期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CIFAR10数据集的动物图像识别技术分析
被引量:
2
1
作者
张武
《电子技术(上海)》
2024年第1期272-273,共2页
阐述基于具有十类别的CIFAR10彩色图像数据集特点。通过构建两种卷积神经网络,可以实现相对很高的识别精度,从而实现AI动物自动化识别。
关键词
图像识别
cifar
10
数据
集
CNN
动物识别
原文传递
基于改进ShuffleNetV2的图像分类算法
2
作者
张浩
《仪器与设备》
2023年第4期364-370,共7页
对ShuffleNetV2的轻量级分类网络进行了研究,提出了一种改进图像分类方法,来提高图像分类的准确性。相比于传统的卷积神经网络,可以提高模型的分类准确度和速度。首先,改进的模型引入6 × 6的深度分离卷积来替代原来3 × 3的深...
对ShuffleNetV2的轻量级分类网络进行了研究,提出了一种改进图像分类方法,来提高图像分类的准确性。相比于传统的卷积神经网络,可以提高模型的分类准确度和速度。首先,改进的模型引入6 × 6的深度分离卷积来替代原来3 × 3的深度分离卷积,来增加分类的准确度,其次,改进的模型应用了扁平层对数据进行降尺度和增加全连接层来提升学习能力。此外,改进的模型还对比了其他传统CNN模型的图像分类表现,选取cifar10/100数据集进行实验,实验结果表明改进的模型在准确度上提高了2%以上。
展开更多
关键词
ShuffleNetV2
图像分类
深度分离卷积
cifar数据集
下载PDF
职称材料
基于神经网络学习控制的图像挖掘算法
被引量:
4
3
作者
潘明波
《沈阳工业大学学报》
EI
CAS
北大核心
2018年第3期322-327,共6页
针对传统神经网络算法进行图像分类识别时收敛速度慢,学习过程中可能出现震荡甚至收敛于局部极小值的情况,提出了一种小波变换融合神经网络的图像分类识别方法.利用高斯小波基函数取代神经网络隐含层中的隐节点函数,采用小波神经网络参...
针对传统神经网络算法进行图像分类识别时收敛速度慢,学习过程中可能出现震荡甚至收敛于局部极小值的情况,提出了一种小波变换融合神经网络的图像分类识别方法.利用高斯小波基函数取代神经网络隐含层中的隐节点函数,采用小波神经网络参数初始化方法和改进的模拟退火算法自适应调整学习过程中的网络权值参数,从而解决了神经网络的学习效率低等情况.结果表明,本文方法对5类动物图片的正确分类识别率为84.0%,较传统神经网络和稀疏表示的正确分类识别率提高了4.2%和6.1%.
展开更多
关键词
小波变换
神经网络
图像挖掘
图像分类
高斯小波基
模拟退火算法
连接权值
cifar数据集
下载PDF
职称材料
基于卷积自编码和残差网络的图像分类算法
被引量:
2
4
作者
蔡雨涵
《信息技术与信息化》
2022年第7期73-76,共4页
针对图像分类识别困难和精度较差的问题,将卷积自编码(convolutional auto-encode)与改进残差网络(residual network,ResNet)相结合来解决通过大量增加网络参数来提高分类准确率较低的问题,卷积自编码模块与空间注意力模块仅需增加少量...
