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：
应用双通道卷积神经网络的地震随机噪声压制方法 被引量：9
1
作者 徐彦凯 刘曾梅 +1 位作者 薛亚茹 曹思远 《石油地球物理勘探》 EI CSCD 北大核心 2022年第4期747-756,I0001,共11页
地震资料中随机噪声的压制一直是人们关注的热点。传统方法难以平衡噪声的去除与有效信号的保护,且执行效率低。为此,提出了基于双通道卷积神经网络的随机噪声压制方法。首先,该网络是一个双通道网络,即由两个结构不同的子网络组成,目... 地震资料中随机噪声的压制一直是人们关注的热点。传统方法难以平衡噪声的去除与有效信号的保护,且执行效率低。为此,提出了基于双通道卷积神经网络的随机噪声压制方法。首先,该网络是一个双通道网络,即由两个结构不同的子网络组成,目的是在压制噪声过程中提取到互补有效信息;其次,在下通道子网络中引入空洞卷积增大感受野,充分捕捉到地震资料中的邻域信息,从而更充分地保留细节信息;最后,借鉴残差学习的思想并使用Swish激活函数,提高了网络的降噪性能。模型和实际资料的实验结果表明,所提方法在有效地压制随机噪声的同时能够保留更丰富的纹理细节信息。 展开更多
关键词 地震资料 随机噪声 双通道卷积神经网络 空洞卷积 激活函数
在线阅读 下载PDF
采用双通道卷积神经网络构建的随机脉冲噪声深度降噪模型 被引量：1
2
作者 徐少平 林珍玉 +2 位作者 崔燕 刘蕊蕊 杨晓辉 《电子与信息学报》 EI CSCD 北大核心 2020年第10期2541-2548,共8页
为提高对随机脉冲噪声(RVIN)图像的降噪效果,该文提出一种被称为双通道降噪卷积神经网络(D-DnCNN)的RVIN深度降噪模型。首先,提取多个不同阶对数差值排序(ROLD)统计值及1个边缘特征统计值构成描述图块中心像素点是否为RVIN噪声的噪声感... 为提高对随机脉冲噪声(RVIN)图像的降噪效果,该文提出一种被称为双通道降噪卷积神经网络(D-DnCNN)的RVIN深度降噪模型。首先,提取多个不同阶对数差值排序(ROLD)统计值及1个边缘特征统计值构成描述图块中心像素点是否为RVIN噪声的噪声感知特征矢量。其次,利用预先训练好的深度置信网络(DBN)预测模型实现特征矢量到噪声标签的映射,完成对噪声图像中噪声点的检测。再次,在噪声检测标签的指示下采用Delaunay三角剖分插值算法快速修复噪声像素点从而获得初步复原图像。最后,将初步复原图像作为参考图像与噪声图像联接(concatenate)后输入D-DnCNN模型后获得残差图像,将参考图像减去残差图像即可获得降噪后图像。实验数据表明:D-DnCNN模型在各个噪声比例下的降噪效果均显著超过了现有的经典开关型RVIN降噪算法,与普通的单通道RVIN深度降噪模型相比也有较大幅度提升。 展开更多
关键词 图像处理 随机脉冲噪声 双通道降噪卷积神经网络 参考图像 噪声感知特征 噪声检测 插值
在线阅读 下载PDF
双通道卷积神经网络人脸表情识别 被引量：5
3
作者 张琳琳 陈志雨 张啸 《长春工业大学学报》 CAS 2019年第2期142-148,共7页
将卷积神经网络的单通道全连接层改为双通道,构建并训练了一个新的双通道卷积神经网络模型以增强模型的特征表达能力。在全连接层用Maxout激活函数代替传统的ReLU激活函数以优化网络内部结构。在网络训练过程中,采用A-Softmax损失,使卷... 将卷积神经网络的单通道全连接层改为双通道,构建并训练了一个新的双通道卷积神经网络模型以增强模型的特征表达能力。在全连接层用Maxout激活函数代替传统的ReLU激活函数以优化网络内部结构。在网络训练过程中,采用A-Softmax损失,使卷积神经网络能够学习角度判别特征。改进后的卷积神经网络模型在FER2013数据集上准确率为73.6%。 展开更多
关键词 人脸表情识别 深度学习 双通道卷积神经网络 A-Softmax损失
在线阅读 下载PDF
基于双通道复数卷积神经网络的DOA估计算法 被引量：1
4
作者 俞帆 陈格格 沈明威 《现代雷达》 CSCD 北大核心 2022年第12期81-86,共6页
针对低信噪比下基于实数卷积神经网络(RV-CNN)的阵列波达方向(DOA)估计方法对接收信号幅相特征提取不充分的问题,引入复数卷积神经网络(CV-CNN)进行DOA估计。为进一步提高分类准确率,构建了一种基于复数卷积神经网络的非对称双通道DOA... 针对低信噪比下基于实数卷积神经网络(RV-CNN)的阵列波达方向(DOA)估计方法对接收信号幅相特征提取不充分的问题,引入复数卷积神经网络(CV-CNN)进行DOA估计。为进一步提高分类准确率,构建了一种基于复数卷积神经网络的非对称双通道DOA估计模型(CV-DCNN)。该模型以阵列接收信号的复数协方差矩阵作为输入,分别输入由空洞卷积层组成的第一通道和由标准卷积层组成的第二通道中,其中空洞卷积在不损失角度信息的情况下,增大特征图的感受野。通过复数卷积神经网络(CV-CNN)独有的复数卷积方式提取和融合信号的幅值和相位特征,将双通道提取的特征融合后通过全连接层和sigmoid函数实现角度分类结果输出。实验结果表明,CV-CNN比RV-CNN有更快的收敛速度,在低信噪比和少快拍条件下,CV-CNN比RV-CNN有更高的估计精度,而CV-DCNN比CV-CNN在收敛速度和估计精度上又有了进一步的提升。 展开更多
