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86篇文章
< 1 2 … 5 >
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：
卷积神经网络与视觉Transformer联合驱动的跨层多尺度融合网络高光谱图像分类方法 被引量：8
1
作者 赵凤 耿苗苗 +2 位作者 刘汉强 张俊杰 於俊 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第5期2237-2248,共12页
高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复... 高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复杂多样的结构,且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性,该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先,从结合CNN与视觉Transformer的角度出发,设计了跨层多尺度局部-全局特征提取模块分支,其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说,卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取,从而增强网络对不同尺度地物的关注。进一步地,跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息,以综合考虑地物的浅层纹理信息和深层结构信息。其次,构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后,为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘,设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。 展开更多
关键词 高光谱图像分类 卷积神经网络 视觉Transformer 多尺度特征 融合网络
在线阅读 下载PDF
基于散射点拓扑和双分支卷积神经网络的SAR图像小样本舰船分类 被引量：3
2
作者 张翼鹏 卢东东 +1 位作者 仇晓兰 李飞 《雷达学报（中英文）》 EI CSCD 北大核心 2024年第2期411-427,共17页
随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理... 随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理解和泛化能力。该文通过散射关键点构建拓扑结构以表征舰船目标的结构和形状特征,并计算拓扑结构的拉普拉斯矩阵,将散射点之间的拓扑关系转化为矩阵形式,最后将SAR图像和拉普拉斯矩阵分别作为双分支网络的输入进行特征提取。在网络结构方面,该文设计了一个由两个独立的卷积分支组成的双分支卷积神经网络,分别负责处理视觉特征和拓扑特征,并用两个交叉融合注意力模块分别对两个分支的特征进行交互融合。该方法有效地将目标散射点拓扑关系与网络的自动学习过程相结合,从而增强模型的泛化能力并提高分类精度。实验结果表明,在OpenSARShip数据集上,所提方法在1-shot和5-shot任务的平均准确率分别为53.80%和73.00%。而在FUSAR-Ship数据集上,所提方法分别取得了54.44%和71.36%的平均准确率。所提方法在1-shot和5-shot的设置下相比基础方法准确率均提升超过15%,证明了散射点拓扑的应用对SAR图像小样本舰船分类的有效性。 展开更多
关键词 合成孔径雷达(SAR) 舰船分类 小样本学习 散射点拓扑 双分支卷积神经网络
在线阅读 下载PDF
基于轻量化卷积神经网络的纬编针织物组织结构分类
3
作者 胡旭东 汤炜 +4 位作者 曾志发 汝欣 彭来湖 李建强 王博平 《纺织学报》 EI CAS CSCD 北大核心 2024年第5期60-69,共10页
