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
共找到71篇文章
< 1 2 … 4 >
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：
基于CWGAN⁃ABiLSTM⁃FCN的运动想象脑电信号分类
1
作者 吴生彪 程显朋 李花宁 《现代电子技术》 北大核心 2025年第7期57-64,共8页
针对运动想象脑电信号(MI⁃EEG)样本数据分布不平衡、时序特征提取时对长距离的依赖和关注度不均衡、局部特征提取难导致的基于MI⁃EEG的运动意图识别实时性差、精度低的问题,提出一种融合改进的双向长短时记忆神经网络(BiLSTM)和全卷积... 针对运动想象脑电信号(MI⁃EEG)样本数据分布不平衡、时序特征提取时对长距离的依赖和关注度不均衡、局部特征提取难导致的基于MI⁃EEG的运动意图识别实时性差、精度低的问题,提出一种融合改进的双向长短时记忆神经网络(BiLSTM)和全卷积神经网络(FCN)的MI⁃EEG信号分类方法。首先,该方法利用条件生成对抗网络产生虚假的MI⁃EEG信号样本,实现训练样本集的有效扩充,解决了数据集过少且各类别数量不平衡的问题;其次,利用双向自注意力长短时记忆神经网络和全卷积神经网络的各自优势,避免了时序特征提取时对长距离的依赖和关注度不均衡、局部特征提取难以及无法兼顾MI⁃EEG信号的时⁃空域特征的问题;在此基础上,构建融合特征与动作分类标签间的非线性映射关系,从而提高模型的识别精度。最终将此分类模型与其他的MI⁃EEG分类模型在测试数据集进行了对比实验。研究成果表明,该MI⁃EEG识别模型准确度达到了97%,显示出较强的泛化能力。 展开更多
关键词 运动想象 脑电信号分类 生成对抗网络 长短时记忆网络 全卷积神经网络 注意力机制
在线阅读 下载PDF
基于LSTM-SAFCN模型的生物质锅炉NO_(x)排放浓度预测 被引量：1
2
作者 何德峰 刘明裕 +2 位作者 孙芷菲 王秀丽 李廉明 《高技术通讯》 CAS 北大核心 2024年第1期92-100,共9页
针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓... 针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓度预测的影响;其次融合自注意力机制与长短时记忆-全卷积神经网络(LSTM-FCN)进行特征提取与预测建模,该拓展方法能够同时兼顾时间序列数据的局部细节与长期趋势特征;最后,利用生物质热电联产系统的实际运行数据验证了所提算法的有效性。 展开更多
关键词 生物质锅炉 NO_(x)排放浓度预测 经验模态分解 长短时记忆-全卷积神经网络(LSTM-fcn) 自注意力机制
在线阅读 下载PDF
基于特征工程的S-FCN火灾图像检测方法 被引量：1
3
作者 李海 熊升华 孙鹏 《中国安全科学学报》 CAS CSCD 北大核心 2024年第9期191-201,共11页
针对复杂背景下火灾图像检测深度学习算法存在的计算复杂度高、检测实时性差等问题,提出一种基于特征工程的单隐层全连接网络(S-FCN)火灾图像检测方法。首先,从图像中提取多色彩空间颜色特征,并使用互信息量进行多色彩空间颜色特征降维... 针对复杂背景下火灾图像检测深度学习算法存在的计算复杂度高、检测实时性差等问题,提出一种基于特征工程的单隐层全连接网络(S-FCN)火灾图像检测方法。首先,从图像中提取多色彩空间颜色特征,并使用互信息量进行多色彩空间颜色特征降维;其次,简化深度学习模型的网络结构,将单隐层全连接网络作为其主干网络,其中,多色彩空间下的颜色特征能够更好地表征火灾烟雾与火焰,多色彩空间颜色特征降维能够有效降低输入特征的冗余度,单隐层全连接网络能够有效减少模型在传递过程中的参数数量;最后,将该方法在真实的复杂背景火灾图像数据集上进行试验评估。结果表明:所提方法取得的检测精度为93.83%,取得的检测实时性帧率为10869帧/s,能够实现复杂场景下高精度、高速度的火灾图像检测。 展开更多
关键词 特征工程 单隐层全连接网络(S-fcn) 火灾图像 检测方法 色彩空间 特征降维
在线阅读 下载PDF
基于贝叶斯优化FCN-DenseNet算法的供水管网爆管智能识别 被引量：6
4
作者 彭森 程蕊 +2 位作者 程景 吴卿 田一梅 《安全与环境学报》 CAS CSCD 北大核心 2022年第1期306-315,共10页
