行精准微调。最后输出C峰和T峰的准确定位信息。实验结果表明,提出的级联卷积神经网络算法,对荧光免疫层析图像峰值点的平均定位准确度达到了96%以上,提高了峰值点的定位准确度。 展开更多

关键词 荧光免疫层析 目标检测 峰值点定位 级联卷积神经网络

原文传递

基于级联卷积神经网络的彩色图像三维手势估计 被引量：1

10

作者 刘玮 戴仕明 +2 位作者 杨文姬 杨红云 钱文彬 《小型微型计算机系统》 CSCD 北大核心 2020年第3期558-563,共6页

估计手的三维姿态是人机交互中重要的组成部分.针对从单个彩色图像估计准确的三维手势困难这一问题,提出了一种基于级联卷积神经网络的估计方法,该级联网络分三阶段,手部掩膜估计、二维手势估计和三维手势估计,三阶段级联网络进行端到... 估计手的三维姿态是人机交互中重要的组成部分.针对从单个彩色图像估计准确的三维手势困难这一问题,提出了一种基于级联卷积神经网络的估计方法,该级联网络分三阶段,手部掩膜估计、二维手势估计和三维手势估计,三阶段级联网络进行端到端的训练,可以实现相互促进,最终优化三维手势估计的准确性.在两个公共数据集上进行了实验,实验结果表明该级联网络产生了卓越的三维手势估计精度,验证了该级联网络的有效性. 展开更多

关键词 级联卷积神经网络 手势估计 三维手姿态 彩色图像

下载PDF 职称材料

基于级联卷积神经网络的作物病害叶片分割 被引量：7

11

作者 王振 张善文 赵保平 《计算机工程与应用》 CSCD 北大核心 2020年第15期242-250,共9页

针对传统卷积神经网络在作物病害叶片图像中分割精度低的问题,提出一种基于级联卷积神经网络(Cascade Convolutional Neural Network,CCNN)的作物病害叶片图像分割方法。该网络由区域病斑检测网络和区域病斑分割网络组成。基于传统VGG1... 针对传统卷积神经网络在作物病害叶片图像中分割精度低的问题,提出一种基于级联卷积神经网络(Cascade Convolutional Neural Network,CCNN)的作物病害叶片图像分割方法。该网络由区域病斑检测网络和区域病斑分割网络组成。基于传统VGG16模型构建区域病斑检测网络(Regional Detection Network,RD-net),利用全局池化层代替全连接层,由此减少模型参数,实现叶片病斑区域精确定位。基于Encoder-Decoder模型结构建立区域分割网络(Regional Segmentation Network,RS-net),并利用多尺度卷积核提高原始卷积核的局部感受野,对病斑区域精确分割。在不同环境下的病害叶片图像上进行分割实验,分割精度为87.04%、召回率为78.31%、综合评价指标值为88.22%、单幅图像分割速度为0.23 s。实验结果表明该方法能够满足不同环境下的作物病害叶片图像分割需求,可为进一步的作物病害识别方法研究提供参考。 展开更多

关键词 卷积神经网络 图像分割 作物病害 级联卷积神经网络

下载PDF 职称材料

基于级联卷积神经网络的服饰关键点定位算法 被引量：6

12

作者 李锵 姚麟倩 关欣 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2020年第3期229-236,共8页

随着深度学习的发展,使用深度卷积神经网络进行关键点定位受到了广泛关注.虽然在人体姿态、人脸识别等多个方面的关键点定位技术已经获得了长足的发展,但是应用于服饰的关键点定位由于其图像背景以及姿态等的多变性依然面临很大的挑战.... 随着深度学习的发展,使用深度卷积神经网络进行关键点定位受到了广泛关注.虽然在人体姿态、人脸识别等多个方面的关键点定位技术已经获得了长足的发展,但是应用于服饰的关键点定位由于其图像背景以及姿态等的多变性依然面临很大的挑战.服饰关键点定位技术在电商以及时尚搭配等方面有很大应用价值,本文将关键点定位应用于时尚领域,提出一种基于级联卷积神经网络的服饰关键点定位算法.该算法的目的是通过级联的两级卷积神经网络,实现对服饰关键点的初步定位以及对困难关键点的定位调整.算法的第1级以深度残差网络作为特征提取网络,在特征金字塔结构中引入空洞卷积,解决高层特征图感受野大但是空间分辨率低的问题,从而保留更多图像底层细节信息,实现对关键点的初步定位;第2级将第1级网络得到的定位结果作为关键点之间的结构先验,结合沙漏网络提取多尺度特征,对困难关键点进行精细调整,进一步提高定位精度.实验选用2018Fashion AI服饰关键点定位数据集进行训练和测试,将该数据集中对服饰关键点定位的平均归一化误差结果降低到3.56%,充分验证了算法的有效性.与几种常见关键点定位算法进行对比,本文算法在服饰关键点定位任务中取得最好效果,尤其是提高了对困难关键点的定位精度. 展开更多

