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9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：
基于多尺度双线性卷积神经网络的多角度下车型精细识别 被引量：6
1
作者 刘虎 周野 袁家斌 《计算机应用》 CSCD 北大核心 2019年第8期2402-2407,共6页
针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题,提出基于多尺度双线性卷积神经网络(MS-B-CNN)的车型精细识别模型。首先,对双线性卷积神经网络(B-CNN)算法进行改进,提出MS-B-CNN算法对不同卷积层的特征进行了多尺... 针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题,提出基于多尺度双线性卷积神经网络(MS-B-CNN)的车型精细识别模型。首先,对双线性卷积神经网络(B-CNN)算法进行改进,提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合,以提高特征表达能力;此外,还采用基于中心损失函数与Softmax损失函数联合学习的策略,在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心,在训练过程中新增加样本时,网络会约束样本的分类中心距离,以提高多角度情况下的车型识别的能力。实验结果显示,该车型识别模型在CompCars数据集上的正确率达到了93.63%,验证了模型在多角度情况下的准确性和鲁棒性。 展开更多
关键词 车型精细识别 卷积神经网络 双线性卷积神经网络 中心损失 多尺度
在线阅读 下载PDF
基于双线性卷积宽度网络的水稻病虫害识别 被引量：2
2
作者 孙杨俊 陈滔 刘志梁 《计算机应用》 CSCD 北大核心 2024年第S01期314-318,共5页
针对水稻病虫害数据集构建不够完善,现有方法对小样本数据集识别准确度低的问题,提出一种基于双线性卷积宽度网络(BCBN)的小样本水稻病虫害识别方法。所提方法利用双线性卷积神经网络(B-CNN)提取水稻病虫害图像的双线性特征,并通过宽度... 针对水稻病虫害数据集构建不够完善,现有方法对小样本数据集识别准确度低的问题,提出一种基于双线性卷积宽度网络(BCBN)的小样本水稻病虫害识别方法。所提方法利用双线性卷积神经网络(B-CNN)提取水稻病虫害图像的双线性特征,并通过宽度学习系统(BLS)算法增强双线性特征,从而提高模型的识别准确率。实验结果表明,BCBN在使用BLS增强双线性特征后,病虫害图像中的判别性特征得到了更高的权重占比,有效降低了模型的误分率,模型识别准确率达97.44%。所提方法在样本量较少时具有明显优势,能够满足真实场景下水稻病虫害分类检测的需求,为水稻病虫害识别技术提供了一种可行的思路。 展开更多
关键词 双线性卷积神经网络 宽度学习系统 特征增强 水稻病虫害 数据增强
在线阅读 下载PDF
基于双线性RepVGG注意力网络的花卉分类 被引量：1
3
作者 侯向宁 赵金伟 +1 位作者 黄孝斌 蒋维成 《激光杂志》 CAS 北大核心 2024年第4期165-171,共7页
为进一步提高花卉分类的准确率,在对双线性卷积神经网络、RepVGG及注意力机制进行研究的基础上,提出一种基于双线性RepVGG注意力机制的网络模型。首先利用RepVGG网络替换原始的特征提取网络VGG,以提高对花卉主要特征的提取能力;然后在两... 为进一步提高花卉分类的准确率,在对双线性卷积神经网络、RepVGG及注意力机制进行研究的基础上,提出一种基于双线性RepVGG注意力机制的网络模型。首先利用RepVGG网络替换原始的特征提取网络VGG,以提高对花卉主要特征的提取能力;然后在两个RepVGG网络中分别引入通道注意力及空间注意力机制,并利用两个RepVGG网络外积后生成的高维双线性特征,来提取花卉的细粒度特征;最后通过结构重参数化,将RepVGG的各层转换为单路结构,以提高模型推理的速度。实验结果表明,在增强的Oxford-102数据集上,新模型与原始模型及常见模型相比,其推理速度及分类准确率均有较大的提升,与未引入注意力前相比,分类准确率也有一定的提升。 展开更多
