期刊导航
期刊开放获取
上海教育软件发展有限公..
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
3
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
融合重检测机制的卷积回归网络目标跟踪算法
被引量：
9
1
作者
贾永超
何小卫
郑忠龙
《计算机应用》
CSCD
北大核心
2019年第8期2247-2251,共5页
针对基于人工特征的背景感知相关滤波(CACF)算法在形变、运动模糊、低分辨率情形跟踪效果较差以及跟踪器遇到严重遮挡等情形容易陷入局部最优而导致跟踪失败的问题,提出一种融合重检测机制的卷积回归网络(CRN)目标跟踪算法。在训练阶段...
针对基于人工特征的背景感知相关滤波(CACF)算法在形变、运动模糊、低分辨率情形跟踪效果较差以及跟踪器遇到严重遮挡等情形容易陷入局部最优而导致跟踪失败的问题,提出一种融合重检测机制的卷积回归网络(CRN)目标跟踪算法。在训练阶段,将相关滤波作为CRN层融入进深度神经网络,使网络成为一个整体进行端到端训练;在跟踪阶段,通过残差连接融合不同网络层及其响应值,同时引入重检测机制使算法从潜在的跟踪失败中恢复,当响应值低于给定阈值时激活检测器。在数据集OTB-2013上的实验表明,所提算法在50个视频序列上精确度达到88.1%,相比原始CACF算法提高9.7个百分点,在具有形变、运动模糊等属性的视频序列上相比原始算法表现更优秀。
展开更多
关键词
目标跟踪
相关滤波
卷积回归网络
端到端
重检测
在线阅读
下载PDF
职称材料
基于回归深度卷积网络的船舶图像与视频检测
被引量：
8
2
作者
黄志坚
张成
王慰慈
《上海海事大学学报》
北大核心
2019年第4期83-88,共6页
为解决船舶图像与视频检测算法识别率低、实时性差的问题,提出基于回归深度卷积网络的船舶图像与视频检测方法。结合YOLOv2特征提取层和YOLOv3的特征金字塔网络(feature pyramid network,FPN)层思想设计新的网络结构,验证不同激活函数效...
为解决船舶图像与视频检测算法识别率低、实时性差的问题,提出基于回归深度卷积网络的船舶图像与视频检测方法。结合YOLOv2特征提取层和YOLOv3的特征金字塔网络(feature pyramid network,FPN)层思想设计新的网络结构,验证不同激活函数效果,采用聚类算法设计锚框大小。实验表明,相比于YOLO系列网络,本文的方法在船舶图像与视频检测中效果更好,在测试集上平均精度均值为0.9209,召回率为0.9818,平均交并比为0.7991,在视频检测中每秒钟检测的帧数为78~80。为港口船舶智能管理和无人船视觉处理提供一种准确度高和实时性好的船舶检测方法。
展开更多
关键词
船舶检测
回归
深度
卷积
网络
YOLO
港口管理
无人船
在线阅读
下载PDF
职称材料
基于CNN-SVR网络的黄渤海近岸海域叶绿素a浓度预测
被引量：
1
3
作者
王晓霞
汪健平
+4 位作者
王佳莹
孙珊
苏博
姜会超
朱明明
《海洋预报》
CSCD
北大核心
2024年第4期77-87,共11页
利用海洋卫星观测数据和黄渤海近岸海域实测生态水质数据,建立了一种基于卷积神经网络结合支持向量回归(Convolutional Neural Network-Support Vector Regression,CNN-SVR)的深度学习网络模型的叶绿素a浓度预测方法。采用皮尔逊方法对...
利用海洋卫星观测数据和黄渤海近岸海域实测生态水质数据,建立了一种基于卷积神经网络结合支持向量回归(Convolutional Neural Network-Support Vector Regression,CNN-SVR)的深度学习网络模型的叶绿素a浓度预测方法。采用皮尔逊方法对叶绿素a与环境动力因子和生态水质因子作相关分析,发现营养盐因子大多与叶绿素a有显著相关性,水质因子如pH、溶解氧、盐度等与叶绿素a的相关性不大;将黄渤海近岸海域划分为渤海南部与黄海北部、黄海中部,进行春夏、秋冬两个时期1×1和2×2两种卷积核大小的CNN-SVR网络模型实验以及单因子敏感性分析试验。结果显示:卷积核大小为2×2时,CNN-SVR网络模型对训练数据的学习和对测试样本的预测检验效果都更优;渤海南部与黄海北部近岸海域模型预测效果更好。营养盐因子对模型预测能力的影响更显著,悬浮物等水质因子的影响相对较弱。单变量对模型预测的敏感性较弱,多变量整合具有互补性,改善了模型的预测效果。
展开更多
关键词
卷积
神经
网络
结合支持向量
回归
模型
叶绿素a浓度预测
单因子敏感性分析
海洋卫星
海洋生态水质因子
在线阅读
下载PDF
职称材料
题名
融合重检测机制的卷积回归网络目标跟踪算法
被引量：
9
1
作者
贾永超
何小卫
郑忠龙
机构
浙江师范大学数学与计算机科学学院
出处
《计算机应用》
CSCD
北大核心
2019年第8期2247-2251,共5页
基金
国家自然科学基金资助项目(61572023,61672467)~~
文摘
