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274篇文章
< 1 2 … 14 >
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：
基于差分进化和深度卷积神经网络的遥感图像融合方法
1
作者 朱澳临 陈应霞 《现代电子技术》 北大核心 2025年第19期9-16,共8页
针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式... 针对遥感图像融合中存在特征信息提取不足、重要参数需要手工设置的问题,文中提出一种基于差分进化和深度卷积神经网络(CNN)的遥感图像融合方法——DETNet。首先,DETNet设计了一种具有双分支、双层和双向的网络结构,以分层和双向的方式将全色(PAN)图像的潜在多尺度空间细节注入到多光谱(MS)图像中。在三双结构中,采用了基于层次域的多级损失函数对多层结果进行约束。然后,基于多分辨率分析(MRA)法设计了嵌入DETNet中的CNN模块(MRAB),同时在模块中引入空间注意力机制,使网络更关注输入图像中的空间特征。接着,考虑到需要在不同尺度上注入不同对象,采用了多尺度卷积特征提取块(MSCB)对网络进行深化和扩展,以提高网络的非线性拟合能力。最后,依据多级损失函数确立目标函数,通过组合差分进化(CoDE)算法优化目标函数,避免陷入局部最优,从而保证融合质量。实验结果表明,采用DETNet方法得到的融合图像在空间细节信息和光谱细节方面均优于其他方法。 展开更多
关键词 遥感图像融合 组合差分进化优化 深度卷积神经网络 全色图像 多光谱图像 多尺度卷积特征提取块 目标函数
在线阅读 下载PDF
基于加权多层卷积神经网络模型的冬奥会场区滑坡易发性评价 被引量：1
2
作者 胡文杰 李峰 +1 位作者 张梅东 刘文龙 《工程地质学报》 北大核心 2025年第3期949-958,共10页
开展冬奥会地区滑坡易发性评价对于冬奥会场馆的运维风险管理具有重要意义。本文以冬奥会6个区县为研究对象,从地形地貌、地质构造、水文、人类活动和土壤植被5个方面构建冬奥会地区滑坡易发性评价指标体系,针对易发性因子权重需反复多... 开展冬奥会地区滑坡易发性评价对于冬奥会场馆的运维风险管理具有重要意义。本文以冬奥会6个区县为研究对象,从地形地貌、地质构造、水文、人类活动和土壤植被5个方面构建冬奥会地区滑坡易发性评价指标体系,针对易发性因子权重需反复多次调整的繁琐过程、过多的池化层造成特征信息大量丢失等问题,提出影响因子权重自适应学习、扩张卷积层替换池化层的加权多层卷积神经网络(Weighted Multi-CNN,WM-CNN)用于滑坡易发性预测。运用加权多层卷积神经网络、一维卷积神经网络(CNN-1D)、卷积神经网络(CNN)、支持向量机(SVM)、随机森林模型(RF)分别构建该区域的滑坡易发性评价模型。对冬奥会地区进行滑坡易发性区划,并通过受试者工作特征曲线(ROC)。结果表明,WM-CNN模型预测效果最好,高于CNN-1D模型的0.835、CNN模型的0.877、SVM模型的0.819、RF模型的0.884。此外,研究区域极高易发区和高易发区集中在北京的延庆区,大多分布在道路两侧和山谷地带。国家跳台滑雪中心和延庆奥运村位于中等易发区,滑坡风险较大,因此需要重点监控。 展开更多
关键词 冬奥会区域 加权多层 卷积神经网络 深度学习 滑坡易发性
在线阅读 下载PDF
基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法 被引量：1
3
作者 王文卿 张小乔 +2 位作者 何霁 刘涵 刘丁 《智能系统学报》 北大核心 2025年第3期649-657,共9页
多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色... 多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法,旨在同时挖掘图像的光谱、空间与非几何结构信息,以提升融合图像空间分辨率和光谱分辨率。本方法建立在多分辨率分析融合框架的基础上,利用深度神经网络构建了特征提取、特征融合和图像重构模块。混合双分支网络模块是由2D和3D卷积神经网络构建,其中,2D卷积神经网络负责挖掘多光谱图像与全色图像的空间特征,3D卷积神经网络负责挖掘图像的光谱特征。引入了图卷积神经网络以捕捉图像图结构中节点的空间关系,从而整合非局部信息。将多光谱图像与全色图像的空间、光谱和非几何特征通过特征融合模块进行融合。将融合特征输入图像重构网络重建高质量多光谱图像。本文算法在GeoEye-1和IKONOS遥感数据上进行了实验验证,实验结果表明:与其他方法相比,本文算法在主观视觉和客观评价指标上均表现出优秀性能。 展开更多