为解决纬编针织物组织结构自动分类时现有方法计算量偏大的问题,基于轻量化卷积神经网络,提出了一种改进的纬编针织物组织结构分类方法。采集纬编针织物组织双面的图像,以准确判断其结构类型。在特征提取步骤中,引入了注意力机制模块,... 为解决纬编针织物组织结构自动分类时现有方法计算量偏大的问题,基于轻量化卷积神经网络,提出了一种改进的纬编针织物组织结构分类方法。采集纬编针织物组织双面的图像,以准确判断其结构类型。在特征提取步骤中,引入了注意力机制模块,修正各个层次特征在通道域和空间域的权重。构建的双分支网络架构能并行提取织物双面的特征信息。在分类阶段,采用了串行策略来融合高维特征向量,以确定纬编针织物组织所属类别。使用准确率、宏精确率、宏召回率以及宏F_(1)评估模型的性能,并统计了参数量和计算复杂度衡量模型的资源消耗。实验结果显示,对于纬编针织物特殊的结构特点,双分支网络架构具有很好的适应性。改进后的模型增强了不同组织间的特征区分度,在受到角度旋转、尺度改变、光照条件变化等干扰下,本文方法的分类准确率可达99.51%,且保持了较小的资源消耗。 展开更多
关键词 纬编针织物 组织结构分类 轻量化卷积神经网络 图像识别 双分支网络 注意力机制
在线阅读 下载PDF
基于多尺度图像增强结合卷积神经网络的纸病识别分类 被引量：13
4
作者 李光明 薛丁华 +2 位作者 加小红 李云彤 雷涛 《中国造纸》 CAS 北大核心 2018年第8期47-54,共8页
针对造纸工业中传统纸病识别分类依赖于特征描述子和分类器的选择问题,提出一种多尺度图像增强结合卷积神经网络的纸病识别分类方法。该方法利用多尺度形态学梯度增强纸病图像的边缘轮廓信息,突出缺陷梯度特征,然后利用卷积神经网络(CNN... 针对造纸工业中传统纸病识别分类依赖于特征描述子和分类器的选择问题,提出一种多尺度图像增强结合卷积神经网络的纸病识别分类方法。该方法利用多尺度形态学梯度增强纸病图像的边缘轮廓信息,突出缺陷梯度特征,然后利用卷积神经网络(CNN)学习纸病图像的特征并分类识别,从而实现纸病的准确识别分类。实验结果表明,该方法对纸病识别分类的结果明显优于HOG+SVM、LBP+SVM以及传统CNN方法,在Caltech101、KTH-TIPS以及本课题的数据集上的分类正确识别率分别达到98.44%、99.23%和99.64%。与现有纸病识别分类方法相比,本课题方法不需针对各种纸病进行缺陷特征提取和特征描述,能快速实现纸病的准确识别分类。 展开更多
关键词 图像增强 卷积神经网络 多尺度形态学梯度 图像分类
在线阅读 下载PDF
CA-MFE:CNN与注意力机制多尺度的图神经小样本图像分类网络 被引量：1
5
作者 刘拥民 肖凤姣 +2 位作者 乔梦媛 邓伟豪 麻海志 《控制工程》 北大核心 2025年第6期1008-1015,共8页
由于将一般图神经网络特征提取模块设计成固定的卷积神经网络(convolutional neural network,CNN)会导致在捕获全局特征信息时,存在接受域受限且容易忽视图像的关键性特征信息等问题。因此,为了提取全面且关键的特征信息,提出了全新的CA... 由于将一般图神经网络特征提取模块设计成固定的卷积神经网络(convolutional neural network,CNN)会导致在捕获全局特征信息时,存在接受域受限且容易忽视图像的关键性特征信息等问题。因此,为了提取全面且关键的特征信息,提出了全新的CA-MFE算法。首先,利用CNN中的不同卷积核来获取多尺度的局部特征信息,再根据注意力机制的全局特征提取能力,将通道和空间注意力机制进行并行处理,以此来提取多维度的全局特征信息。在mini-ImageNet和tiered-Image Net数据集上对所提模型的性能进行了全面的综合评估。相较于基准模型,所提模型在mini-ImageNet和tiered-ImageNet这2个数据集上的分类准确率分别提升了1.07%和1.33%;在5-way 5-shot任务中使用mini-ImageNet数据集,相较于图神经网络、时间Petri网(time Petri net,TPN)和动态图神经网络(dynamic graph neural network,DGNN),所提模型的分类准确率分别提升了11.41%、7.42%和5.38%。实验结果表明,相较于基准模型和几种有代表性的小样本分类算法模型,全新的CA-MFE模型在处理小样本分类数据时性能更优越。 展开更多
关键词 小样本图像分类 图神经网络 卷积神经网络 注意力机制 多尺度特征
在线阅读 下载PDF
基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类 被引量：25
6
作者 王协 章孝灿 苏程 《浙江大学学报（理学版）》 CAS CSCD 北大核心 2020年第6期715-723,共9页