针对基于人工特征的背景感知相关滤波(CACF)算法在形变、运动模糊、低分辨率情形跟踪效果较差以及跟踪器遇到严重遮挡等情形容易陷入局部最优而导致跟踪失败的问题,提出一种融合重检测机制的卷积回归网络(CRN)目标跟踪算法。在训练阶段,将相关滤波作为CRN层融入进深度神经网络,使网络成为一个整体进行端到端训练;在跟踪阶段,通过残差连接融合不同网络层及其响应值,同时引入重检测机制使算法从潜在的跟踪失败中恢复,当响应值低于给定阈值时激活检测器。在数据集OTB-2013上的实验表明,所提算法在50个视频序列上精确度达到88.1%,相比原始CACF算法提高9.7个百分点,在具有形变、运动模糊等属性的视频序列上相比原始算法表现更优秀。
关键词
目标跟踪
相关滤波
卷积回归网络
端到端
重检测
Keywords
object tracking
correlation filter
Convolution Regression Network (CRN)
end-to-end
re-detection
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于回归深度卷积网络的船舶图像与视频检测
被引量：
8
2
作者
黄志坚
张成
王慰慈
机构
上海海事大学商船学院
中国船舶重工集团公司第七一一研究所
出处
《上海海事大学学报》
北大核心
2019年第4期83-88,共6页
基金
国家自然科学基金(61403250)
文摘
为解决船舶图像与视频检测算法识别率低、实时性差的问题,提出基于回归深度卷积网络的船舶图像与视频检测方法。结合YOLOv2特征提取层和YOLOv3的特征金字塔网络(feature pyramid network,FPN)层思想设计新的网络结构,验证不同激活函数效果,采用聚类算法设计锚框大小。实验表明,相比于YOLO系列网络,本文的方法在船舶图像与视频检测中效果更好,在测试集上平均精度均值为0.9209,召回率为0.9818,平均交并比为0.7991,在视频检测中每秒钟检测的帧数为78~80。为港口船舶智能管理和无人船视觉处理提供一种准确度高和实时性好的船舶检测方法。
关键词
船舶检测
回归
深度
卷积
网络
YOLO
港口管理
无人船
Keywords
ship detection
regression deep convolutional network
YOLO
port management
unmanned ship
分类号
U675.79 [交通运输工程—船舶及航道工程]
在线阅读
下载PDF
职称材料
题名
基于CNN-SVR网络的黄渤海近岸海域叶绿素a浓度预测
被引量：
1
3
作者
王晓霞
汪健平
王佳莹
孙珊
苏博
姜会超
朱明明
机构
山东省海洋资源与环境研究院
自然资源部空间海洋遥感与应用重点实验室
山东省海洋生态修复重点实验室
出处
《海洋预报》
CSCD
北大核心
2024年第4期77-87,共11页
基金
自然资源部空间海洋遥感与应用重点实验室开放基金(202102002)。
文摘
利用海洋卫星观测数据和黄渤海近岸海域实测生态水质数据,建立了一种基于卷积神经网络结合支持向量回归(Convolutional Neural Network-Support Vector Regression,CNN-SVR)的深度学习网络模型的叶绿素a浓度预测方法。采用皮尔逊方法对叶绿素a与环境动力因子和生态水质因子作相关分析,发现营养盐因子大多与叶绿素a有显著相关性,水质因子如pH、溶解氧、盐度等与叶绿素a的相关性不大;将黄渤海近岸海域划分为渤海南部与黄海北部、黄海中部,进行春夏、秋冬两个时期1×1和2×2两种卷积核大小的CNN-SVR网络模型实验以及单因子敏感性分析试验。结果显示:卷积核大小为2×2时,CNN-SVR网络模型对训练数据的学习和对测试样本的预测检验效果都更优;渤海南部与黄海北部近岸海域模型预测效果更好。营养盐因子对模型预测能力的影响更显著,悬浮物等水质因子的影响相对较弱。单变量对模型预测的敏感性较弱,多变量整合具有互补性,改善了模型的预测效果。
关键词
卷积
神经
网络
结合支持向量
回归
模型
叶绿素a浓度预测
单因子敏感性分析
海洋卫星
海洋生态水质因子
Keywords
CNN-SVR
chlorophyll-a concentration
sensitivity analysis of single variable
ocean satellite
ecological factors of water quality in ocean
分类号
X145 [环境科学与工程—环境科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合重检测机制的卷积回归网络目标跟踪算法
贾永超
何小卫
郑忠龙
《计算机应用》
CSCD
北大核心
2019
9
在线阅读
下载PDF
职称材料
2
基于回归深度卷积网络的船舶图像与视频检测
黄志坚
张成
王慰慈
《上海海事大学学报》
北大核心
2019
8
在线阅读
下载PDF
职称材料
3
基于CNN-SVR网络的黄渤海近岸海域叶绿素a浓度预测
王晓霞
汪健平
王佳莹
孙珊
苏博
姜会超
朱明明
《海洋预报》
CSCD
北大核心
2024
1
在线阅读
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