关键词 图像融合 遥感 图像处理 深度学习 卷积神经网络 机器学习 特征提取 图像重构
在线阅读 下载PDF
融合多尺度注意力神经网络的港口起重装备故障时序数据预测方法 被引量：2
4
作者 雷鹏 谢敬玲 +4 位作者 许洪祖 焦锋 魏立明 张忠岩 吕成兴 《机电工程》 北大核心 2025年第2期277-286,共10页
近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注... 近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注意力机制港口装备故障时序数据预测方法。首先,采用了融合非线性策略与混沌映射的改进灰狼优化算法(IGWO),自适应地确定了变分模态分解(VMD)的模态数与惩罚因子;然后,将变分模态分解得到的本征模态函数进一步作为融合多尺度注意力神经网络(FMANN)模型的时序输入,进行了多尺度通道特征融合;最后,对各个本征模态函数的预测结果进行了融合,得到了最终预测结果。研究结果表明:FMANN模型在回转机构数据集上的均方根误差(RMSE)为0.001 12,平均绝对百分比误差(MAPE)为6.396 3%,决定系数为0.999 8;相比于其他预测模型,FMANN预测效果更加拟合实际数据。FMANN模型能够准确地预测设备轴承的时序振动,有望为未来实际工业生产提供一条新思路。 展开更多
关键词 滚动轴承 故障诊断 变分模态分解 注意力机制 灰狼优化算法 融合多尺度注意力神经网络 深度可分离卷积
在线阅读 下载PDF
基于自注意力层的神经网络弹道落点预测方法
5
作者 马月红 曹彦敏 +5 位作者 李超旺 赵辰 周辉 赵慧亮 王晓成 李乾 《弹箭与制导学报》 北大核心 2025年第1期53-61,共9页
针对现有的弹道落点预测方法误差大和气象变化适应不足的问题,建立了包含气象条件的弹道数据集,并提出了一种基于自注意力层的CNN-BiLSTM-BiGRU弹道落点预测方法。在所构建的组合模型中引入自注意力层和残差连接,加强模型在处理输入序... 针对现有的弹道落点预测方法误差大和气象变化适应不足的问题,建立了包含气象条件的弹道数据集,并提出了一种基于自注意力层的CNN-BiLSTM-BiGRU弹道落点预测方法。在所构建的组合模型中引入自注意力层和残差连接,加强模型在处理输入序列时动态关注不同时刻信息的能力,缓解网络中的梯度爆炸问题。采用多维时间序列数据的输入表示方法,结合历史弹道轨迹数据和目标特征等信息,减小弹道落点预测误差。仿真结果表明,基于自注意力层的CNN-BiLSTM-BiGRU网络模型的预测效果优于其他模型,射程预测的最大误差占真实值的0.156%,横偏预测的最大误差占真实值的5.904%。文中研究为弹道落点预测领域提供了重要的参考依据。 展开更多
关键词 弹道落点预测 深度学习 弹道模型 自注意力层 卷积神经网络 长短期记忆网络 门控循环神经网络
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
6
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
基于深度融合3D与2D卷积网络的步态识别方法
7
作者 王晓路 李晓婷 谭永辉 《现代电子技术》 北大核心 2025年第9期109-115,共7页