关键词 双线性卷积神经网络 RepVGG 注意力机制 细粒度 结构重参数化
在线阅读 下载PDF
基于CAM与双线性网络的鸟类图像识别方法 被引量：6
4
作者 王越 冯振 《重庆理工大学学报（自然科学）》 CAS 北大核心 2021年第11期136-141,239,共7页
细粒度图像识别问题是针对同一个大类下面的不同子类进行精确识别。细粒度图像分类以其类间差异小、类内差异大等特点,一直是计算机视觉领域研究的热点和难点。针对利用CAM网络提取最佳判别性区域,导致缺乏其他辅助判别区域特征。为此,... 细粒度图像识别问题是针对同一个大类下面的不同子类进行精确识别。细粒度图像分类以其类间差异小、类内差异大等特点,一直是计算机视觉领域研究的热点和难点。针对利用CAM网络提取最佳判别性区域,导致缺乏其他辅助判别区域特征。为此,提出利用CAM网络反复提取判别性区域特征,对不同判别性区域施加权重,得到最终的判别性区域,使用注意力双线性网络提取图像高阶特征。同时引入嵌入空间,利用一种新的混合损失函数提高特征的判别性,进而提高方法的分类性能。在公开的细粒度数据集上,CUB-200-2011分类准确率为87.3%,比ResNet50网络提高5.6个百分点。实验结果表明:该方法能有效提高弱监督鸟类图像分类的准确率。 展开更多
关键词 图像分类 细粒度图像分类 双线性卷积神经网络
在线阅读 下载PDF
基于Res2Net和双线性注意力的番茄病害时期识别方法 被引量：17
5
作者 贾兆红 张袁源 +1 位作者 王海涛 梁栋 《农业机械学报》 EI CAS CSCD 北大核心 2022年第7期259-266,共8页
针对番茄叶片型病害在早晚期具有类内差异大、类间差异小的特点,常规神经网络对此类病害的分类效果不佳的问题,提出了基于Res2Net和双线性注意力的番茄病害时期识别方法,通过多尺度特征和注意力机制,提高网络的细粒度表征能力。首先,提... 针对番茄叶片型病害在早晚期具有类内差异大、类间差异小的特点,常规神经网络对此类病害的分类效果不佳的问题,提出了基于Res2Net和双线性注意力的番茄病害时期识别方法,通过多尺度特征和注意力机制,提高网络的细粒度表征能力。首先,提出EFCA通道注意力模块,在不降维的基础上,使用二维离散余弦变换代替全局平均池化,以减少常规通道注意力获取时的信息丢失。其次,在外积之后加入最大池化和concat操作,避免双线性融合后因维度过高导致的特征冗余。在7种不同种类和14种不同程度病害番茄叶面型病害数据集实验中,本文方法分类准确度分别为98.66%和86.89%。 展开更多
关键词 神经网络 细粒度分类 番茄病害时期 注意力机制 双线性卷积神经网络
在线阅读 下载PDF
基于特征融合的FL-BCNN鱼类识别算法研究 被引量：2
6
作者 葛艳 张亚婷 李海涛 《计算机应用与软件》 北大核心 2023年第8期174-179,186,共7页
为了解决水下相机设备捕获的鱼类图像质量差、数据量不均匀等难以准确识别鱼类的问题,提出一种基于特征融合的FL-BCNN鱼类识别算法。对B-CNN算法进行改进,融合不同卷积层的特征,提高细粒度特征的表达能力,解决了图像质量差引起的特征不... 为了解决水下相机设备捕获的鱼类图像质量差、数据量不均匀等难以准确识别鱼类的问题,提出一种基于特征融合的FL-BCNN鱼类识别算法。对B-CNN算法进行改进,融合不同卷积层的特征,提高细粒度特征的表达能力,解决了图像质量差引起的特征不明显的问题。利用焦点损失函数(Focal Loss)解决样本数据不平衡的问题,提高水下鱼类图像的识别能力。利用F4K(15)数据集与四个已有算法进行鱼类识别对比实验。实验结果表明,FL-BCNN鱼类识别算法的识别精度较高,具有较好的识别速度,可以有效解决鱼类识别中样本不平衡的问题。 展开更多
关键词 水下鱼类识别 细粒度图像 双线性卷积神经网络 特征融合 焦点损失
在线阅读 下载PDF
基于深度学习的羊脸细粒度特征的身份识别 被引量：1
7
作者 宣传忠 吕尧 +2 位作者 刘苏慧 崔家赫 张曦文 《数字农业与智能农机》 2023年第3期26-30,58,共6页
