期刊文献+
共找到130篇文章
< 1 2 7 >
每页显示 20 50 100
基于卷积神经网络的双阶段水下图像增强方法
1
作者 路斯棋 管凤旭 +1 位作者 赖海涛 杜雪 《北京航空航天大学学报》 北大核心 2025年第1期321-332,共12页
由于水体对光线不同粒子的吸收能力具有一定差异,水下采集到的图像往往存在严重的退化现象,严重影响水下机器人对环境的感知。传统的图像处理方法和基于退化模型的图像恢复算法受到水下环境的复杂性和物理参数不确定性的影响往往表现出... 由于水体对光线不同粒子的吸收能力具有一定差异,水下采集到的图像往往存在严重的退化现象,严重影响水下机器人对环境的感知。传统的图像处理方法和基于退化模型的图像恢复算法受到水下环境的复杂性和物理参数不确定性的影响往往表现出较差的泛化能力。为提高水下图像的视觉效果,利用深度学习模型强大的学习能力,提出一种基于卷积神经网络的双阶段水下图像增强方法,通过图像损坏和图像恢复两个阶段的处理将退化的水下图像增强为视觉效果优秀的近空气图像。在Challenge60、U45、EUVP和RUIE数据集上的测试结果表明,提出的方法相比于已有水下图像复原、增强算法具有更好的增强效果,水下图像质量指标(UIQM)提升了5.18%,水下彩色图像质量评价(UCIQE)指标提升了6.64%。 展开更多
关键词 卷积神经网络 深度学习 双阶段 水下图像增强 水下图像复原
在线阅读 下载PDF
基于跳跃连接神经网络的无监督弱光图像增强算法 被引量:2
2
作者 刘洋 刘思瑞 +1 位作者 徐晓淼 王竹筠 《电子测量与仪器学报》 北大核心 2025年第5期208-216,共9页
针对Zero-DCE网络存在细节丢失和不同亮度区域处理结果出现差异等问题,设计了一种基于增强深度曲线估计网络(EnDCE-Net)的无监督弱光图像增强算法。通过探索弱光图像与未配对的正常光照图像之间的潜在映射关系,实现了对低光照场景下图... 针对Zero-DCE网络存在细节丢失和不同亮度区域处理结果出现差异等问题,设计了一种基于增强深度曲线估计网络(EnDCE-Net)的无监督弱光图像增强算法。通过探索弱光图像与未配对的正常光照图像之间的潜在映射关系,实现了对低光照场景下图像质量的显著改善。首先,提出新的特征提取网络,该网络整合了多个跳跃连接与卷积层,实现低层与高层特征的有效融合,从而学习到弱光图像中的关键特征,增强网络对弱光图像的学习能力。其次,设计一组联合的无参考损失函数,强调优化过程中与亮度相关的特性,从而更有利于图像增强模型的参数更新,提高图像增强的质量和效果。为了验证所提出算法的有效性,在5个公开数据集上进行了对比实验,与次优算法Zero-DCE相比,有参考数据集SICE上的峰值信噪比(PSNR)和结构相似性(SSIM)分别提升了9.4%、21%。无参考数据集LIME、DICM、MEF、NPE上NIQE分别达到了4.04、3.04、3.35、3.83。实验结果表明,所提出算法表现出色,增强后的图像色彩自然,亮度均衡且细节清晰。无论是主观视觉评价还是客观定量指标,均显著优于对比算法,充分体现了在图像增强效果上的卓越性和先进性。 展开更多
关键词 弱光图像增强 深度曲线估计 无参考损失函数 多层卷积神经网络 无监督学习
在线阅读 下载PDF
利用深度卷积神经网络提高未知噪声下的语音增强性能 被引量:39
3
作者 袁文浩 孙文珠 +1 位作者 夏斌 欧世峰 《自动化学报》 EI CSCD 北大核心 2018年第4期751-759,共9页