为了提取更加丰富的步态特征信息,提出一种融合3D和2D卷积神经网络的步态识别方法。利用3D卷积在时空域提取视频数据中的动态特征,2D卷积在帧级空间域提取静态数据。设计有特殊结构的并行卷积层实现对局部细粒度与整体全局特征的同步提... 为了提取更加丰富的步态特征信息,提出一种融合3D和2D卷积神经网络的步态识别方法。利用3D卷积在时空域提取视频数据中的动态特征,2D卷积在帧级空间域提取静态数据。设计有特殊结构的并行卷积层实现对局部细粒度与整体全局特征的同步提取;引入残差密集模块缓解深层网络在传播过程中产生的梯度消失问题;同时,在帧级特征提取中引入CBAM注意力机制,进一步增强模型对关键信息的感知能力;最后,设计特征映射模块解决序列长度变化问题以及自适应的整合空间信息。实验结果表明,在CASIA-B数据集上的3组不同行走条件下,所提方法的平均步态识别率为92.3%,均高于GaitPart等方法,表明所提方法是可行有效的。 展开更多
关键词 步态识别 卷积神经网络 注意力机制 特征融合 步态轮廓图像 深度学习
在线阅读 下载PDF
融合浅层特征的深度卷积神经网络互花米草遥感监测方法 被引量：9
8
作者 朱玉玲 王建步 +6 位作者 王安东 王锦锦 赵晓龙 任广波 胡亚斌 陈晓英 马毅 《海洋科学》 CAS 北大核心 2019年第7期12-22,共11页
基于2018年10月份黄河口入海两侧的LANDSAT8 OLI影像,提取植被指数和缨帽变换分量共9维光谱特征,构建融合浅层特征的8层深度卷积神经网络(deep convolutional neural network,DCNN)分类模型,开展互花米草(Spartina alterniflora Loisel... 基于2018年10月份黄河口入海两侧的LANDSAT8 OLI影像,提取植被指数和缨帽变换分量共9维光谱特征,构建融合浅层特征的8层深度卷积神经网络(deep convolutional neural network,DCNN)分类模型,开展互花米草(Spartina alterniflora Loisel)遥感监测的方法研究,并从不同的浅层特征来具体分析互花米草的监测结果。结果表明:(1)在分类方法上,DCNN模型的总体分类精度最高,达到90.33%,与支持向量机(support vector machine,SVM)、随机森林(random forest,RF)分类器相比,精度分别提高4.78%、2.7%,互花米草的生产者精度分别提高了2.56%、0.47%,说明在滨海湿地遥感影像分类中,DCNN有着更好的应用潜力;(2)融合浅层特征后,DCNN的总体分类精度和互花米草的识别精度分别提高了0.34%和3.25%,有效提高了对互花米草的监测能力。其中,融合归一化植被水分指数(NDII)浅层特征的DCNN分类方法中,互花米草的识别精度提高最多,为2.56%,比值植被指数(RVI)次之,为2.32%。研究结果可为互花米草的监测与管理提供技术与数据支撑。 展开更多
关键词 深度卷积神经网络(deep convolutional NEURAL network DCNN) 浅层特征融合 湿地分类 互花米草(Spartina alterniflora Loisel) 黄河口
在线阅读 下载PDF
结合卷积神经网络与多层感知机的渐进式多阶段图像去噪算法 被引量：3
9
作者 薛金强 吴秦 《计算机科学》 CSCD 北大核心 2024年第4期243-253,共11页
现有基于深度学习的图像去噪方法中,在网络架构层面存在单阶段网络特征表达能力不足而难以在复杂场景下重构清晰图像,以及多阶段网络内部特征连接不紧密而容易丢失原始图像细节的问题。在基础构建块层面,存在卷积层难以处理较大噪声级... 现有基于深度学习的图像去噪方法中,在网络架构层面存在单阶段网络特征表达能力不足而难以在复杂场景下重构清晰图像,以及多阶段网络内部特征连接不紧密而容易丢失原始图像细节的问题。在基础构建块层面,存在卷积层难以处理较大噪声级别下的跨层次特征,以及全连接层难以捕获图像邻域空间细节的问题。为解决以上问题,从两方面提出解决方法:一方面,在架构层面提出新颖的跨阶段门控特征融合,从而更好地连接一阶段网络的浅层特征与二阶段的深层特征,促进信息流的交互并使得去噪网络内部关联更为紧密,同时避免丢失原始像素细节;另一方面,在基础构建块层面提出结合卷积神经网络和多层感知机特性的双轴特征偏移块,作用于低分辨率多通道数的特征图,从而缓解卷积网络在复杂噪声场景下难以捕获跨层次特征依赖关系的问题,对于高分辨率、少通道数的特征图,使用卷积网络以充分提取噪声图像的空间邻域依赖关系。大量定量与定性实验表明,所提算法在真实世界图像去噪和高斯噪声去除任务中,都以较小的参数量和计算代价取得了最佳的PSNR和SSIM。 展开更多