由于目前羊面部图像差距小,其细粒度图像难以识别。基于双线性卷积神经网络(Biliner-CNN),提出了一种基于VGG19-ResNet50非对称的改进B-CNN网络模型,对羊面部细粒度图像进行身份识别;将VGG19和ResNet50作为不同注意力特征提取器,并将特... 由于目前羊面部图像差距小,其细粒度图像难以识别。基于双线性卷积神经网络(Biliner-CNN),提出了一种基于VGG19-ResNet50非对称的改进B-CNN网络模型,对羊面部细粒度图像进行身份识别;将VGG19和ResNet50作为不同注意力特征提取器,并将特征提取后的结果做外积融合以形成最终的个体身份特征,最后利用全连接层和softmax层对提取到的特征进行分类。试验结果表明:在对20只羊的1657张不同角度、光照、姿态以及全身图像、面部图像的识别中,基于VGG19-ResNet50非对称的改进B-CNN网络模型准确率达到99.69%。 展开更多
关键词 羊面部识别 细粒度分类 VGG19-ResNet50 双线性卷积神经网络
在线阅读 下载PDF
基于自身注意力时空特征的语音情感识别算法 被引量：6
8
作者 徐华南 周晓彦 +1 位作者 姜万 李大鹏 《声学技术》 CSCD 北大核心 2021年第6期807-814,共8页
针对语音情感识别中无法对关键的时空依赖关系进行建模,导致识别率低的问题,提出一种基于自身注意力(self-attention)时空特征的语音情感识别算法,利用双线性卷积神经网络、长短期记忆网络和多组注意力(multi-head attention)机制去自... 针对语音情感识别中无法对关键的时空依赖关系进行建模,导致识别率低的问题,提出一种基于自身注意力(self-attention)时空特征的语音情感识别算法,利用双线性卷积神经网络、长短期记忆网络和多组注意力(multi-head attention)机制去自动学习语音信号的最佳时空表征。首先提取语音信号的对数梅尔(log-Mel)特征、一阶差分和二阶差分特征合成3D log-Mel特征集作为卷积神经网络的输入;然后综合考虑空间特征和时间依赖性关系,将双线性池化和双向长短期记忆网络的输出融合得到空间-时间特征表征,利用多组注意力机制捕获判别性强的特征;最后利用softmax函数进行分类。在IEMOCAP和EMO-DB数据库上进行实验,结果表明两种数据库的识别率分别为63.12%和87.09%,证明了此方法的有效性。 展开更多
关键词 语音情感识别 3D log-Mel 双线性卷积神经网络 长短期记忆网络 多组注意力
在线阅读 下载PDF
联合矢量数据和深度学习的遥感影像对象级分类样本自动选择方法 被引量：1
9
作者 何燕兰 王胜利 +1 位作者 朱寿红 刘文杰 《遥感信息》 CSCD 北大核心 2023年第6期15-21,共7页
针对目前的样本获取手段过于依赖人工制作,难以满足当前业务化实际需求的问题,提出了一种基于历史矢量数据和双线性差异化集成卷积神经网络支持的对象级样本自动选择方法。该方法首先通过对影像多尺度分割获取同质性较高的地物块状图斑... 针对目前的样本获取手段过于依赖人工制作,难以满足当前业务化实际需求的问题,提出了一种基于历史矢量数据和双线性差异化集成卷积神经网络支持的对象级样本自动选择方法。该方法首先通过对影像多尺度分割获取同质性较高的地物块状图斑,将历史矢量携带的标签信息赋值给该块状图斑;然后,通过图斑边界约束自适应生成多尺度样本集;最后,利用双线性差异化集成卷积神经网络进行样本的选择和纯化,通过属性关联实现对象级的高质量样本获取。无人机影像的分类结果表明,该方法充分结合了历史矢量数据先验几何约束和属性信息,顾及了最新影像中地物的光谱特性、边界特征和纹理信息,并引入深度学习方法实现了多尺度样本的纯化处理,实现了快速获取满足实际需求的高可靠性对象级分类样本。 展开更多
关键词 矢量数据 双线性差异化集成卷积神经网络 多尺度样本集 面向对象 样本自动选择
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 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