关键词 级联卷积神经网络 空洞卷积 沙漏网络 关键点定位

下载PDF 职称材料

基于级联卷积神经网络的沥青混凝土吸水状况推测方法

13

作者 李家胜 《西部交通科技》 2021年第11期10-14,61,共6页

针对传统推测方法在复杂环境下无法实现数据共享,使数据重复出现,导致吸水状况推测精准度低的问题,文章提出了基于级联卷积神经网络的沥青混凝土吸水状况推测方法。根据沥青混凝土结构,确定三级网络推测形式:通过第一级网络依据级联卷... 针对传统推测方法在复杂环境下无法实现数据共享,使数据重复出现,导致吸水状况推测精准度低的问题,文章提出了基于级联卷积神经网络的沥青混凝土吸水状况推测方法。根据沥青混凝土结构,确定三级网络推测形式:通过第一级网络依据级联卷积神经网络推测原理,分析吸水率与常压、正压环境关系,确定压力对混凝土的吸水影响,获取沥青混凝土吸水率;通过第二、三级网络可过滤不符合实际的情况,剔除大量冗余数据,避免重复数据出现。由实验结果可知,使用该方法在常压环境下与标准值最大误差为0.5%,在正压环境下与标准值一致,具有精准推测效果。 展开更多

关键词 级联卷积神经网络 沥青混凝土 吸水状况 推测

下载PDF 职称材料

改进级联卷积神经网络的预标注方法

14

作者 叶叶 《现代计算机》 2022年第23期25-31,共7页

针对目标检测算法中需要人工标注数据,且存在人工成本高、时间成本高、标注效果一般的问题,提出一种基于级联卷积神经网络的图像预标注方法。级联卷积神经网络是目前最先进的目标检测算法之一,将级联卷积神经网络的输入层修改成多尺度... 针对目标检测算法中需要人工标注数据,且存在人工成本高、时间成本高、标注效果一般的问题,提出一种基于级联卷积神经网络的图像预标注方法。级联卷积神经网络是目前最先进的目标检测算法之一,将级联卷积神经网络的输入层修改成多尺度方式以及将RPN层采用Anchor Free的方式来提出预检测框,并在公开数据集VOC2007及VOC2012上进行训练和测试,IoU为0.5,FPPI为0.3时,在VOC2007和VOC2012数据集上的recall分别达到了64.52%和65.71%。实验表明,改进后的级联卷积神经网络算法模型具有更高的检测召回率、更低的计算量,对于目标检测预标注来说可以降低人工操作的复杂度,提升标注效率。 展开更多

关键词 级联卷积神经网络 预标注方法 多尺度 RPN层

下载PDF 职称材料

基于级联卷积神经网络的非笛卡尔磁共振重建

15

作者 覃芹 张利 +2 位作者 张达敏 蔡宇佳 冉文兵 《智能计算机与应用》 2022年第12期147-152,共6页

非笛卡尔磁共振重建是加速磁共振成像一种重要方法,是临床诊疗中不可或缺的工具。然而非笛卡尔磁共振重建受重建算法的影响导致其重建质量较差。针对非笛卡尔磁共振重建质量较差的问题,本文提出了一种基于密度补偿的级联卷积网络,本方... 非笛卡尔磁共振重建是加速磁共振成像一种重要方法,是临床诊疗中不可或缺的工具。然而非笛卡尔磁共振重建受重建算法的影响导致其重建质量较差。针对非笛卡尔磁共振重建质量较差的问题,本文提出了一种基于密度补偿的级联卷积网络,本方法属于跨域网络,利用非均匀快速傅里叶变换层连接图像空间和测量空间。测量空间利用数据一致层来保证数据的一致性,图像空间利用卷积层来提取特征信息,其中卷积去噪自编码器用于提取高频信息,以重建出更多的细节部分。为了验证方法的有效性,在fastMRI单线圈膝盖数据集上进行实验,本文提出方法在4倍加速因子条件下,峰值信噪比提高了1.9 dB,结构相似性提高了0.1,在6倍加速因子条件下,峰值信噪比提高了1.2 dB,结构相似性提高了约0.1。 展开更多