关键词 图像处理 图像去噪 深度学习 卷积神经网络 多层感知机 特征融合
在线阅读 下载PDF
基于可融合残差卷积块的深度神经网络模型层剪枝方法 被引量：3
10
作者 徐鹏涛 曹健 +3 位作者 孙文宇 李普 王源 张兴 《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第5期801-807,共7页
针对当前主流的剪枝方法所获得的压缩模型推理时间较长和效果较差的问题,提出一种易用且性能优异的层剪枝方法。该方法将原始卷积层转化为可融合残差卷积块,然后通过稀疏化训练的方法实现层剪枝,得到一种具有工程易用性的层剪枝方法,兼... 针对当前主流的剪枝方法所获得的压缩模型推理时间较长和效果较差的问题,提出一种易用且性能优异的层剪枝方法。该方法将原始卷积层转化为可融合残差卷积块,然后通过稀疏化训练的方法实现层剪枝,得到一种具有工程易用性的层剪枝方法,兼具推理时间短和剪枝效果好的优点。实验结果表明,在图像分类任务和目标检测任务中,该方法可使模型在精度损失较小的情况下获得极高的压缩率,优于先进的卷积核剪枝方法。 展开更多
关键词 卷积神经网络 层剪枝 可融合残差卷积块 稀疏化训练 图像分类
在线阅读 下载PDF
基于深度卷积神经网络的多特征融合的手势识别 被引量：13
11
作者 贠卫国 史其琦 王民 《液晶与显示》 CAS CSCD 北大核心 2019年第4期417-422,共6页
针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积... 针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积神经网络和灰度共生矩阵方法得到,其中形状特征向量由Hu氏不变量和傅里叶级数组成。为了避免过拟合现象,使用"dropout"方法训练深度卷积神经网络。这种基于深度卷积神经网络的多特征融合的手语识别方法,在"hand"数据库中,对32种势的识别率为97.73%。相比一般的手语识别方法,此方法鲁棒性更强,并且识别率更高。 展开更多
关键词 手势识别 手势提取 多特征融合 深度卷积神经网络 鲁棒性
在线阅读 下载PDF
基于深度卷积和多层尺度特征融合的冠脉造影图像血管分割
12
作者 许洋 翟楠楠 +2 位作者 倪维臻 谭强 王金甲 《中国生物医学工程学报》 北大核心 2025年第1期34-42,共9页
冠状动脉造影是诊疗冠心病等心血管疾病的一种重要手段,快速而准确的血管分割对诊疗心血管疾病具有十分重要的意义。针对现有冠状动脉造影血管分割算法对细微血管的分割能力不强、分割血管的连通性较差、抗噪声及伪影能力弱等问题,本研... 冠状动脉造影是诊疗冠心病等心血管疾病的一种重要手段,快速而准确的血管分割对诊疗心血管疾病具有十分重要的意义。针对现有冠状动脉造影血管分割算法对细微血管的分割能力不强、分割血管的连通性较差、抗噪声及伪影能力弱等问题,本研究吸取了Transformer结构长距离依赖与跨域跳转连接的优点,分别采用上下文分层聚合和多尺度特征融合的方法,对U型分割网络进行改进,称HAM-UNet。首先,采取必要的图像预处理方法,对原有的冠脉造影图像进行一些特征强化,并扩大了实验数据;然后,将预处理好的图片以HAM-UNet的方法进行分割。编码器同时结合深度卷积与残差结构,可以高效的捕获全局特征并有效增强网络细节感知力,提升分割精度的同时提高分割连通性。解码器进行了多尺度的特征融合,并且加入上采样跳转连接,网络的全局感知得到提高,有效降低了无关信息的影响。所使用数据集来自于天津市医科大学总医院的221张图像和秦皇岛市第一医院的494张图像,在两个数据集上,HAM-UNet算法的准确率分别为0.983和0.998,IOU分别为0.857和0.908,Dice分数分别为0.842和0.883;综合分割性能比U-Net和Att-UNet等算法有较大提升。 展开更多
关键词 图像分割 冠脉造影图像分割 U-Net 深度卷积 多层尺度融合
在线阅读 下载PDF
基于深度堆叠卷积神经网络的图像融合 被引量：37
13
作者 蔺素珍 韩泽 《计算机学报》 EI CSCD 北大核心 2017年第11期2506-2518,共13页