为了进一步提高基于深度学习的语音增强方法在未知噪声下的性能,本文从神经网络的结构出发展开研究.基于在时间与频率两个维度上,语音和噪声信号的局部特征都具有强相关性的特点,采用深度卷积神经网络(Deep convolutional neural networ... 为了进一步提高基于深度学习的语音增强方法在未知噪声下的性能,本文从神经网络的结构出发展开研究.基于在时间与频率两个维度上,语音和噪声信号的局部特征都具有强相关性的特点,采用深度卷积神经网络(Deep convolutional neural network,DCNN)建模来表示含噪语音和纯净语音之间的复杂非线性关系.通过设计有效的训练特征和训练目标,并建立合理的网络结构,提出了基于深度卷积神经网络的语音增强方法.实验结果表明,在未知噪声条件下,本文方法相比基于深度神经网络(Deep neural network,DNN)的方法在语音质量和可懂度两种指标上都有明显提高. 展开更多
关键词 语音增强 深度卷积神经网络 深度神经网络 噪声
在线阅读 下载PDF
一种融合相位估计的深度卷积神经网络语音增强方法 被引量:7
4
作者 袁文浩 梁春燕 +1 位作者 夏斌 孙文珠 《电子学报》 EI CAS CSCD 北大核心 2018年第10期2359-2366,共8页
在时频域的语音增强中,幅度估计和相位估计都是影响语音增强性能的重要因素.为了在基于深度学习的语音增强方法中融合对相位的估计,本文将含噪语音短时傅里叶变换(STFT)的实部和虚部特征作为两个通道输入深度卷积神经网络,通过建立一个... 在时频域的语音增强中,幅度估计和相位估计都是影响语音增强性能的重要因素.为了在基于深度学习的语音增强方法中融合对相位的估计,本文将含噪语音短时傅里叶变换(STFT)的实部和虚部特征作为两个通道输入深度卷积神经网络,通过建立一个同步估计纯净语音STFT的实部和虚部特征的多任务学习模型,实现了对幅度和相位的同步估计.实验结果表明,相比仅考虑幅度估计的方法,本文方法具有更好的噪声抑制能力,在低信噪比条件下,显著提高了语音增强性能. 展开更多
关键词 语音增强 相位估计 幅度估计 深度卷积神经网络
在线阅读 下载PDF
基于金字塔式双通道卷积神经网络的深度图像超分辨率重建 被引量:9
5
作者 于淑侠 胡良梅 +1 位作者 张骏 张旭东 《计算机应用研究》 CSCD 北大核心 2020年第8期2541-2546,共6页
针对深度图像分辨率低的问题,构建了一种金字塔式双通道深度图像超分辨率卷积神经网络。在金字塔的每一级,通过两个通道对低分辨率深度图像提取不同的有效特征,通道1为增强型残差结构,可以将丰富的图像细节传递到后面的图层,通道2将不... 针对深度图像分辨率低的问题,构建了一种金字塔式双通道深度图像超分辨率卷积神经网络。在金字塔的每一级,通过两个通道对低分辨率深度图像提取不同的有效特征,通道1为增强型残差结构,可以将丰富的图像细节传递到后面的图层,通道2将不同卷积层提取的特征连接起来作为此通道最后一层卷积层的输入,有益于局部特征和全局特征的结合。接着,通过将不同通道融合后的特征输入亚像素卷积实现超分辨率重建。实验结果表明,相比其他方法,该方法得到的超分辨率图像缓解了边缘失真和伪影问题,有较好的视觉效果。 展开更多
关键词 深度图像 超分辨率重建 双通道卷积神经网络 金字塔网络结构
在线阅读 下载PDF
基于空间金字塔池化和深度卷积神经网络的作物害虫识别 被引量:53
6
作者 张博 张苗辉 陈运忠 《农业工程学报》 EI CAS CSCD 北大核心 2019年第19期209-215,共7页
为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害... 为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害虫进行检测定位,然后对检测定位出的害虫进行种类识别。通过改进YOLOv3的网络结构,采用上采样与卷积操作相结合的方法实现反卷积,使算法能够有效地检测到图片中体型较小的作物害虫样本;通过对采集到的实际场景下20类害虫进行识别测试,识别精度均值可达到88.07%。试验结果表明,本文提出的识别算法能够有效地对作物害虫进行检测和种类识别。 展开更多
关键词 图像识别 算法 害虫分类 深度卷积神经网络 空间金字塔池化 卷积
在线阅读 下载PDF