土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种... 土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络(deep convolutional neural network,DCNN)的多尺度神经网络(multi-scale neural network,MSNet)模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络(fully convolutional networks,FCN)方法和基于支持向量机(support vector machine,SVM)的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。 展开更多
关键词 高分辨率遥感图像 土地利用分类 多尺度学习 深度卷积神经网络(DCNN)
在线阅读 下载PDF
基于多尺度卷积神经网络的高光谱图像分类算法 被引量：12
7
作者 齐永锋 陈静 +1 位作者 火元莲 李发勇 《红外技术》 CSCD 北大核心 2020年第9期855-862,共8页
为了提高高光谱图像的分类精度,提出了一种基于多尺度卷积神经网络的高光谱图像分类算法。首先,利用等距特征映射算法处理高光谱数据,以挖掘数据的非线性特性,保持数据点的内在几何性质;然后,构建以标记像元为中心的训练图像块,训练多... 为了提高高光谱图像的分类精度,提出了一种基于多尺度卷积神经网络的高光谱图像分类算法。首先,利用等距特征映射算法处理高光谱数据,以挖掘数据的非线性特性,保持数据点的内在几何性质;然后,构建以标记像元为中心的训练图像块,训练多尺度卷积神经网络;最后,利用softmax分类器预测测试像元的标签。提出的方法在Indian Pines、University of Pavia和Salinas scene高光谱遥感数据集上进行分类实验,并与CNN、R-PCA CNN、CNN-PPF、CD-CNN等算法进行性能比较。实验结果表明,在3个数据集上提出的方法的总体识别精度分别达到98.51%、98.64%和99.39%,与CNN算法相比分别提高了约8.35%、6.37%和7.81%。本文提出的方法无论是在分类精度还是Kappa系数上都优于另外4种方法,是一种较好的高光谱遥感数据分类方法。 展开更多
关键词 高光谱图像 等距特征映射 多尺度卷积神经网络 分类
在线阅读 下载PDF
基于多尺度卷积神经网络的恶意代码分类方法 被引量：1
8
作者 刘家银 李馥娟 +1 位作者 马卓 夏玲玲 《信息网络安全》 CSCD 北大核心 2022年第10期31-38,共8页
恶意代码文件大小差异巨大,使用传统卷积神经网络对其可视化图像进行训练时会因分辨率调整导致大量信息丢失。为此,文章提出一种基于多尺度卷积神经网络的恶意代码分类方法。该方法首先将不同大小的恶意代码生成为多种特定分辨率的图像... 恶意代码文件大小差异巨大,使用传统卷积神经网络对其可视化图像进行训练时会因分辨率调整导致大量信息丢失。为此,文章提出一种基于多尺度卷积神经网络的恶意代码分类方法。该方法首先将不同大小的恶意代码生成为多种特定分辨率的图像;然后利用DenseNet网络提取特征,避免因调整至同一分辨率导致信息损失;最后通过空间金字塔模型处理多尺度特征,进而训练分类模型。实验结果表明,该方法有效提高了恶意代码分类性能。 展开更多
关键词 恶意代码分类 空间金字塔 多尺度 卷积神经网络
在线阅读 下载PDF
基于卷积神经网络的多尺度注意力图像分类模型 被引量：16
9
作者 陈琳琳 朱惠娟 +1 位作者 朱俊 王晓瞳 《南京理工大学学报》 EI CAS CSCD 北大核心 2020年第6期669-675,共7页
为解决传统的图像分类方法精度低的问题,该文提出了一种基于卷积神经网络的图像分类网络模型。首先,提出了一种基于注意力机制的特征注意力模块(FAM),提取不同权重的图像特征。然后,提出了基于FAM的多尺度注意力卷积神经网络(MSACNN),通... 为解决传统的图像分类方法精度低的问题,该文提出了一种基于卷积神经网络的图像分类网络模型。首先,提出了一种基于注意力机制的特征注意力模块(FAM),提取不同权重的图像特征。然后,提出了基于FAM的多尺度注意力卷积神经网络(MSACNN),通过3个FAM块提取不同尺度下的精确的图像特征进行分类。将MSACNN与3种典型的卷积神经网络LeNet-5、AlexNet以及残差网络(ResNet)在MNIST数据集上进行了对比,结果表明,MSACNN的分类精度和稳定性效果最好。 展开更多
关键词 卷积神经网络 多尺度 注意力 图像 分类 残差网络
在线阅读 下载PDF
基于多尺度卷积神经网络的自适应熵加权决策融合船舶图像分类方法 被引量：16
10