该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为... 该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为高频和低频图像序列;其次,基于He K方法初始化其余层卷积核,获得与源图像尺寸相同的高频和低频重构图像各一幅,并将二者合成源图像的近似图像;再以源图像和近似图像像素值之差的平方和的均值为误差函数,进行反向传播训练形成基本神经单元;之后,将多个基本单元堆叠起来利用end-to-end的方式调整整个网络得到深度堆叠神经网络.然后,利用该堆叠网络分别分解测试图像对,得到各自的高频和低频图像,再基于局部方差取大和区域匹配度合并的规则分别融合高频和低频图像,并将高频融合图像和低频融合图像放回最后一层网络,得到最终的融合图像.实验结果表明:与基于双树复小波变换(Dual-Tree Complex Wavelet Transform,DTCWT)、非下采样轮廓波变换(Non-Subsampled Contourlet Transform,NSCT)和非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)的融合结果相比,用高斯拉普拉斯滤波器和高斯滤波器初始化的深度堆叠卷积神经网络融合效果主观效果好,客观指标最优个数为NSCT的3.3倍,运行时间为NSCT的30.3%和NSST的11.6%. 展开更多
关键词 图像融合 深度学习 卷积神经网络 堆叠自动编码 滤波器
在线阅读 下载PDF
联合中间层的深度卷积神经网络模型 被引量：1
14
作者 袁明新 张丽民 +2 位作者 朱友帅 姜烽 江亚峰 《计算机工程与应用》 CSCD 北大核心 2018年第20期139-144,共6页
针对当前卷积神经网络(Convolutional Neural Networks,CNN)模型通常将网络最后一层的输出作为特征表示,未能充分利用网络中间层的不足,提出了一种联合中间层的CNN模型(Intermediate Layers Connected-CNN,ILC-CNN)。该模型以AlexNet为... 针对当前卷积神经网络(Convolutional Neural Networks,CNN)模型通常将网络最后一层的输出作为特征表示,未能充分利用网络中间层的不足,提出了一种联合中间层的CNN模型(Intermediate Layers Connected-CNN,ILC-CNN)。该模型以AlexNet为基础,首先联合前、中、末端卷积层,通过深度连接方式连接;接着通过池化层、全连接层等操作得到描述图像的特征向量;通过辅助分类器训练方式保证了中间层特征的有效性,使模型得以成功训练。测试结果表明,该模型在图像分类与识别任务中效果显著,其提取的特征更具辨识度,具有比其他模型更高的识别精度。 展开更多
关键词 图像分类 图像识别 卷积神经网络 深度连接 中间层
在线阅读 下载PDF
基于全卷积神经网络多任务学习的时域语音分离 被引量：1
15
作者 孙林慧 王春艳 张蒙 《信号处理》 CSCD 北大核心 2024年第12期2228-2237,共10页
基于深度神经网络时频掩码进行语音分离时,目标信号相位一般采用混合信号的相位谱,且对性别组合缺乏针对性处理,这导致分离语音的质量不佳。针对该问题,本文提出一种基于全卷积神经网络联合性别组合检测(Fully Convolutional Neural Net... 基于深度神经网络时频掩码进行语音分离时,目标信号相位一般采用混合信号的相位谱,且对性别组合缺乏针对性处理,这导致分离语音的质量不佳。针对该问题,本文提出一种基于全卷积神经网络联合性别组合检测(Fully Convolutional Neural Network-Gender Combination Detection,FCN-GCD)多任务学习的时域语音分离方法。该方法首先在语音分离支路构建全卷积神经网络,该网络的输入为时域两人混合语音信号,输出为目标讲话者的纯净语音信号,运用卷积编码器和反卷积解码器对特征进行压缩和重建,实现端到端的语音分离。其次将混合语音性别组合检测任务整合到语音分离网络中,在两个任务联合约束下获取辅助信息特征和语音分离特征,并将这些深度特征相结合来提升语音分离质量。该FCN-GCD方法是一种时域语音分离方法,不需要进行相位恢复和频域到时域的重构,相比频域处理方法,该处理过程简单,从而提高了运算效率。