基于深度卷积神经网络的宫颈细胞病理智能辅助诊断方法 被引量:5
7
作者 廖欣 郑欣 +3 位作者 邹娟 冯敏 孙亮 杨开选 《液晶与显示》 CAS CSCD 北大核心 2018年第6期528-537,共10页
针对宫颈细胞病理自动筛查问题,提出一种基于深度卷积神经网络的智能辅助诊断方法。首先采用基于改进UNet深度卷积神经网络模型的语义分割方法,检测出宫颈细胞病理涂片扫描图像中的细胞(粘连簇团)区域。接着,利用VGG 16深度卷积神经网... 针对宫颈细胞病理自动筛查问题,提出一种基于深度卷积神经网络的智能辅助诊断方法。首先采用基于改进UNet深度卷积神经网络模型的语义分割方法,检测出宫颈细胞病理涂片扫描图像中的细胞(粘连簇团)区域。接着,利用VGG 16深度卷积神经网络模型,结合迁移学习技术,对检测出的细胞(粘连簇团)区域进行精确识别。为了提高深度卷积神经网络模型的性能,在进行细胞(粘连簇团)区域检测、识别的过程中,采用了数据增强技术。同时,针对该领域相关研究缺乏宫颈细胞病理液基涂片扫描图像数据集的问题,我们收集四川大学华西附二院的典型LCT筛查病例,建立了宫颈细胞病理图像HXLCT数据集,并由资深病理医生完成数据标注。实验表明,本文方法能够较好地完成宫颈细胞病理涂片扫描图像中的细胞(粘连簇团)区域检测(正确率为91.33%),并能对检测出的区域完成正常、疑似病变二分类识别(正确率为91.6%,召回率为92.3%,ROC曲线线下面积为0.914)。本文工作将有助于宫颈细胞病理自动筛查系统的开发,对于宫颈癌早期防治具有重要意义。 展开更多
关键词 宫颈 细胞病理 深度卷积神经网络 数据增强 迁移学习 智能辅助筛查
在线阅读 下载PDF
一种时频平滑的深度神经网络语音增强方法 被引量:6
8
作者 袁文浩 梁春燕 +2 位作者 娄迎曦 房超 王志强 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2019年第4期130-136,共7页
由于现有的基于深度神经网络的语音增强方法在网络结构的设计上缺乏对语音增强问题自身特点的考虑,针对这一问题,基于语音增强在时间和频率两个维度上的不同特性,受传统语音增强方法中的含噪语音局部特征计算方法启发,设计了一种在时间... 由于现有的基于深度神经网络的语音增强方法在网络结构的设计上缺乏对语音增强问题自身特点的考虑,针对这一问题,基于语音增强在时间和频率两个维度上的不同特性,受传统语音增强方法中的含噪语音局部特征计算方法启发,设计了一种在时间和频率两个维度上进行不同处理的时频平滑网络.该网络采用门控循环单元来表达含噪语音在时间上的相关性,同时采用卷积神经网络来表达含噪语音在频率上的相关性,实现了类似传统语音增强方法的时频平滑处理.实验结果表明,这种时频平滑网络在保证语音增强系统因果性的前提下,相比其他网络显著地提高了语音增强性能,增强后的语音具有更好的语音质量和可懂度. 展开更多
关键词 语音增强 时频平滑 卷积神经网络 深度神经网络
在线阅读 下载PDF
基于深度神经网络的因果形式语音增强模型 被引量:4
9
作者 袁文浩 梁春燕 夏斌 《计算机工程》 CAS CSCD 北大核心 2019年第8期255-259,共5页
传统的基于深度神经网络(DNN)的语音增强方法由于采用非因果形式的输入,在处理过程中具有固定延时,不适用于实时性要求较高的场合。针对这一问题,从网络结构角度展开研究,通过实验对不同网络结构在不同输入形式下的语音增强性能进行对比... 传统的基于深度神经网络(DNN)的语音增强方法由于采用非因果形式的输入,在处理过程中具有固定延时,不适用于实时性要求较高的场合。针对这一问题,从网络结构角度展开研究,通过实验对不同网络结构在不同输入形式下的语音增强性能进行对比,寻找适用于因果形式输入的网络结构,在此基础上,结合卷积神经网络和长短期记忆网络建立一个能充分利用先前帧信息的因果语音增强模型。实验结果表明,该模型在提高基于DNN的语音增强方法实时性的同时,保证了语音增强性能,其PESQ与STOI得分分别为2.25和0.76。 展开更多