关键词 阵列达波方向估计 复数卷积神经网络 复数双通道卷积神经网络 空洞卷积
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
5
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
基于双通道卷积神经网络的雷达信号识别 被引量：7
6
作者 全大英 陈赟 +3 位作者 唐泽雨 李世通 汪晓锋 金小萍 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第7期877-885,共9页
为解决在低信噪比下特征提取困难、雷达信号识别率低的问题,提出了一种基于Choi-Williams分布(CWD)和多重同步压缩变换(MSST)的双通道卷积神经网络模型.模型通过对雷达信号进行CWD和MSST时频分析,分别获取二维时频图像并进行预处理,然... 为解决在低信噪比下特征提取困难、雷达信号识别率低的问题,提出了一种基于Choi-Williams分布(CWD)和多重同步压缩变换(MSST)的双通道卷积神经网络模型.模型通过对雷达信号进行CWD和MSST时频分析,分别获取二维时频图像并进行预处理,然后送入双通道卷积神经网络进行深度特征提取,最后将两路通道获取的特征进行融合,通过卷积神经网络分类器实现对雷达信号的分类识别.仿真结果表明:在信噪比为-10 dB时,所提模型整体识别准确率能达到96%以上,其在低信噪比下表现优异. 展开更多
关键词 低信噪比 Choi-Williams分布 多重同步压缩变换 双通道卷积神经网络
在线阅读 下载PDF
双通道多感知卷积神经网络图像超分辨率重建 被引量：2
7
作者 王鑫 王翠荣 +1 位作者 王聪 苑迎 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第11期1564-1569,1576,共7页
基于深度卷积神经网络的单幅图像超分辨率重建取得了显著研究成果.但随着深度卷积神经网络规模的不断扩大,如何降低网络构建难度和计算成本成为一个难点.为此,提出了一种双通道多感知卷积神经网络(DMCN)模型.该模型在两条具有不同卷积... 基于深度卷积神经网络的单幅图像超分辨率重建取得了显著研究成果.但随着深度卷积神经网络规模的不断扩大,如何降低网络构建难度和计算成本成为一个难点.为此,提出了一种双通道多感知卷积神经网络(DMCN)模型.该模型在两条具有不同卷积核的通道上建立了稠密连接,并构建了带有动态调节能力的层间融合结构.这种结构的设计使得小规模卷积神经网络便能获得图片特征信息的全面感知能力.实验结果表明,DMCN重建效果优于目前多数具有代表性的重建算法. 展开更多
关键词 单幅图像超分辨率重建 双通道多感知卷积神经网络 稠密连接 残差网络 深度学习
在线阅读 下载PDF
基于双通道CNN的单幅图像超分辨率重建 被引量：1
8
作者 姚琴娟 林家骏 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第5期801-808,共8页
卷积神经网络在单幅图像超分辨率重建方面取得了很大的进展,目前的很多方法都选择使用浅层或者深层的卷积神经网络实现图像超分辨率重建。浅层网络结构简单,但容易丢失图像的高频信息,而深层网络可以学习图像的高频纹理特征。本文提出... 卷积神经网络在单幅图像超分辨率重建方面取得了很大的进展,目前的很多方法都选择使用浅层或者深层的卷积神经网络实现图像超分辨率重建。浅层网络结构简单,但容易丢失图像的高频信息,而深层网络可以学习图像的高频纹理特征。本文提出了双通道卷积神经网络。浅层网络负责重建图像的整体轮廓,保留图像的原始信息;深层网络学习图像的高频纹理特征。在深层网络中,使用密集连接的卷积网络,能更有效地恢复图像的高频信息。同时,在两个网络的末端,通过添加额外的卷积层表示融合层,将网络进行融合,重建超分辨率图片。实验结果表明,在大多数情况下,本文模型的重构效果在主观和客观评估中均优于当前代表性的超分辨率重构方法。 展开更多
关键词 超分辨率重建 双通道卷积网络 密集连接 融合层
在线阅读 下载PDF
基于多模态图像融合的DCCNN识别电能质量扰动
9
作者 余雷 刘宏伟 孟芸 《现代电子技术》 北大核心 2024年第3期137-142,共6页
为提高电力系统中电能质量扰动识别准确率,提出一种基于多模态图像融合的双通道卷积神经网络算法。首先,为降低传统格拉姆求和场生成特征图的冗余度,提出一种改进的格拉姆求和场;然后,通过改进的格拉姆求和场、马尔可夫转移场和无阈值... 为提高电力系统中电能质量扰动识别准确率,提出一种基于多模态图像融合的双通道卷积神经网络算法。首先,为降低传统格拉姆求和场生成特征图的冗余度,提出一种改进的格拉姆求和场;然后,通过改进的格拉姆求和场、马尔可夫转移场和无阈值递归图分别将电能质量扰动时序数据进行模态变换;其次,对转换生成的三类图像各提取出一个单通道灰度图进行融合;最后,将融合得到的特征图输入到双通道卷积神经网络中进行扰动识别。实验表明:多模态融合得到的特征图扰动特征保留更多,而且双通道卷积神经网络提取特征能力强,具有一定的抗噪鲁棒性,扰动识别准确率高。 展开更多
关键词 电能质量扰动 格拉姆求和场 马尔可夫转移场 无阈值递归图 双通道卷积神经网络 识别
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