为了进一步拓展深度学习算法在供水管网爆管分析中的适用范围,提出了一种爆管区域识别方法。基于全连接稠密网络算法(Full Connect Network-DenseNet,FCN-DenseNet)构建了爆管区域识别模型,提取不同区域的爆管特征。同时,采用贝叶斯优... 为了进一步拓展深度学习算法在供水管网爆管分析中的适用范围,提出了一种爆管区域识别方法。基于全连接稠密网络算法(Full Connect Network-DenseNet,FCN-DenseNet)构建了爆管区域识别模型,提取不同区域的爆管特征。同时,采用贝叶斯优化算法对识别模型的超参数组合进行优化和自动选取。以华东某园区的部分供水管网为研究对象,在建立水力模型的基础上,通过布置监测点和划分监测分区形成管网监测方案。综合考虑爆管位置、时间、流量、监测噪声及研究区域管网实际情况等因素,进行爆管工况模拟,建立爆管数据集,对识别模型进行训练和验证。结果表明,在验证数据集下,爆管区域平均识别率φ_(1)、φ_(2)分别可以达到93.5%、96.7%。贝叶斯优化的FCN-DenseNet算法增强了模型的性能和适用性,管网监测分区爆管可能性排序能够指导水司进行爆管分析和巡检。 展开更多
关键词 安全管理工程 供水管网 爆管识别 管网分区 全连接稠密网络 贝叶斯优化
在线阅读 下载PDF
局部聚类分析的FCN-CNN云图分割方法 被引量：11
5
作者 毋立芳 贺娇瑜 +2 位作者 简萌 邹蕴真 赵铁松 《软件学报》 EI CSCD 北大核心 2018年第4期1049-1059,共11页
空气中的尘埃、污染物及气溶胶粒子的存在严重影响了大气预测的有效性,毫米波雷达云图的有效分割成为解决这一问题的关键.提出了一种基于超像素分析的全卷积神经网路FCN和深度卷积神经网络CNN(FCNCNN)的云图分割方法.首先通过超像素分... 空气中的尘埃、污染物及气溶胶粒子的存在严重影响了大气预测的有效性,毫米波雷达云图的有效分割成为解决这一问题的关键.提出了一种基于超像素分析的全卷积神经网路FCN和深度卷积神经网络CNN(FCNCNN)的云图分割方法.首先通过超像素分析对云图每个像素点的近邻域实现相应的聚类,同时将云图输入到不同步长的全卷积神经网络FCN 32s和FCN 8s中实现云图的预分割;FCN 32s预测结果中的"非云"区域一定是云图中的部分"非云"区域,FCN 8s预测结果中的"云"区域一定是云图中的部分"云"区域;余下的不确定的区域通过深度卷积神经网络CNN进行进一步分析.为提高效率,FCN-CNN选取了不确定区域中超像素的几个关键像素来代表超像素区域的特征,通过CNN网络来判断关键像素是"云"或者是"非云".实验结果表明,FCN-CNN的精度与MR-CNN、SP-CNN相当,但是速度相比于MR-CNN提高了880倍,相比于SP-CNN提高了1.657倍. 展开更多
关键词 云图像 超像素 全卷积神经网络 卷积神经网络 图像分割
在线阅读 下载PDF
基于FCN和互信息的医学图像配准技术研究 被引量：7
6
作者 曾安 王烈基 +1 位作者 潘丹 黄殷 《计算机工程与应用》 CSCD 北大核心 2020年第18期202-208,共7页
针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准... 针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准结果作为互信息算法的初始搜索点,从而使搜索范围缩小至全局最优解附近;利用互信息算法对参数进一步微调优化,得到最优三维配准结果。实验结果表明,在进行CT-MR图像配准时,所提方法不仅可以大幅度提升配准速度,还能有效避免局部收敛的情况,具有更高的准确性。 展开更多
关键词 全卷积神经网络 互信息算法 多模态 三维图像配准
在线阅读 下载PDF
融合VGG与FCN的智能出租车订单预测模型 被引量：3
7
作者 李浩 霍雯 +2 位作者 裴春营 袁瑶瑶 康雁 《计算机工程》 CAS CSCD 北大核心 2020年第12期276-282,共7页