作者 任永梅 杨杰 +1 位作者 郭志强 曹辉 《电子与信息学报》 EI CSCD 北大核心 2021年第5期1424-1431,共8页
针对单一尺度卷积神经网络(CNN)对船舶图像分类的局限性,该文提出一种多尺度CNN自适应熵加权决策融合方法用于船舶图像分类。首先使用多尺度CNN提取不同尺寸的船舶图像的多尺度特征,并训练得到不同子网络的最优模型;接着利用测试集船舶... 针对单一尺度卷积神经网络(CNN)对船舶图像分类的局限性,该文提出一种多尺度CNN自适应熵加权决策融合方法用于船舶图像分类。首先使用多尺度CNN提取不同尺寸的船舶图像的多尺度特征,并训练得到不同子网络的最优模型;接着利用测试集船舶图像在最优模型上测试,得到多尺度CNN的Softmax函数输出的概率值,并计算得到信息熵,进而实现对不同输入船舶图像赋予自适应的融合权重;最后对不同子网络的Softmax函数输出概率值进行自适应熵加权决策融合实现船舶图像的最终分类。在VAIS数据集和自建数据集上分别进行了实验,提出的方法的分类准确率分别达到了95.07%和97.50%,实验结果表明,与单一尺度CNN分类方法以及其他较新方法相比,所提方法具有更优的分类性能。 展开更多
关键词 图像处理 船舶图像分类 多尺度卷积神经网络 熵 决策融合
在线阅读 下载PDF
一种基于多尺度卷积神经网络和分类统计的图像去雾霾方法 被引量：8
11
作者 齐永锋 李占华 《红外技术》 CSCD 北大核心 2020年第2期190-197,共8页
传统的去雾霾方法会导致天空、白云和明亮区域内的颜色失真。为了解决以上问题,提出了一种基于多尺度卷积神经网络和分类统计的去除图像雾霾的方法。首先用多尺度卷积神经网络估计图像的透射率,其次对所估计的透射率进行分类统计以确定... 传统的去雾霾方法会导致天空、白云和明亮区域内的颜色失真。为了解决以上问题,提出了一种基于多尺度卷积神经网络和分类统计的去除图像雾霾的方法。首先用多尺度卷积神经网络估计图像的透射率,其次对所估计的透射率进行分类统计以确定在暗通道内天空、白云和明亮区域的像素值,最后通过低通高斯滤波器平滑图像场景的辐射度,得到恢复的无雾霾图像。实验结果表明,采用提出的方法对图像去雾霾后明亮区域内的颜色不会失真,且保留了图像的自然外观,对合成图像和真实图像均有较好的去雾霾效果。 展开更多
关键词 图像处理 图像去雾霾 多尺度卷积神经网络 分类统计 透射率
在线阅读 下载PDF
基于多尺度卷积神经网络的交通标志识别 被引量：22
12
作者 宋青松 张超 +2 位作者 田正鑫 陈禹 王兴莉 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2018年第8期131-137,共7页
针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善... 针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性. 展开更多
关键词 模式识别系统 交通标志识别 多尺度卷积神经网络 SoftMax分类器
在线阅读 下载PDF
基于衰减因子的双通道神经网络图像分类算法 被引量：4
13
作者 屈景怡 朱威 吴仁彪 《系统工程与电子技术》 EI CSCD 北大核心 2017年第6期1391-1399,共9页
为解决深度卷积神经网络(convolutional neural networks,CNN)难以训练的问题,提出一种快速、高效的双通道神经网络(dual-channel neural networks,DCNN),该神经网络由直通通道和卷积通道两种通道构成,直通通道负责保障深度网络的畅通性... 为解决深度卷积神经网络(convolutional neural networks,CNN)难以训练的问题,提出一种快速、高效的双通道神经网络(dual-channel neural networks,DCNN),该神经网络由直通通道和卷积通道两种通道构成,直通通道负责保障深度网络的畅通性,卷积通道负责深度网络的学习。考虑到深层网络在训练时容易出现性能不稳定的问题,在卷积通道上引入卷积衰减因子,对其响应数据进行约束。设计一种"双池化层"对同一特征图进行降采样,不仅可以防止训练过拟合,还能保证各通道的维度一致性。在3个图像数据集CIFAR-10、CIFAR-100和MNIST上的实验结果表明,无论是神经网络的可训练深度、稳定性和分类精度,DCNN都明显优于现有的深度卷积神经网络。 展开更多
关键词 图像分类 深度学习 卷积神经网络 双通道神经网络 卷积衰减因子
在线阅读 下载PDF
受损图片分类的双并行交叉降噪卷积神经网络 被引量：1