另外,该方法从混合语音性别组合检测任务中提取有效的辅助信息特征,利用联合特征实现了更有效的语音分离。实验结果表明,与单任务的语音分离方法相比,本文所提出的FCN-GCD方法在男男、女女和男女三种性别组合下均有效提高了语音质量,在语音质量感知评估(Perceptual Evaluation of Speech Quality,PESQ)、短时客观可懂度(Short-Time Objective Intelligibility,STOI)、信号干扰比(Signalto-Interference Ratio,SIR)、信号失真比(Signal-to-Distortion Ratio,SDR)和信号伪像比(Signal-to-Artifact Ratio,SAR)评价指标上均获得更佳的表现。 展开更多
关键词 深度神经网络 语音分离 全卷积神经网络 特征融合 多任务学习
在线阅读 下载PDF
多层卷积神经网络深度学习算法可移植性分析 被引量：3
16
作者 肖堃 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第3期420-424,共5页
在现实环境下,出现恶意用户或攻击者对机器学习算法的攻击;在应用过程中,机器学习算法也会受到物体形状、位移、尺度、光照、背景等因素的影响。针对这些使用过程中所产生的安全性问题,本文提出了基于多层卷积神经网络深度学习算法的图... 在现实环境下,出现恶意用户或攻击者对机器学习算法的攻击;在应用过程中,机器学习算法也会受到物体形状、位移、尺度、光照、背景等因素的影响。针对这些使用过程中所产生的安全性问题,本文提出了基于多层卷积神经网络深度学习算法的图像识别方法,并对其可移植性进行分析,通过对抗性训练提高模型泛化能力来防御对抗样例攻击。针对可用性攻击,在前向传播过程中,采用训练好的多层卷积神经网络深度学习模型自动提取输入图像特征,并利用模型权值共享、更新、下采样等操作对输入图像做降采样处理,降低计算复杂度;在反向传播过程中,利用delta法则和Fisher准则,以及基于类内距离和类间距离的能量约束函数实时调整多层卷积神经网络深度学习模型参数,计算模型输出层各个输出单元的残差,使模型权值能够更加快速收敛到有利于图像识别的最优值。测试结果表明:多层卷积神经网络深度学习算法在图像识别领域的应用具有识别准确率和鲁棒性较高,耗时较短的优点,从理论和实验2方面证明了算法的可移植性。 展开更多
关键词 多层卷积神经网络 深度学习算法 可移植性 分析 图像识别 拟合效果 delta法则 FISHER准则
在线阅读 下载PDF
融合卷积神经网络与多层感知器的鞍部识别方法
17
作者 孔月萍 党爽 +1 位作者 曾军 高凯 《小型微型计算机系统》 CSCD 北大核心 2021年第2期409-413,共5页
针对传统鞍部识别方法中特征选择困难及未考虑鞍部与其它地形要素的共生关系等问题,利用深度卷积神经网络的特征自学习性能,提出了一种卷积神经网络与多层感知器相结合的混合模型实现DEM数据中的鞍部要素识别.首先设计改进的卷积神经网... 针对传统鞍部识别方法中特征选择困难及未考虑鞍部与其它地形要素的共生关系等问题,利用深度卷积神经网络的特征自学习性能,提出了一种卷积神经网络与多层感知器相结合的混合模型实现DEM数据中的鞍部要素识别.首先设计改进的卷积神经网络模型自动提取鞍部的深度特征,经过Softmax分类器得到候选鞍部点,再运用多层感知器对候选鞍部点的位置进行精细回归,标识出最终的鞍部要素坐标.通过自建的鞍部样本集SADDLE-100训练网络模型,并在三种不同的山地样区进行实验,实验结果表明该方法比其它鞍部识别方法的漏提率减少约50%,正确识别率提高6.7%,在一定程度上避免了人工选择特征造成的鞍部语义信息缺失现象,为DEM中的点状要素识别提供了新的技术途径. 展开更多
关键词 卷积神经网络 特征融合 多层感知器 鞍部识别
在线阅读 下载PDF
融合全局与局部特征的深度卷积神经网络算法 被引量：12
18
作者 程卫月 张雪琴 +1 位作者 林克正 李骜 《计算机科学与探索》 CSCD 北大核心 2022年第5期1146-1154,共9页