针对图像分类识别困难和精度较差的问题,将卷积自编码(convolutional auto-encode)与改进残差网络(residual network,ResNet)相结合来解决通过大量增加网络参数来提高分类准确率较低的问题,卷积自编码模块与空间注意力模块仅需增加少量参数就可以有效提高图像分类的准确率。算法使用卷积自编码器使得提取的特征多样化,使用1×1的卷积核来进行特征融合,并使用GELU激活函数代替ReLU激活函数来解决网络的过饱和问题,残差网络进行的改进主要是将全连接层替换为卷积层,并将空间注意力机制融入残差块中。通过卷积自编码对图像预处理后,提取的特征由改进的残差网络进行图像分类。选取cifar10/100数据集来进行试验,试验结果表明算法在上述两个数据集中均有良好表现,与其他网络模型相比,网络中的卷积自编码与空间注意力模块仅需增加少量参数即可有效提升网络模型的分类准确率。
展开更多
关键词
图像分类
残差网络
卷积自编码
cifar数据集
注意力机制
下载PDF
职称材料
基于U-Net的对抗样本防御模型
被引量:
2
5
作者
赖妍菱
石峻峰
+4 位作者
陈继鑫
白汉利
唐晓澜
邓碧颖
郑德生
《计算机工程》
CAS
CSCD
北大核心
2021年第12期163-170,共8页
对抗攻击是指对图像添加微小的扰动使深度神经网络以高置信度输出错误分类。提出一种对抗样本防御模型SE-ResU-Net,基于图像语义分割网络U-Net架构,引入残差模块和挤压激励模块,通过压缩和重建方式进行特征提取和图像还原,破坏对抗样本...
对抗攻击是指对图像添加微小的扰动使深度神经网络以高置信度输出错误分类。提出一种对抗样本防御模型SE-ResU-Net,基于图像语义分割网络U-Net架构,引入残差模块和挤压激励模块,通过压缩和重建方式进行特征提取和图像还原,破坏对抗样本中的扰动结构。实验结果表明,SE-ResU-Net模型能对MI-FGSM、PGD、DeepFool、C&W攻击的对抗样本实施有效防御,在CIFAR10和Fashion-MNIST数据集上的防御成功率最高达到87.0%和93.2%,且具有较好的泛化性能。
展开更多
关键词
深度神经网络
图像分类
对抗攻击
对抗样本
防御模型
cifar
10
数据
集
Fashion-MNIST
数据
集
下载PDF
职称材料
题名
基于CIFAR10数据集的动物图像识别技术分析
被引量:
2
1
作者
张武
机构
江苏开放大学信息工程学院
出处
《电子技术(上海)》
2024年第1期272-273,共2页
文摘
阐述基于具有十类别的CIFAR10彩色图像数据集特点。通过构建两种卷积神经网络,可以实现相对很高的识别精度,从而实现AI动物自动化识别。
关键词
图像识别
cifar
10
数据
集
CNN
动物识别
Keywords
image recognition
cifar
10 dataset
CNN
animal recognition
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
基于改进ShuffleNetV2的图像分类算法
2
作者
张浩
机构
长江大学电子信息与电气工程学院
出处
《仪器与设备》
2023年第4期364-370,共7页
文摘
对ShuffleNetV2的轻量级分类网络进行了研究,提出了一种改进图像分类方法,来提高图像分类的准确性。相比于传统的卷积神经网络,可以提高模型的分类准确度和速度。首先,改进的模型引入6 × 6的深度分离卷积来替代原来3 × 3的深度分离卷积,来增加分类的准确度,其次,改进的模型应用了扁平层对数据进行降尺度和增加全连接层来提升学习能力。此外,改进的模型还对比了其他传统CNN模型的图像分类表现,选取cifar10/100数据集进行实验,实验结果表明改进的模型在准确度上提高了2%以上。
关键词
ShuffleNetV2
图像分类
深度分离卷积
cifar数据集
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于神经网络学习控制的图像挖掘算法
被引量:
4
3
作者
潘明波
机构
云南工商学院信息工程学院
出处
《沈阳工业大学学报》
EI
CAS
北大核心
2018年第3期322-327,共6页
基金
云南省教育厅科学研究基金资助项目(2015C113Y)
文摘
针对传统神经网络算法进行图像分类识别时收敛速度慢,学习过程中可能出现震荡甚至收敛于局部极小值的情况,提出了一种小波变换融合神经网络的图像分类识别方法.利用高斯小波基函数取代神经网络隐含层中的隐节点函数,采用小波神经网络参数初始化方法和改进的模拟退火算法自适应调整学习过程中的网络权值参数,从而解决了神经网络的学习效率低等情况.结果表明,本文方法对5类动物图片的正确分类识别率为84.0%,较传统神经网络和稀疏表示的正确分类识别率提高了4.2%和6.1%.