14
作者 王达 周雪峰 +2 位作者 徐智浩 蔡奕松 陈洲 《计算机工程与应用》 CSCD 北大核心 2018年第18期147-153,共7页
应对大量受干扰图像的分类问题,提出了一种双并行交叉降噪卷积模型,该模型由两部分并行交叉网络结构组成,分别对应改进的自编码方式和并行交叉卷积神经网络,同时在该模型训练的过程中,使用批量正则化和改进激活函数的方法。经实验验证,... 应对大量受干扰图像的分类问题,提出了一种双并行交叉降噪卷积模型,该模型由两部分并行交叉网络结构组成,分别对应改进的自编码方式和并行交叉卷积神经网络,同时在该模型训练的过程中,使用批量正则化和改进激活函数的方法。经实验验证,与同类模型相比,该模型首先具有降噪能力强、鲁棒性好、泛化能力强和准确率高的特点,其次避免过拟合,加快收敛速度。在图片不同程度受损的情况下,它也可较好地完成图像目标识别分类任务。 展开更多
关键词 图像分类 自编码器 卷积神经网络 双并行交叉
在线阅读 下载PDF
基于卷积神经网络的害虫分类 被引量：4
15
作者 陈继清 韦德鹏 +2 位作者 龙腾 罗天 王桦彬 《中国农机化学报》 北大核心 2022年第11期188-194,共7页
农作物病虫害是一种严重的自然灾害,需要对其进行及时预测和监控,以保证农作物产量。由于害虫种类繁多以及作物在生长初期的形态相似,农业工作者难以准确识别各类作物昆虫,给病虫害的防治工作带来巨大挑战。针对这一问题,提出一种基于... 农作物病虫害是一种严重的自然灾害,需要对其进行及时预测和监控,以保证农作物产量。由于害虫种类繁多以及作物在生长初期的形态相似,农业工作者难以准确识别各类作物昆虫,给病虫害的防治工作带来巨大挑战。针对这一问题,提出一种基于多尺度特征融合的网络模型(FFNet)对作物害虫进行精准识别与分类。首先,采用空洞卷积设计多尺度特征提取模块(MFEM),获取害虫图像的多尺度特征图;然后,使用深层特征提取模块(DFEM)提取图像的深层特征信息;最后,将分别由多尺度特征提取模块(MFEM)和深层特征提取模块(DFEM)提取到的特征图进行融合,从而实现以端到端的方式对作物害虫进行精准分类与识别。试验表明:所提出的方法在12类害虫的数据集上获得优异的分类性能,分类准确率(ACC)达到98.2%,损失函数Loss为0.031,模型训练时间为197 min。 展开更多
关键词 深度学习 卷积神经网络 多尺度融合 空洞卷积 害虫分类
在线阅读 下载PDF
融入多尺度特征注意力的胶囊神经网络及其在文本分类中的应用 被引量：3
16
作者 王超凡 琚生根 +1 位作者 孙界平 陈润 《中文信息学报》 CSCD 北大核心 2022年第1期65-74,共10页
近些年来,胶囊神经网络(Capsnets)由于拥有强大的文本特征学习能力而被应用到文本分类任务中。目前的研究工作大都将提取到的文本多元语法特征视为同等重要,而忽略了单词所对应的各个多元语法特征的重要程度由具体上下文决定的这一事实... 近些年来,胶囊神经网络(Capsnets)由于拥有强大的文本特征学习能力而被应用到文本分类任务中。目前的研究工作大都将提取到的文本多元语法特征视为同等重要,而忽略了单词所对应的各个多元语法特征的重要程度由具体上下文决定的这一事实,这将直接影响到模型对整个文本的语义理解。针对上述问题,该文提出了多尺度特征部分连接胶囊网络(MulPart-Capsnets)。该方法将多尺度特征注意力融入到Capsnets中,多尺度特征注意力能够自动选择不同尺度的多元语法特征,通过对其进行加权求和,就能为每个单词精确捕捉到丰富的多元语法特征。同时,为了减少子胶囊与父胶囊之间的冗余信息传递,该文也对路由算法进行了改进。该文提出的算法在文本分类任务上针对7个著名的数据集进行了有效性验证,和现有的研究工作相比,性能提高显著,说明该文的算法能够捕获文本中更丰富的多元语法特征,具有更加强大的文本特征学习能力。 展开更多
关键词 胶囊神经网络 多尺度特征注意力 文本分类 路由算法 卷积神经网路
在线阅读 下载PDF
雷达海上目标双通道卷积神经网络特征融合智能检测方法 被引量：18
17
作者 苏宁远 陈小龙 +1 位作者 陈宝欣 关键 《现代雷达》 CSCD 北大核心 2019年第10期47-52,57,共7页