关键词 非笛卡尔欠采样 MRI图像重建 自编码器 级联卷积神经网络

下载PDF 职称材料

基于级联卷积神经网络的山羊姿态估计

16

作者 闫瑞 王明伟 +2 位作者 黄叶祺 李晨光 雷涛 《黑龙江畜牧兽医》 北大核心 2023年第14期49-55,134,135,共9页

为了实现单只和多只山羊的姿态估计,试验采集陕西关中地区某山羊养殖场的山羊视频和图片,标注山羊的轮廓、关键部位和连接,构建山羊姿态数据集;将山羊骨架分解为18个关键部位和17个连接,并通过深度卷积神经网络预测、匹配、提取山羊骨架... 为了实现单只和多只山羊的姿态估计,试验采集陕西关中地区某山羊养殖场的山羊视频和图片,标注山羊的轮廓、关键部位和连接,构建山羊姿态数据集;将山羊骨架分解为18个关键部位和17个连接,并通过深度卷积神经网络预测、匹配、提取山羊骨架,即采用单分支级联卷积神经网络预测单只山羊的关键部位,并按顺序连接提取山羊骨架,采用双分支级联卷积神经网络同时预测多只山羊的关键部位和连接,再用匈牙利算法进行匹配来提取每只山羊的骨架。结果表明:单分支级联卷积神经网络模型的关键部位正确预测率达到了82.50%;双分支级联卷积神经网络模型关键部位和连接的正确预测率分别是85.32%和83.76%,骨架提取的正确率为78.26%;平均对象关键点相似度为0.85时两个模型的平均召回率和平均准确率均达到80%。说明本试验构建的神经网络模型预测山羊骨架的准确性和效率优良。 展开更多

关键词 山羊 关键部位 骨架 级联卷积神经网络 智能养殖

原文传递

基于多尺度级联卷积神经网络的高光谱图像分析

17

作者 朱逢乐 刘益 +3 位作者 乔欣 何梦竹 郑增威 孙霖 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第12期3547-3557,共11页

在样本有限情况下对象级别的叶片高光谱图像建模中,提出了多尺度三维和一维级联卷积神经网络模型。首先,在三维卷积神经网络(3D-CNN)中嵌入扩张卷积增大卷积核感受野,构建了多尺度3D-CNN,提取和融合不同尺度的光谱-空间联合特征,在不增... 在样本有限情况下对象级别的叶片高光谱图像建模中,提出了多尺度三维和一维级联卷积神经网络模型。首先,在三维卷积神经网络(3D-CNN)中嵌入扩张卷积增大卷积核感受野,构建了多尺度3D-CNN,提取和融合不同尺度的光谱-空间联合特征,在不增加网络参数的情况下提升了模型性能。然后,对最优多尺度3D-CNN网络级联一维卷积神经网络(1D-CNN),进一步降低计算复杂度和过拟合程度。最后,在罗勒叶片叶绿素含量回归和辣椒叶片干旱胁迫识别两类数据集上进行最优网络框架探究并对比了一系列基准CNN模型。结果表明,对于叶片高光谱图像回归和分类,本文模型均能在小样本条件下有效提升模型泛化性能并降低计算复杂度。 展开更多