关键词 语音增强 因果形式输入 延时 深度神经网络 卷积神经网络
在线阅读 下载PDF
基于数据增强型一维改进卷积神经网络的变压器故障诊断方法 被引量:35
10
作者 李平 胡根铭 《电网技术》 EI CSCD 北大核心 2023年第7期2957-2966,共10页
为提升基于深度学习的变压器故障诊断精度,提出了一种数据增强型一维改进卷积神经网络的变压器故障诊断方法。首先,针对传统变分自编码器数据生成过程中的盲目性弊端,提出改进变分自编码器(improved variational autoencoder,IVAE)优化... 为提升基于深度学习的变压器故障诊断精度,提出了一种数据增强型一维改进卷积神经网络的变压器故障诊断方法。首先,针对传统变分自编码器数据生成过程中的盲目性弊端,提出改进变分自编码器(improved variational autoencoder,IVAE)优化变压器溶解气体数据生成策略。其次,为使深层网络结构能适应变压器溶解气体数据,构建一维改进卷积神经网络(one-dimensional improved convolutional neural network,1D-ICNN)作为故障诊断分类器。最后,通过算例仿真验证了所提方法的可行性和适应性。结果表明IVAE能有效解决变压器故障数据样本少、诊断准确率低的局限;数据增强型1D-ICNN在分类精准度上表现优异,准确度提升了13.49%,研究结果可为变压器故障的准确诊断提供新思路。 展开更多
关键词 一维卷积神经网络 变分自编码器 数据增强 变压器故障诊断 深度学习
在线阅读 下载PDF
基于两通道深度卷积神经网络的图像隐藏方法 被引量:2
11
作者 段新涛 王文鑫 +3 位作者 李磊 邵志强 王鲜芳 秦川 《电子与信息学报》 EI CSCD 北大核心 2022年第5期1782-1791,共10页
现有的基于深度卷积神经网络(DCNN)实现的图像信息隐藏方法存在图像视觉质量差和隐藏容量低的问题。针对此类问题,该文提出一种基于两通道深度卷积神经网络的图像隐藏方法。首先,与以往的隐藏框架不同,该文提出的隐藏方法中包含1个隐藏... 现有的基于深度卷积神经网络(DCNN)实现的图像信息隐藏方法存在图像视觉质量差和隐藏容量低的问题。针对此类问题,该文提出一种基于两通道深度卷积神经网络的图像隐藏方法。首先,与以往的隐藏框架不同,该文提出的隐藏方法中包含1个隐藏网络和2个结构相同的提取网络,实现了在1幅载体图像上同时对2幅全尺寸秘密图像进行有效的隐藏和提取;其次,为了提高图像的视觉质量,在隐藏网络和提取网络中加入了改进的金字塔池化模块和预处理模块。在多个数据集上的测试结果表明,所提方法较现有的图像信息隐藏方法在视觉质量上有显著提升,载体图像PSNR和SSIM分别提高了3.75 dB和3.61%,实现的相对容量为2,同时具有良好的泛化能力。 展开更多
关键词 图像信息隐藏 深度卷积神经网络 金字塔池化 预处理
在线阅读 下载PDF
基于注意力机制和深度卷积神经网络的材质识别方法 被引量:2
12
作者 许华杰 杨洋 李桂兰 《计算机科学》 CSCD 北大核心 2021年第10期220-225,共6页
材质识别旨在识别自然材质图像中的主要对象及其所属材料类别。针对材质图像数据集通常数据量少、人工标注局部纹理区域困难所导致的材质识别准确率低的问题,提出了一种基于注意力机制和深度卷积神经网络的材质识别方法,该方法的核心是... 材质识别旨在识别自然材质图像中的主要对象及其所属材料类别。针对材质图像数据集通常数据量少、人工标注局部纹理区域困难所导致的材质识别准确率低的问题,提出了一种基于注意力机制和深度卷积神经网络的材质识别方法,该方法的核心是材质识别深度卷积神经网络(MaterialNet)。MaterialNet利用深度残差网络对图像进行特征提取,采用所提出的级联空洞空间金字塔池化的方式引入注意力机制,使网络可以通过端到端训练自适应地关注包含纹理特征的关键区域,从而有效识别材质的局部纹理特征。在FMD材质数据集上进行实验,结果表明,MaterialNet的总体识别准确率可达到82.3%,比当前主流的B-CNN和CNN+FV材质识别方法分别提高了7.2%和4.5%,对多种材质的识别准确率较高且具有参数量少、计算量小等优点。 展开更多