为提高出租车市场管理和运营效率以及实现出租车效益最大化,在地图栅格化的基础上,提出一种融合VGG网络与全卷积网络(FCN)的出租车多区域订单预测模型。将出租车轨迹数据转换为订单图像,去除VGG网络全连接层仅保留主要结构以减少模型参... 为提高出租车市场管理和运营效率以及实现出租车效益最大化,在地图栅格化的基础上,提出一种融合VGG网络与全卷积网络(FCN)的出租车多区域订单预测模型。将出租车轨迹数据转换为订单图像,去除VGG网络全连接层仅保留主要结构以减少模型参数,利用该网络中深度卷积提取不同空间区域出租车行驶特征,使用FCN中反卷积层上采样重构下一个时间段出租车订单图像,从而获得不同区域和时间段的出租车订单预测数据,并以订单图像形式呈现在地图上。实验结果表明,与BP、RBF等预测模型相比,该模型预测结果平均准确率更高且均方根误差更低,可快速预测出租车多区域订单分布情况。 展开更多
关键词 出租车订单预测 VGG网络 全卷积网络 反卷积层 融合模型
在线阅读 下载PDF
基于FCN的眼底图像中央凹自动检测算法 被引量：1
8
作者 燕杨 黄文博 《吉林大学学报（理学版）》 CAS 北大核心 2020年第4期893-898,共6页
针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型... 针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型,然后将局部像素级特征推广到全局金字塔池化模块中,使空间统计数据为全局语境理解提供了更好地描述与表达,从而有效获得了极具区分度的全局上下文信息,最后将全局与局部特征相融合,实现对中央凹的精准检测.实验结果表明,该算法提高了眼底暗病变检测的特异性,并为眼底严重病变的发现提供了有效证据. 展开更多
关键词 眼底图像 中央凹检测 全卷积网络 金字塔池化模块
在线阅读 下载PDF
基于深度学习的神经形态芯片辐射源重构方法
9
作者 莫利楠 李燕 《电波科学学报》 北大核心 2025年第3期503-510,共8页
针对神经形态芯片辐射源建模难题,提出了一种基于卷积神经网络(convolutional neural network,CNN)和全连接网络(fully connected network,FCN)的辐射源重构方法。该方法以传统等效源理论为基础,通过近场扫描点与偶极子位置的关系构建... 针对神经形态芯片辐射源建模难题,提出了一种基于卷积神经网络(convolutional neural network,CNN)和全连接网络(fully connected network,FCN)的辐射源重构方法。该方法以传统等效源理论为基础,通过近场扫描点与偶极子位置的关系构建系数矩阵,并将其作为神经网络的输入,对应磁场幅度作为输出,利用神经网络建立偶极子与扫描场之间的映射关系。通过数值仿真和实验测量进行方法验证,结果表明,该方法通过将扫描区域外平面的系数矩阵输入训练好的神经网络可以准确预测对应的磁场幅度,其预测结果与仿真结果及测量结果的相对误差均在5%左右,具有良好的精度。 展开更多
关键词 神经形态芯片 近场扫描 卷积神经网络(CNN) 全连接网络(fcn) 辐射源重构
在线阅读 下载PDF
基于FCN与面向对象的滨海湿地植被分类 被引量：11
10
作者 谢锦莹 丁丽霞 +1 位作者 王志辉 刘丽娟 《林业科学》 EI CAS CSCD 北大核心 2020年第8期98-106,共9页
【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率QuickBird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被... 【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率QuickBird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被:1)融合QuickBird影像的多光谱数据和全色数据提高影像空间分辨率,运用目视判读制作标签图,以100×100窗口选取样本后进行翻转、旋转等操作,获得训练样本4904对、测试样本544对,采用FCN对样本完成训练后得到相应的模型参数用于整幅影像,获得全图分类结果;2)对原始影像进行多尺度分割,利用平均全局评分指数法确定最优分割尺度为170,以最优分割结果对FCN分类结果进行边界约束,得到最终分类结果并制作滨海湿地植被分类图;3)基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。【结果】1)采用FCN处理的影像分类总体精度达94.39%,典型滨海湿地植被精度均在85%以上,但分类结果存在少量椒盐现象,分类误差产生的主要原因是滨海湿地下垫面背景复杂,不同植被类型空间分布杂乱;2)将面向对象与FCN相结合处理的结果影像可消除椒盐现象,总体精度达97.56%,典型滨海湿地植被精度均在90%以上。【结论】基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息,在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象,弥补基于像元分类的缺陷,优化滨海湿地植被分类结果,在滨海湿地植被监测方面值得推广和运用。 展开更多