受复杂海洋环境影响,基于统计理论的海面目标检测方法由于假设条件不成立,在实际应用中难以实现高性能检测,本文从特征提取分类角度,通过深度学习分类方法对目标和杂波的雷达回波信号进行二元分类,提出了一种基于双通道卷积神经网络(DCC... 受复杂海洋环境影响,基于统计理论的海面目标检测方法由于假设条件不成立,在实际应用中难以实现高性能检测,本文从特征提取分类角度,通过深度学习分类方法对目标和杂波的雷达回波信号进行二元分类,提出了一种基于双通道卷积神经网络(DCCNN)的雷达海上目标智能检测方法。首先,对实测海杂波和目标雷达信号进行预处理,得到信号的时间-多普勒谱和幅度信息;然后,构建DCCNN对预处理得到的数据进行智能特征提取,得到信号的特征向量,并对不同特征提取模型性能进行测试;最后,通过阈值可设的Softmax分类器作为检测器对特征向量进行分类,实现虚警率的控制。测试结果表明:与传统的单通道CNN以及无虚警控制Hog-SVM分类算法相比,基于二维卷积核VGG16和一维卷积核Le Net的DCCNN特征提取模型和softmax分类器可实现更高的检测性能,并可以实现虚警率控制,为复杂海杂波背景下目标智能检测提供了新的技术途径。 展开更多
关键词 雷达目标检测 海上目标 特征提取 双通道卷积神经网络 虚警可控 分类器
在线阅读 下载PDF
基于卷积神经网络的脑电信号分类 被引量：8
18
作者 李玉花 柳倩 +2 位作者 韦新 程永强 李海芳 《科学技术与工程》 北大核心 2020年第15期6135-6140,共6页
针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数... 针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数据前加了系数矩阵,该系数矩阵可以随网络的训练逐步更新,代替了手工提特征再送入网络的步骤,有助于提高分类精度。最终本文的脑电分类模型在高原脑电信号的分类实验中,二分类准确率比改进前提高8%,三分类、四分类准确率分别达到92.87%、81.15%,分类准确率较高,对脑电信号的分类具有较高的参考价值。 展开更多
关键词 多尺度卷积核 卷积神经网络 脑电 信号分类
在线阅读 下载PDF
基于多尺度注意力卷积神经网络的苹果叶部病害识别方法 被引量：6
19
作者 张会敏 谢泽奇 《江苏农业科学》 北大核心 2023年第16期154-161,共8页
针对传统苹果叶部病害识别方法识别率低和现有卷积神经网络(CNN)训练时间长的问题,提出一种基于多尺度注意力卷积神经网络的苹果叶部病害识别方法。该方法由多尺度空洞卷积模块Inception与改进的残差模块组成,其中,多尺度空洞卷积模块In... 针对传统苹果叶部病害识别方法识别率低和现有卷积神经网络(CNN)训练时间长的问题,提出一种基于多尺度注意力卷积神经网络的苹果叶部病害识别方法。该方法由多尺度空洞卷积模块Inception与改进的残差模块组成,其中,多尺度空洞卷积模块Inception用于图像的多尺度特征提取,在卷积模块中引入双注意力机制增强网络模型,显著表示图像中叶部病斑区域特征,降低非病斑区域与背景区域对识别结果的干扰,在原始残差模块上引入卷积层与非线性激活函数改进的残差模块,增加鲁棒性判别特征的跨层融合,在苹果病害叶片图像数据集上的识别准确率达96%以上。结果表明,所提出的方法具有参数量少、占用内存小以及性能好的优势,可进一步应用于田间苹果叶部病害智能识别系统。 展开更多
关键词 苹果病害识别 卷积神经网络 多尺度空洞卷积模块 双注意力机制 多尺度注意力卷积网络
在线阅读 下载PDF
基于多尺度深度卷积神经网络的骨髓白细胞识别研究 被引量：3
20
作者 陈德海 潘韦驰 +1 位作者 丁博文 黄艳国 《现代电子技术》 北大核心 2020年第2期160-163,共4页
针对骨髓白细胞人工提取特征复杂,识别困难等问题,提出一种多尺度滤波深度卷积神经网络(MS-DCNN)模型。首先,该模型将传统的卷积神经网络模型的滤波器尺寸缩小,以减少模型的总体参数以提升网络模型训练的效率;其次,通过增加滤波器的个... 针对骨髓白细胞人工提取特征复杂,识别困难等问题,提出一种多尺度滤波深度卷积神经网络(MS-DCNN)模型。首先,该模型将传统的卷积神经网络模型的滤波器尺寸缩小,以减少模型的总体参数以提升网络模型训练的效率;其次,通过增加滤波器的个数和网络深度来提取骨髓血细胞更丰富的特征;最后通过在Sysmex(希森美康)公开数据集上对6类骨髓白细胞进行实验,并与其他主流分类方法进行对比。结果表明,该文提出的MS-DCNN模型准确率达到了98.9%,高于其他主流方法,其有效性得到了验证。 展开更多
关键词 骨髓白细胞 卷积神经网络 多尺度特征 深度学习 机器视觉 图像分类
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 … 5 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