关键词 注意力机制 深度卷积神经网络 空洞卷积 空间金字塔池化
在线阅读 下载PDF
基于卷积金字塔网络的PPO算法求解作业车间调度问题 被引量:1
13
作者 徐帅 李艳武 +1 位作者 谢辉 牛晓伟 《现代制造工程》 北大核心 2025年第3期19-30,共12页
作业车间调度问题是一个经典的NP-hard组合优化问题,其调度方案的优劣直接影响制造系统的运行效率。为得到更优的调度策略,以最小化最大完工时间为优化目标,提出了一种基于近端策略优化(Proximal Policy Optimization,PPO)和卷积神经网... 作业车间调度问题是一个经典的NP-hard组合优化问题,其调度方案的优劣直接影响制造系统的运行效率。为得到更优的调度策略,以最小化最大完工时间为优化目标,提出了一种基于近端策略优化(Proximal Policy Optimization,PPO)和卷积神经网络(Convolutional Neural Network,CNN)的深度强化学习(Deep Reinforcement Learning,DRL)调度方法。设计了一种三通道状态表示方法,选取16种启发式调度规则作为动作空间,将奖励函数等价为最小化机器总空闲时间。为使训练得到的调度策略能够处理不同规模的调度算例,在卷积神经网络中使用空间金字塔池化(Spatial Pyramid Pooling,SPP),将不同维度的特征矩阵转化为固定长度的特征向量。在公开OR-Library的42个作业车间调度(Job-Shop Scheduling Problem,JSSP)算例上进行了计算实验。仿真实验结果表明,该算法优于单一启发式调度规则和遗传算法,在大部分算例中取得了比现有深度强化学习算法更好的结果,且平均完工时间最小。 展开更多
关键词 深度强化学习 作业车间调度 卷积神经网络 近端策略优化 空间金字塔池化
在线阅读 下载PDF
基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法 被引量:16
14
作者 李泽东 李志农 +2 位作者 陶俊勇 毛清华 张旭辉 《兵工学报》 EI CAS CSCD 北大核心 2022年第12期3228-3239,共12页
针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障... 针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量;将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练,利用网络对特征模量自适应地融合和选择,从而挖掘特征模量的隐式特征;使用Softmax分类器进行分类识别;通过训练好的网络对高转速下的滚动轴承进行故障诊断;利用不同信噪比的信号对所提方法进行测试,以验证网络的泛化能力和故障诊断效果。实验结果表明:该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别。 展开更多
关键词 注意力增强卷积 深度卷积神经网络 特征融合 航空发动机滚动轴承 故障诊断
在线阅读 下载PDF
基于多级金字塔卷积神经网络的快速特征表示方法 被引量:13
15
作者 王冠皓 徐军 《计算机应用研究》 CSCD 北大核心 2015年第8期2492-2495,共4页