关键词 滨海湿地植被 遥感监测 全卷积神经网络 面向对象 高分辨率
在线阅读 下载PDF
一种基于改进FCN的多光谱图像建筑物识别方法 被引量：7
11
作者 张永梅 付昊天 +3 位作者 孙海燕 张睿 陈立潮 潘理虎 《计算机工程》 CAS CSCD 北大核心 2019年第1期239-245,共7页
多光谱图像的建筑物目标在不同尺度下具有不同特征,利用传统全卷积神经网络(FCN)进行识别时精度较低。为此,提出一种基于改进FCN的多光谱图像建筑物识别方法。通过旋转图像进行训练集扩充,从网络的第1层～第12层提取图像在4个旋转角度... 多光谱图像的建筑物目标在不同尺度下具有不同特征,利用传统全卷积神经网络(FCN)进行识别时精度较低。为此,提出一种基于改进FCN的多光谱图像建筑物识别方法。通过旋转图像进行训练集扩充,从网络的第1层～第12层提取图像在4个旋转角度和不同尺度下的低层特征,将其归一化为同样尺寸的图像后提取更高层特征,以实现对多光谱图像建筑物的精确识别。实验结果表明,相比传统FCN方法,该方法能够提高识别的精确率与召回率。 展开更多
关键词 多光谱图像 建筑物识别 全卷积神经网络 多尺度信息 训练集扩充
在线阅读 下载PDF
基于改进的R-FCN带纹理透明塑料裂痕检测 被引量：3
12
作者 关日钊 陈新度 +1 位作者 吴磊 徐焯基 《计算机工程与应用》 CSCD 北大核心 2019年第6期168-172,264,共6页
为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,R... 为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,ResNet)特征提取网络进行混合尺度感受野融合处理,弥补了原网络对微小裂痕敏感度不高的缺点。实验表明,改进后的R-FCN检测方法的裂痕检测精度比基于传统机器学习支持向量机(Support Vector Machine,SVM)检测方法的裂痕检测准确率高20%左右,比未改进的R-FCN检测方法的检测准确率高8%,证明了该方法的有效性。 展开更多
关键词 裂痕检测 支持向量机(SVM) 基于区域的全卷积网络(R-fcn) 残差网络(ResNet) 感受野
在线阅读 下载PDF
基于RV-FCN的CT肝脏影像自动分割算法 被引量：8
13
作者 张杰妹 杨词慧 《计算机工程》 CAS CSCD 北大核心 2019年第7期258-263,共6页
由于肝脏的大小、形状因人而异,且CT影像中肝脏与其毗邻器官的灰度对比值较低,难以精准地判断肝脏影像的边界信息。为此,提出一种基于全卷积神经网络(FCN)的改进算法,在FCN的基础上引入残差和VGG-16 网络,得到肝脏影像的初始分割结果。... 由于肝脏的大小、形状因人而异,且CT影像中肝脏与其毗邻器官的灰度对比值较低,难以精准地判断肝脏影像的边界信息。为此,提出一种基于全卷积神经网络(FCN)的改进算法,在FCN的基础上引入残差和VGG-16 网络,得到肝脏影像的初始分割结果。引入批归一化和PReLU激活函数,提高网络的泛化能力和收敛速度。采用条件随机场方法,进一步优化分割结果,提高分割准确率。通过VTK和ITK系统对二维肝脏影像进行三维重建。在3DIRCADb数据集上的实验结果验证了该算法的有效性和高效性。 展开更多
关键词 肝脏分割 全卷积神经网络 残差网络 批归一化 条件随机场
在线阅读 下载PDF
改进R-FCN的船舶识别方法 被引量：7
14
作者 黄致君 桑庆兵 《计算机科学与探索》 CSCD 北大核心 2020年第6期1045-1053,共9页