为进一步提高人脸表情识别的准确率,提出一种融合全局与局部特征的深度卷积神经网络算法(GL-DCNN)。该算法由两个改进的卷积神经网络分支组成,全局分支和局部分支,分别用于提取全局特征和局部特征,对两个分支的特征进行加权融合,使用融... 为进一步提高人脸表情识别的准确率,提出一种融合全局与局部特征的深度卷积神经网络算法(GL-DCNN)。该算法由两个改进的卷积神经网络分支组成,全局分支和局部分支,分别用于提取全局特征和局部特征,对两个分支的特征进行加权融合,使用融合后的特征进行分类。首先,提取全局特征,全局分支基于迁移学习,使用改进的VGG19网络模型进行特征提取;其次,提取局部特征,局部分支采用中心对称局部二值模式(CSLBP)算法进行第一次特征提取,得到原始图像的局部纹理信息,将其输入到浅层卷积神经网络进行第二次特征提取,使其自动提取出与表情相关的局部特征;再次,采用两个级联的全连接层对两个分支的特征进行降维,为其分配不同权重,进行加权融合;最后,采用softmax分类器进行分类。实验在CK+和JAFFE数据集上进行验证,分类精度分别达95%以上和93%以上,对比其他五种算法,该算法总体表现较好,具有较好的识别效果和良好的鲁棒性,可为人脸表情识别提供有效依据。 展开更多
关键词 表情识别 特征融合 卷积神经网络(CNN) 深度学习
在线阅读 下载PDF
一种基于融合深度卷积神经网络与度量学习的人脸识别方法 被引量：5
19
作者 吕璐 蔡晓东 +1 位作者 曾燕 梁晓曦 《现代电子技术》 北大核心 2018年第9期58-61,67,共5页
现有的卷积神经网络方法大多以增大类间距离为学习目标,而忽略类内距离的减小,这对于人脸识别来说,将导致一些非限制条件下(如姿态、光照等)的人脸无法被准确识别,为了解决此问题,提出一种基于融合度量学习算法和深度卷积神经网络的人... 现有的卷积神经网络方法大多以增大类间距离为学习目标,而忽略类内距离的减小,这对于人脸识别来说,将导致一些非限制条件下(如姿态、光照等)的人脸无法被准确识别,为了解决此问题,提出一种基于融合度量学习算法和深度卷积神经网络的人脸识别方法。首先,提出一种基于多Inception结构的人脸特征提取网络,使用较少参数来提取特征;其次,提出一种联合损失的度量学习方法,将分类损失和中心损失进行加权联合;最后,将深度卷积神经网络和度量学习方法进行融合,在网络训练时,达到增大类间距离同时减小类内距离的学习目标。实验结果表明,该方法能提取出更具区分性的人脸特征,与分类损失方法及融合了其他度量学习方式的方法相比,提升了非限制条件下的人脸识别准确率。 展开更多
关键词 多Inception结构 深度卷积神经网络 度量学习方法 深度人脸识别 特征提取 损失函数融合
在线阅读 下载PDF
基于多层特征融合可调监督函数卷积神经网络的人脸性别识别 被引量：15
20
作者 石学超 周亚同 池越 《计算机应用研究》 CSCD 北大核心 2019年第3期940-944,共5页
为了进一步提高性别识别的准确率,提出了一种基于多层特征融合与可调监督函数机制结合的卷积神经网络(L-MFCNN)模型,并将之用于人脸性别识别。与传统卷积神经网络(CNN)不同,L-MFCNN将多个浅层中间卷积层特征输出与最后卷积层特征输出相... 为了进一步提高性别识别的准确率,提出了一种基于多层特征融合与可调监督函数机制结合的卷积神经网络(L-MFCNN)模型,并将之用于人脸性别识别。与传统卷积神经网络(CNN)不同,L-MFCNN将多个浅层中间卷积层特征输出与最后卷积层特征输出相结合,融合多层卷积层的特征,不仅利用了深层卷积的整体语义信息,还考虑了浅层卷积的细节局部纹理信息,使得性别识别更加准确。此外L-MFCNN还引入具有可调目标监督函数机制的large-margin softmax loss作为输出层,利用其调节不同的间隔(margin)的机制来有效引导深层卷积网络学习,使得同种性别间的类内间距更小,不同性别间的类间距更大,获得更好的性别识别效果。在多个人脸数据集上的性别识别实验结果表明,L-MFCNN的识别准确率要高于其他传统的卷积网络模型。L-MFCNN模型也为将来的人脸性别识别研究提供了新的思路与方向。 展开更多
关键词 人脸性别识别 多层特征融合 卷积神经网络 深度学习
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 … 14 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