关键词
小波变换
神经网络
图像挖掘
图像分类
高斯小波基
模拟退火算法
连接权值
cifar数据集
Keywords
wavelet transform
neural network
image mining
image classification
Gaussian waveletbasis
simulated annealing algorithm
connection weight
cifar
dataset
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于卷积自编码和残差网络的图像分类算法
被引量:
2
4
作者
蔡雨涵
机构
长江大学电子信息学院
出处
《信息技术与信息化》
2022年第7期73-76,共4页
文摘
针对图像分类识别困难和精度较差的问题,将卷积自编码(convolutional auto-encode)与改进残差网络(residual network,ResNet)相结合来解决通过大量增加网络参数来提高分类准确率较低的问题,卷积自编码模块与空间注意力模块仅需增加少量参数就可以有效提高图像分类的准确率。算法使用卷积自编码器使得提取的特征多样化,使用1×1的卷积核来进行特征融合,并使用GELU激活函数代替ReLU激活函数来解决网络的过饱和问题,残差网络进行的改进主要是将全连接层替换为卷积层,并将空间注意力机制融入残差块中。通过卷积自编码对图像预处理后,提取的特征由改进的残差网络进行图像分类。选取cifar10/100数据集来进行试验,试验结果表明算法在上述两个数据集中均有良好表现,与其他网络模型相比,网络中的卷积自编码与空间注意力模块仅需增加少量参数即可有效提升网络模型的分类准确率。
关键词
图像分类
残差网络
卷积自编码
cifar数据集
注意力机制
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于U-Net的对抗样本防御模型
被引量:
2
5
作者
赖妍菱
石峻峰
陈继鑫
白汉利
唐晓澜
邓碧颖
郑德生
机构
西南石油大学计算机科学学院
中国空气动力研究与发展中心
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第12期163-170,共8页
基金
四川省重大科技专项“新时代互联网+人工智能个性定制化智能教育研发与应用”(18ZDZX)。
文摘
对抗攻击是指对图像添加微小的扰动使深度神经网络以高置信度输出错误分类。提出一种对抗样本防御模型SE-ResU-Net,基于图像语义分割网络U-Net架构,引入残差模块和挤压激励模块,通过压缩和重建方式进行特征提取和图像还原,破坏对抗样本中的扰动结构。实验结果表明,SE-ResU-Net模型能对MI-FGSM、PGD、DeepFool、C&W攻击的对抗样本实施有效防御,在CIFAR10和Fashion-MNIST数据集上的防御成功率最高达到87.0%和93.2%,且具有较好的泛化性能。
关键词
深度神经网络
图像分类
对抗攻击
对抗样本
防御模型
cifar
10
数据
集
Fashion-MNIST
数据
集
Keywords
deep neural network
image classification
adversarial attack
adversarial example
defense model
cifar
10 dataset
Fashion-MNIST dataset
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CIFAR10数据集的动物图像识别技术分析
张武
《电子技术(上海)》
2024
2
原文传递
2
基于改进ShuffleNetV2的图像分类算法
张浩
《仪器与设备》
2023
0
下载PDF
职称材料
3
基于神经网络学习控制的图像挖掘算法
潘明波
《沈阳工业大学学报》
EI
CAS
北大核心
2018
4
下载PDF
职称材料
4
基于卷积自编码和残差网络的图像分类算法
蔡雨涵
《信息技术与信息化》
2022
2
下载PDF
职称材料
5
基于U-Net的对抗样本防御模型
赖妍菱
石峻峰
陈继鑫
白汉利
唐晓澜
邓碧颖
郑德生
《计算机工程》
CAS
CSCD
北大核心
2021
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部