针对复杂海情下需要对不同大小及种类的船舶进行检测的问题,提出一种基于深度学习的船舶检测方法,该方法主要针对区域全卷积网络(R-FCN)进行改进。首先选取ResNet50网络用于自动提取特征,并将Feature Map自动提供给改进的R-FCN;其次根... 针对复杂海情下需要对不同大小及种类的船舶进行检测的问题,提出一种基于深度学习的船舶检测方法,该方法主要针对区域全卷积网络(R-FCN)进行改进。首先选取ResNet50网络用于自动提取特征,并将Feature Map自动提供给改进的R-FCN;其次根据船舶识别的特性改进R-FCN,使得R-FCN在船舶检测上能够完全发挥其性能;最后根据部分类别船舶体积较小识别率低的问题,先采取最大池化层(Maxpooling)进行改进,将小目标船舶识别率提高了4.08个百分点,之后针对ROIAlign进行改进。改进的R-FCN方法比原始的R-FCN在小目标船舶识别方面表现更优,精度共提升了13个百分点,还与目前主流的目标检测算法如Faster-RCNN等进行了对比。实验结果表明,该方法识别精度更高,速率与其他方法基本持平。 展开更多
关键词 深度学习 目标检测 区域全卷积网络(R-fcn)
在线阅读 下载PDF
融合FCN和LSTM的视频异常事件检测 被引量：6
15
作者 武光利 郭振洲 +1 位作者 李雷霆 王成祥 《上海交通大学学报》 EI CAS CSCD 北大核心 2021年第5期607-614,共8页
针对传统视频异常检测模型的缺点,提出一种融合全卷积神经(FCN)网络和长短期记忆(LSTM)网络的网络结构.该网络结构可以进行像素级预测,并能精确定位异常区域.首先,利用卷积神经网络提取视频帧不同深度的图像特征;然后,把不同的图像特征... 针对传统视频异常检测模型的缺点,提出一种融合全卷积神经(FCN)网络和长短期记忆(LSTM)网络的网络结构.该网络结构可以进行像素级预测,并能精确定位异常区域.首先,利用卷积神经网络提取视频帧不同深度的图像特征;然后,把不同的图像特征分别输入记忆网络分析时间序列的语义信息,并通过残差结构融合图像特征和语义信息;同时,采用跳级结构集成多模态下的融合特征并进行上采样,最终获得与原视频帧大小相同的预测图.所提网络结构模型在加州大学圣地亚哥分校(UCSD)异常检测数据集的ped 2子集和明尼苏达大学(UMN)人群活动数据集上进行测试,均取得了较好的结果.在UCSD上的等错误率低至6.6%,曲线下面积达到了98.2%,F 1分数达到了94.96%;在UMN上的等错误率低至7.1%,曲线下面积达到了93.7%,F 1分数达到了94.46%. 展开更多
关键词 计算机视觉 视频异常检测 像素级预测 全卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于微型FCN和传感器数据融合的迷宫小车姿态调整 被引量：1
16
作者 李明杰 冯有前 +1 位作者 尹忠海 周诚 《传感器与微系统》 CSCD 2019年第4期93-95,99,共4页
为了实现无人小车在无标志迷宫内的姿态调整,在融合了超声波传感器和摄像头数据的基础上,提出了一种微型全卷积网络(FCN),用于实时分割地面,检测迷宫车道线,进行精确调整。该网络相较于常见的FCN,参数量下降了97%,显存占用下降了86. 44%... 为了实现无人小车在无标志迷宫内的姿态调整,在融合了超声波传感器和摄像头数据的基础上,提出了一种微型全卷积网络(FCN),用于实时分割地面,检测迷宫车道线,进行精确调整。该网络相较于常见的FCN,参数量下降了97%,显存占用下降了86. 44%,检测帧率达到了11. 2 fps,可用于嵌入式系统搭载。经实测检验,算法具有良好的调整效果,可用于小车迷宫内实时姿态调整。 展开更多
关键词 迷宫小车 姿态调整 微型全卷积网络(fcn) 车道线检测
在线阅读 下载PDF
基于改进R-FCN的交通标志检测 被引量：4
17
作者 喻清挺 喻维超 喻国平 《计算机工程》 CAS CSCD 北大核心 2021年第12期285-290,298,共7页
为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型。通过K-means聚类算法对数据集进行分析,选择合适的锚点框。对特征提取网络ResNet101进行结构简化,只使用前25层来提取特... 为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型。通过K-means聚类算法对数据集进行分析,选择合适的锚点框。对特征提取网络ResNet101进行结构简化,只使用前25层来提取特征,以缩短检测时间。在模型中引入可变形卷积和可变形位置敏感RoI池化层,以提高模型对交通标志的感应能力。模型训练过程中使用在线困难样本挖掘策略从而减少简单样本数量。在交通标志检测数据集GTSDB上的实验结果表明,该模型对交通标志位置信息较敏感,AP50和AP75指标分别达到97.8%和94.7%,检测时间缩至48 ms,检测精度与速度优于Faster R-CNN、R-FCN等模型。 展开更多