关键词 农业电气化与自动化 高光谱图像 化学计量学 多尺度级联卷积神经网络 扩张卷积 植物表型

原文传递

基于级联卷积神经网络的机器人平面抓取位姿快速检测 被引量：17

18

作者 夏晶 钱堃 +1 位作者 马旭东 刘环 《机器人》 EI CSCD 北大核心 2018年第6期794-802,共9页

针对任意姿态的未知不规则物体,提出一种基于级联卷积神经网络的机器人平面抓取位姿快速检测方法.建立了一种位置-姿态由粗到细的级联式两阶段卷积神经网络模型,利用迁移学习机制在小规模数据集上训练模型,以R-FCN(基于区域的全卷积网络... 针对任意姿态的未知不规则物体,提出一种基于级联卷积神经网络的机器人平面抓取位姿快速检测方法.建立了一种位置-姿态由粗到细的级联式两阶段卷积神经网络模型,利用迁移学习机制在小规模数据集上训练模型,以R-FCN(基于区域的全卷积网络)模型为基础提取抓取位置候选框进行筛选及角度粗估计,并针对以往方法在姿态检测上的精度不足,提出一种Angle-Net模型来精细估计抓取角度.在Cornell数据集上的测试及机器人在线抓取实验结果表明,该方法能够对任意姿态、不同形状的不规则物体快速计算最优抓取点及姿态,其识别准确性和快速性相比以往方法有所提高,鲁棒性和稳定性强,且能够泛化适应未训练过的新物体. 展开更多

关键词 平面抓取 级联卷积神经网络 两阶段机器人抓取检测 迁移学习

原文传递

基于递进式级联卷积神经网络的混凝土裂缝识别方法 被引量：6

19

作者 卢佳祁 姚志东 《工业建筑》 CSCD 北大核心 2021年第5期30-36,共7页

基于深度学习的卷积神经网络方法是目前图像裂缝识别鲁棒性较高的方法,主要分为滑动窗口法和图像分割法。滑动窗口法存在后期阈值分割裂缝精度不高的问题;全局图像分割法存在裂缝区域数据和背景区域数据严重不均衡问题,会对裂缝分割精... 基于深度学习的卷积神经网络方法是目前图像裂缝识别鲁棒性较高的方法,主要分为滑动窗口法和图像分割法。滑动窗口法存在后期阈值分割裂缝精度不高的问题;全局图像分割法存在裂缝区域数据和背景区域数据严重不均衡问题,会对裂缝分割精度产生影响。采用了基于递进式级联卷积神经网络的方法对混凝土表面裂缝进行识别:首先采用全卷积神经网络一次性判断图像中所有密集重叠窗口区域内是否含有裂缝,然后将含有裂缝的窗口区块提取出来作为感兴趣区域,再基于轻量化的U-Net图像分割网络作用于感兴趣区域,将裂缝区域精确地提取出来。试验结果表明,所提出的基于递进式级联卷积神经网路的裂缝识别方法优于直接使用滑动窗口法和全局图像分割法,有着可靠的应用前景。 展开更多

关键词 裂缝识别 递进式级联卷积神经网络 全卷积神经网络 感兴趣区域 U-Net图像分割

原文传递

基于深度神经网络的心律失常分类 被引量：1

20

作者 于雁 颜宋宋 +1 位作者 邱磊 李传栋 《自动化技术与应用》 2023年第8期1-5,共5页

为实现心电图(ECG)的心律失常自动诊断,提出了一种基于深度神经网络的分类模型。利用db6离散小波变换和移动均值方法去除ECG记录中的噪声后,级联卷积神经网络(CNN)从多通道提取ECG形态特征,并加入激励挤压(SE)模块对特征进行加权融合,... 为实现心电图(ECG)的心律失常自动诊断,提出了一种基于深度神经网络的分类模型。利用db6离散小波变换和移动均值方法去除ECG记录中的噪声后,级联卷积神经网络(CNN)从多通道提取ECG形态特征,并加入激励挤压(SE)模块对特征进行加权融合,自动学习特征的重要性程度;双向长短时记忆网络(BiLSTM)的双向传播层会获取特征的长时序列特性,模拟ECG的总体变化趋势,从而实现心律失常的自动分类。在2018中国生理信号挑战赛(CPSC)数据集上的实验表明,该模型对9种心律失常的多标签分类准确率为84.3%,与无SE模块的级联CNN和BiLSTM组合模型相比,准确率提高了1.8%,与现有的其它分类模型相比,准确率均有提升。 展开更多

关键词 心律失常分类 注意力机制 级联卷积神经网络 双向长短时记忆网络

下载PDF 职称材料