由于在大尺度图像中卷积滤波的过程速度过慢,导致卷积神经网络(convolutional neural network,CNN)参数调节困难、训练时间过长。针对这一问题,通过对传统卷积神经网络(traditional convolution neural network,TCNN)的改进,提出一种快... 由于在大尺度图像中卷积滤波的过程速度过慢,导致卷积神经网络(convolutional neural network,CNN)参数调节困难、训练时间过长。针对这一问题,通过对传统卷积神经网络(traditional convolution neural network,TCNN)的改进,提出一种快速有效的多级金字塔卷积神经网络(multi-level pyramid CNN,MLPCNN)。这一网络使用权值共享的方法将低级的滤波权值共享到高级,保证CNN的训练只在较小尺寸的图像块上进行,加快了训练速度。实验表明,在特征维数比较低的情况下,MLPCNN提取到的特征比传统的特征提取方法更加有效,在Caltech101数据库上,MLPCNN识别率达到81.32%,而且训练速度较TCNN提高了约2.5倍。 展开更多
关键词 深度学习 多级金字塔卷积神经网络 特征表示 特征共享
在线阅读 下载PDF
基于全卷积神经网络的语音增强算法 被引量:9
16
作者 张明亮 陈雨 《计算机应用研究》 CSCD 北大核心 2020年第S01期135-137,共3页
为了进一步提高语音增强算法的性能,针对传统的WebRTC语音增强算法和基于LSTM的语音增强算法语音增强效果不理想的问题,提出了一种基于全卷积神经网络的语音增强算法。其采用两层全卷积层构成编码器提取含噪语音深层次特征,然后通过对... 为了进一步提高语音增强算法的性能,针对传统的WebRTC语音增强算法和基于LSTM的语音增强算法语音增强效果不理想的问题,提出了一种基于全卷积神经网络的语音增强算法。其采用两层全卷积层构成编码器提取含噪语音深层次特征,然后通过对称的解码器网络进行解码,最后通过一个全连接层输出纯净语音的特征。通过全卷积神经网络可以更好地利用含噪语音的上下文信号,提取出语音更抽象更深层次的特征。通过与WebRTC和LSTM算法进行对比,在低信噪比情况下,该算法的STOI(短时客观可理解度)和PESQ(语音质量感性评估)有较大提高。实现结果表明,其方法能够有效地提高在未知噪声情况下的语音增强性能,增强后的语音具有更好的语音质量与可懂度。 展开更多
关键词 语音增强 深度学习 卷积神经网络 长短期记忆网络 WebRTC
在线阅读 下载PDF
深度卷积神经网络下选票系统智能化识别研究与实现 被引量:1
17
作者 陈一凡 彭程 +1 位作者 韩啸 刘霆 《计算机应用》 CSCD 北大核心 2019年第S02期85-90,共6页
针对传统选票识别系统识别率低、效率不够高的问题,提出一种基于深度卷积神经网络的高准确率、低误识率的选票手写符自动识别系统。将图像处理方法与数据增强方法融合后引入卷积神经网络并对传统网络结构进行改进,构建出选票手写符号识... 针对传统选票识别系统识别率低、效率不够高的问题,提出一种基于深度卷积神经网络的高准确率、低误识率的选票手写符自动识别系统。将图像处理方法与数据增强方法融合后引入卷积神经网络并对传统网络结构进行改进,构建出选票手写符号识别模型,形成一个高可靠性、高精度、高效率的选票识别系统。在各个会议、选举中采集大量数据集,通过不同模型的训练和测试结果表明,相较于传统图像处理方法、BP神经网络学习算法等现有方式,该方法具有更高的准确率,且能准确识别非期待图案的无意义图案,识别准确度达到99%以上。该手写符识别系统已应用于计票通项目,且可以推广应用到满足不同任务,多种型号的会议系统中。 展开更多
关键词 选票系统 手写字符 图像处理 数据增强 深度学习 卷积神经网络
在线阅读 下载PDF
基于卷积神经网络的图像数据增强算法 被引量:19
18
作者 蒋芸 张海 +1 位作者 陈莉 陶生鑫 《计算机工程与科学》 CSCD 北大核心 2019年第11期2007-2016,共10页