关键词 交通标志 区域全卷积网络 ResNet101网络 可变形卷积 可变形位置敏感RoI池化
在线阅读 下载PDF
基于R-FCN的航拍巡检图像目标检测方法 被引量：45
18
作者 刘思言 王博 +3 位作者 高昆仑 王岳 高畅 陈江琦 《电力系统自动化》 EI CSCD 北大核心 2019年第13期162-168,共7页
航拍巡检是输电线路巡检的主要方式之一,目前的航拍巡检方式效率较低,受巡检员主观因素影响大,亟需一种智能检测算法自动定位并识别输电线路巡检图片中的故障。基于深度学习的航拍巡检图像目标检测技术作为一种可能的解决方案,得到了广... 航拍巡检是输电线路巡检的主要方式之一,目前的航拍巡检方式效率较低,受巡检员主观因素影响大,亟需一种智能检测算法自动定位并识别输电线路巡检图片中的故障。基于深度学习的航拍巡检图像目标检测技术作为一种可能的解决方案,得到了广泛关注。提出了一种利用基于区域的全卷积网络(R-FCN)的航拍巡检图像目标检测方法,并利用在线困难样本挖掘(OHEM)、样本优化、软性非极大值抑制(Soft-NMS)等改进方法进行优化。实验证明,所提方法具有目标定位准确、平均准确率高、单模型可同时检测目标种类多等特点。 展开更多
关键词 深度学习 基于区域的全卷积网络 目标检测 航拍巡检 故障识别
在线阅读 下载PDF
基于FCN的多方向自然场景文字检测方法 被引量：13
19
作者 杨剑锋 王润民 +2 位作者 何璇 李秀梅 钱盛友 《计算机工程与应用》 CSCD 北大核心 2020年第2期164-170,共7页
传统的自然场景文字检测方法所采用的手工设计特征在应对复杂自然场景时缺乏鲁棒性。针对复杂自然场景中的多方向文字检测问题,提出了一种新的基于深度学习文字检测方法,采用全卷积网络(Fully Convolutional Networks,FCN)并融合多尺度... 传统的自然场景文字检测方法所采用的手工设计特征在应对复杂自然场景时缺乏鲁棒性。针对复杂自然场景中的多方向文字检测问题,提出了一种新的基于深度学习文字检测方法,采用全卷积网络(Fully Convolutional Networks,FCN)并融合多尺度文字特征图,结合语义分割的方法分割文字候选区域,利用分割得到的文字候选区域直接获取文字候选检测框并进行扩大补偿处理,对文字候选检测框进行后处理得到最终检测结果。该方法在ICDAR2013、ICDAR2015标准数据集进行了测评,实验结果表明该方法相比一些最新方法取得了更好的性能。 展开更多
关键词 自然场景文字检测 深度学习 全卷积网络 语义分割
在线阅读 下载PDF
基于迁移学习和R-FCN的电力设备红外图像识别算法 被引量：19
20
作者 王勋 毛华敏 +2 位作者 李唐兵 曾晗 程宏波 《传感器与微系统》 CSCD 北大核心 2021年第1期147-150,共4页
电力设备类型的准确识别是实现红外图像智能诊断的前提。针对电力设备红外图像数量多、识别任务重等问题,采用迁移学习和基于区域的全卷积网络(R-FCN)算法实现电力设备红外图像的智能识别。首先,利用Labelimg软件制作电力设备红外图像... 电力设备类型的准确识别是实现红外图像智能诊断的前提。针对电力设备红外图像数量多、识别任务重等问题,采用迁移学习和基于区域的全卷积网络(R-FCN)算法实现电力设备红外图像的智能识别。首先,利用Labelimg软件制作电力设备红外图像数据集;然后,基于迁移学习的原理,选择在VOC数据集上表现优秀的识别算法R-FCN;最后,将R-FCN检测模型分别与2种不同大小的卷积神经网络结合,并利用在线难例挖掘(OHEM)改进算法。实验结果表明:在相同样本条件下,以上提出的算法能够快速有效地识别电力设备红外图像,精度达到0.9143,具有较好的准确性和鲁棒性。该算法为电力设备红外图像热故障诊断提供诊断基础。 展开更多
关键词 电力设备 目标识别 迁移学习 基于区域的全卷积网络(R-fcn)
在线阅读 下载PDF
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 2 … 4 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部