提升卷积神经网络的泛化能力和降低过拟合的风险是深度卷积神经网络的研究重点。遮挡是影响卷积神经网络泛化能力的关键因素之一,通常希望经过复杂训练得到的模型能够对遮挡图像有良好的泛化性。为了降低模型过拟合的风险和提升模型对... 提升卷积神经网络的泛化能力和降低过拟合的风险是深度卷积神经网络的研究重点。遮挡是影响卷积神经网络泛化能力的关键因素之一,通常希望经过复杂训练得到的模型能够对遮挡图像有良好的泛化性。为了降低模型过拟合的风险和提升模型对随机遮挡图像识别的鲁棒性,提出了激活区域处理算法,在训练过程中对某一卷积层的最大激活特征图进行处理后对输入图像进行遮挡,然后将被遮挡的新图像作为网络的新输入并继续训练模型。实验结果表明,提出的算法能够提高多种卷积神经网络模型在不同数据集上的分类性能,并且训练好的模型对随机遮挡图像的识别具有非常好的鲁棒性。 展开更多
关键词 深度学习 卷积神经网络 图像分类 数据增强
在线阅读 下载PDF
基于改进深度卷积神经网络的纸币识别研究 被引量:9
19
作者 盖杉 鲍中运 《电子与信息学报》 EI CSCD 北大核心 2019年第8期1992-2000,共9页
针对如何提高纸币识别率的问题,该文提出一种改进深度卷积神经网络(DCNN)的纸币识别算法。该算法首先通过融合迁移学习、带泄露整流(Leaky ReLU)函数、批量归一化(BN)和多层次残差单元构造深度卷积层,对输入的不同尺寸纸币进行稳定而快... 针对如何提高纸币识别率的问题,该文提出一种改进深度卷积神经网络(DCNN)的纸币识别算法。该算法首先通过融合迁移学习、带泄露整流(Leaky ReLU)函数、批量归一化(BN)和多层次残差单元构造深度卷积层,对输入的不同尺寸纸币进行稳定而快速的特征提取与学习;然后采用改进的多层次空间金字塔池化算法对提取的纸币特征实现固定大小的输出表示;最后通过网络全连接层和softmax层实现纸币图像分类。实验结果表明,该算法在分类性能、泛化能力与稳定性上明显优于常用的纸币分类算法;同时该算法也能够满足纸币清分系统的实时性要求。 展开更多
关键词 纸币识别 深度卷积神经网络 残差学习 空间金字塔池化
在线阅读 下载PDF
基于迁移学习与卷积神经网络的玉米植株病害识别 被引量:26
20
作者 陈桂芬 赵姗 +2 位作者 曹丽英 傅思维 周佳鑫 《智慧农业》 2019年第2期34-44,共11页
大数据背景下产生了海量图像数据,传统的图像识别方法识别玉米植株病害准确率较低,已远远不能满足需求。卷积神经网络作为深度学习中的常用算法被广泛用于处理机器视觉问题,能自动识别和提取图像特征。因此,本研究提出一种基于数据增强... 大数据背景下产生了海量图像数据,传统的图像识别方法识别玉米植株病害准确率较低,已远远不能满足需求。卷积神经网络作为深度学习中的常用算法被广泛用于处理机器视觉问题,能自动识别和提取图像特征。因此,本研究提出一种基于数据增强与迁移学习相结合的卷积神经网络识别玉米植株病害模型。该算法首先通过数据增强方法增加数据,以提高模型的泛化性和准确率;再构建基于迁移学习的卷积神经网络模型,引入该模型的训练方式,提取病害图片特征,加速卷积神经网络的训练过程,降低网络的过拟合程度;最后将该模型运用到从农田采集的玉米病害图片,进行玉米病害的精确识别。识别试验结果表明:使用数据增强与迁移学习的卷积神经网络优化算法对玉米主要病害(玉米大斑病、小斑病、灰斑病、黑穗病及瘤黑粉病)的平均识别准确度达96.6%,和单一的卷积神经网络相比,精度提高了25.6%,处理每张图片时间为0.28s,比传统神经网络缩短了将近10倍。本算法的精确度和训练速度上比传统卷积神经网络有明显提高,为玉米等农作物植株病害的识别提供了新方法。 展开更多
关键词 深度学习 卷积神经网络 迁移学习 数据增强 玉米病害识别
在线阅读 下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部